过程质量保证(IPQA™)如何推动金属3D打印的全球大规模采用

根据3D科学谷的市场观察,3D打印从模型的建模,到生产工艺、加工参数、仿真、材料性能、产品质量、供应链可以说产生了海量的数据。

仅仅是金属3D打印过程中就有50多个变量相互发生作用,而这些剪不断理还乱的大数据,为3D打印带来困惑的同时也带来了机遇。利用加工中的过程数据通过算法获取对加工的洞察与控制,推动增材制造的全球大规模采用,推动制造业进入第四次工业革命。

Part_Gear_1
数据、算法的结合

想象一下,如果可以缩短航空航天和先进制造等行业中复杂零件的生产周期,可以将CAD文件从中心办公室发送到全球任何地方的远程生产设施,而不必集中生产这些零件,再通过复杂的物流网络运送到世界各处。这其中,可以通过过程质量保证来“现场”监控生产质量,然后通过自动化软件以及后处理程序来增强整个系统的鲁棒性。

这种快速生产的未来主义图景会从根本上改变整个行业,根据3D科学谷的市场判断,曾经耗时数月的复杂零件的制造,质量保证和后处理方法可以缩短为几天

block 第四次工业革命和创新,将超出了想象

拿Sigma Labs的IPQA系统举例,这种过程控制系统可以开放具有无限设计参数的行业,以实现全球协作。根据3D科学谷的市场观察,目前,Sigma Labs在推进技术和质量方面取得了迅速的进步,这将使之成为可能。

Sigma Labs的IPQA系统代表一项新的创新技术,用于监控金属增材制造过程(金属3D打印)。之所以需要这样做,是因为如果没有确保质量的保障措施,新兴的金属增材制造(AM)行业根本无法被接受为值得信赖的技术。

Part_Gear_2IPAQ过程© Sigma Labs

不过IPQA实现的难度相当高,Sigma Labs的IPQA面临的一个挑战是,需要以200 kHz的频率进行采样,专门查看高温或相对温度,以了解熔池中发生的情况。根据3D科学谷的了解,幸运的是,Sigma Labs能够克服这一200kHz采样难题,不仅如此,目前Sigma Labs能够推进和开放其他架构,其他机器种类,否则,如果没有大量的数据,Sigma Labs的算法无法实现可靠的预测与控制。

block 质量

质量问题是尚未大规模采用金属增材制造工艺的另一个原因,当前的质量控制包括破坏性测试和CT扫描。两种技术都非常耗时且成本高昂,并且无法提供进行过程中监视或进行过程中修复的途径。

更重要的是,当前的质量管理规范是在零件制造完成之后进行的,这增加了很多额外的步骤,成本和时间。而 IPQA允许零件在构建过程中进行调整和修正,使得质量检测与控制同步实现。

Video Cover_Software_PrintRite3D

根据3D科学谷的深入了解,在金属3D打印-增材制造过程中,可以将热数据反馈到仿真模型中,以告知如何制造更好的零件。这也将减少零件库存,以往备件必须按库存存放在仓库中,这会带来巨大的拥有成本。而如果对3D打印这种新工艺的质量控制有足够的信任,则可以按需3D打印这些零件并使用原位过程监控技术进行制造。

这些监视和QA控制技术的前景正催生出许多创新的解决方案。一种这样的解决方案是Polaris Motion的Polaris UniverseOne™同步数据采集系统,它是Sigma Labs IPQA解决方案的组成部分。

根据3D科学谷的了解,Polaris UniverseOne™的信号质量很重要。如果没有良好的信噪比,过程控制技术将无法正常工作。Polaris Motion是Sigma Labs数据采集方面的合作伙伴。通过合作以实现优势结合,就过程中质量控制技术而言,这是非常令人激动的,因为这种组合技术打破了增材制造工艺的发展限制。

在加工中的质量管理方面,通过Sigma Labs的PrintRite3D ® INSPECT ™软件,基于大量的生产大数据所形成的加工参数与产品性能之间的相关性,获取符合生产要求的零件所对应的加工参数作为“基准数据”。除非与零件的机械和冶金特性数据具有相关性,否则该加工参数的值几乎没有任何意义。这意味着首先必须产生大量的测试样本来生成这个属性数据,并将属性数据关联到加工参数的“电子签名数据”。从而在新的加工过程中将每一层的“电子签名数据”与“基准数据”相对比。

