El Laboratorio Nacional Oak Ridge del Departamento de Energía ha publicado un nuevo conjunto de datos sobre fabricación aditiva que la industria y los investigadores pueden utilizar para evaluar y mejorar la calidad de los componentes impresos en 3D. La amplitud de los conjuntos de datos puede mejorar en gran medida los esfuerzos para verificar la calidad de las piezas fabricadas de forma aditiva utilizando únicamente la información recopilada durante la impresión, sin la necesidad de realizar análisis de posproducción costosos y que consumen mucho tiempo.
Los datos se han capturado de forma rutinaria durante una década en el Centro de Demostración de Fabricación (MDF, por sus siglas en inglés) del Departamento de Energía en ORNL, donde la investigación inicial sobre fabricación avanzada, junto con un análisis exhaustivo de los componentes resultantes, ha creado un vasto tesoro de información sobre cómo Las impresoras funcionan tridimensionalmente. Años de experiencia superando los límites de la impresión 3D utilizando nuevos materiales, máquinas y controles han proporcionado a ORNL la capacidad única de desarrollar y compartir conjuntos de datos completos. El último conjunto de datos es Disponible ahora de forma gratuita a través de la plataforma online.
La industria manufacturera tradicional se beneficia de siglos de experiencia en control de calidad. Sin embargo, la fabricación aditiva es un enfoque más nuevo y poco convencional que normalmente se basa en costosas técnicas de evaluación para monitorear la calidad de las piezas. Estas técnicas pueden incluir pruebas mecánicas destructivas o tomografía de rayos X no destructiva, que crea imágenes transversales detalladas de los objetos sin dañarlos. Aunque útiles, estas técnicas tienen limitaciones; por ejemplo, son difíciles de realizar en piezas grandes. Los completos conjuntos de datos de impresión 3D de ORNL se pueden utilizar para entrenar modelos de aprendizaje automático para mejorar la evaluación de la calidad de cualquier tipo de componente.
«Proporcionamos conjuntos de datos confiables para que la industria los utilice en el proceso de certificación de productos», dijo Vincent Paquette, jefe de fabricación digital y segura del Laboratorio Nacional de Auckland. «Es una plataforma de gestión de datos diseñada para contar una historia completa sobre un componente fabricado de forma aditiva. El objetivo es utilizar mediciones durante el proceso para predecir el rendimiento de las piezas impresas”.
El conjunto de datos de 230 GB cubre el diseño, la impresión y las pruebas de cinco conjuntos de piezas con diferentes geometrías, todas ellas fabricadas mediante un sistema de impresión láser en polvo. Los investigadores tienen acceso a datos de sensores de estado de la máquina, rutas de escaneo láser, 30.000 imágenes de polvo láser y 6.300 pruebas de resistencia a la tracción de materiales.
Este es el cuarto y más extenso de una serie de conjuntos de datos sobre fabricación aditiva que el Laboratorio Nacional de Oakland está poniendo a disposición del público. Los conjuntos de datos anteriores se han centrado en piezas de construcción fabricadas con polvo de haz de electrones e impresión por chorro de adhesivo en tableros de fibra de densidad media. Se pueden buscar conjuntos de datos para obtener información específica necesaria para comprender mecanismos de falla raros, desarrollar programas de análisis en línea o modelar propiedades de materiales.
MDF, con el apoyo de la Oficina de Materiales Avanzados y Tecnologías de Fabricación del DOE, es un consorcio nacional de colaboradores que trabajan con el Laboratorio Nacional Oak Ridge para innovar, inspirar y catalizar la transformación en la fabricación de EE. UU.
Investigadores del Laboratorio Nacional Oak Ridge Explicar cómo aplicar conjuntos de datos. Entrenando un algoritmo de aprendizaje automático utilizando mediciones realizadas durante el proceso de impresión 3D. Utilizando métodos informáticos de alto rendimiento, el algoritmo entrenado puede predecir de forma fiable si una prueba mecánica pasará o no. También cometió un 61 % menos de errores al predecir la resistencia máxima a la tracción de la pieza.
Vincular las mediciones durante el proceso con el producto final es clave para brindar confianza sobre cuándo se necesitan pruebas de piezas adicionales y cuándo no. «Este es un factor clave para la fabricación aditiva en toda la industria, porque no pueden darse el lujo de caracterizar cada pieza», dijo Paquette. «El uso de estos datos puede ayudarles a captar el vínculo entre la intención, la fabricación y los resultados».
Los datos resultantes formaron parte del Programa de Tecnología de Fabricación y Materiales Avanzados, que fue financiado por la Oficina de Energía Nuclear del Departamento de Energía. Estos y otros enfoques de fabricación inteligente se están utilizando para acelerar el desarrollo, la calificación, la demostración y el despliegue de tecnologías de fabricación avanzadas para permitir una energía nuclear confiable y económica.
La Universidad de Texas en Battelle opera el Laboratorio Nacional de Oakland para la Oficina de Ciencias del Departamento de Energía, el mayor patrocinador de la investigación básica en ciencias físicas en los Estados Unidos. La Oficina de Ciencias está trabajando para abordar algunos de los desafíos más apremiantes de nuestro tiempo. Para mayor información por favor visite energía.gov/ciencia.