未来即将到来,这其中需要多种因素的结合。如果没有良好的数据,多么优秀的算法、技术和流程将毫无意义。

block 仿真,AI,更强有力的全方位的推进

当然仅仅通过Sigma Labs实现过程中监测与控制是不够的,3D科学谷看到国际上尤其是仿真软件正在为过程前的建模优化与加工参数设置而发力。通过仿真对材料属性在增材制造过程中发挥的作用,减少昂贵材料的浪费,以及避免试验不通过的材料情况发生,在这方面,仿真软件的设计也是个大数据的活。仿真软件需要与机器制造商合作,以获得设备的物理参数权利;需要与材料供应商合作,以保证材料科学指标是正确的;需要与测试专家合作,以确保正在测试的零件是正确的;需要和与用户合作,以确保得到更多的预测结果与实际效果之间匹配的权利。根据所有的材料、设备和产品的关键信息,预测如何改变材料,机器和建模。这些数据的获得与反馈将形成一套对增材制造的闭环控制体系,而无疑大数据在其中发挥了重要的作用。

在这方面,增材制造仿真的专业公司3DSIM(被ANSYS收购)已经与Sigma Labs合作开发了一个名为FLEX™软件,该软件模拟热传感器对金属增材制造工艺的响应,提前避免可能发生的错误。通过仿真可以调整工艺参数,以及更换新的粉末,通过软件确定扫描策略以及选择粉末。模拟软件将预测这些改变对零件性能的影响。

根据3D科学谷的市场观察,除了Sigma Labs的过程控制以及仿真解决方案,来自德国亚琛的科学家们正在研究监视金属3D打印的新方法,以提高过程的鲁棒性。在构建平台中使用结构传感器时,将来会检测到关键错误,例如支撑结构撕裂的时间。此外,通过超声波传感器可以用于分析空气传播中的声音,以确定组件的质量。基于激光的超声测量的研究将在未来走得更远:脉冲激光将在部件中感应出结构传播的噪声,然后由激光测振仪检测到。这使得在构建过程中发现微小的毛孔,以便能够立即进行干预。而原位测量过程可以通过另一个曝光顺序对问题区域进行返工。

Fraunhofer_5G_Europe_Video Cover2

在这方面,Fraunhofer-弗劳恩霍夫的futureAM下一代增材制造项目包含了更多“柔性”的增材制造技术,例如在线过程控制技术的开发,工艺稳健性的开发,以及基于数字孪生的网络化流程链的开发等。根据弗劳恩霍夫激光技术研究所Fraunhofer ILT,增材制造现在处于工业实施的门槛上,而从FutureAM项目中共同获得的专业知识现在将转移到工业应用中。

Fraunhofer-弗劳恩霍夫的futureAM下一代增材制造项目开发的虚拟实验室以封闭且数字化的方式绘制所涉及参与方的能力。每个实体(机器或产品)都被描述并分配了一个“数字孪生”,这是网络物理机器或更大的网络物理系统的虚拟部分。基于这些数字孪生,可以通过建模和仿真来优化实际系统。这将增强例如错误诊断、预测分析、产品和过程优化以实现长期质量保证

Video Cover_Fraunhofer_FutureAM

其中,Fraunhofer IWS的专家通过“人工智能”(AI)和“机器学习”的先进方法来提升对加工过程的理解,由Fraunhofer IWS图像处理和数据管理工作组进行研究。通过人工智能,可以找到这些数据泛洪中的隐藏联系。

将来,该系统还将提供用于计划新产品的数据,这将大大减少认证时间。它将能够越来越多地自动将产品分配给机器,在生产过程中适应相关的工艺参数,并自动考虑产品目标(例如质量)和生产目标(例如交货时间)。

由此出发,人类的角色将发生变化-从今天的中央计划转向决策和监控。虚拟实验室中的自治系统将使用适当的评估和监视工具来支持现场人员。因此,“虚拟实验室”提供了完整的数字透明度。

而这一切,都在推动增材制造的全球大规模采用!

l 文章来源:3D科学谷市场研究团队

白皮书下载,加入3D科学谷QQ群:106477771
网站投稿请发送至2509957133@qq.com
欢迎转载,转载请注明来源3D科学谷,并链接到3D科学谷网站原文。

分享:

你可能也喜欢...

发表评论