Investigadores de la Universidad de Illinois Urbana-Champaign han desarrollado un nuevo método para detectar defectos en componentes fabricados aditivamente.
Una de las tareas más importantes en cualquier fábrica es determinar si un componente fabricado está libre de defectos. En la fabricación aditiva (impresión 3D), detectar defectos puede resultar especialmente difícil, ya que la fabricación aditiva puede crear componentes con formas tridimensionales complejas y características internas importantes que no se pueden observar fácilmente.
La nueva tecnología utiliza un aprendizaje automático profundo para que sea mucho más fácil identificar defectos en componentes fabricados aditivamente. Para construir su modelo, los investigadores utilizaron simulaciones por computadora para crear miles de defectos artificiales, del tipo que sólo existe en las computadoras. Cada defecto generado por computadora tiene un tamaño, forma y ubicación diferentes, lo que permite que los modelos de aprendizaje profundo se entrenen en una amplia variedad de posibles defectos y distingan entre componentes defectuosos y no defectuosos. Luego, el algoritmo se probó en piezas físicas, algunas con defectos y otras sin defectos. El algoritmo pudo identificar con precisión cientos de defectos en partes del cuerpo real que los modelos de aprendizaje profundo no habían detectado anteriormente.
“Esta tecnología resuelve uno de los desafíos más difíciles en la fabricación aditiva”, afirmó William King, profesor de ciencia e ingeniería mecánica en Illinois y líder del proyecto. “Utilizando la simulación por computadora, podemos construir muy rápidamente un modelo de aprendizaje automático que identifica defectos con alta precisión. El aprendizaje profundo nos permite detectar con precisión defectos que la computadora ha detectado previamente. Nunca visto”.
En un estudio publicado en el Journal of Intelligent Manufacturing titulado “Detección y clasificación de defectos ocultos en piezas fabricadas aditivamente mediante aprendizaje profundo y tomografía computarizada de rayos X”, se utilizó tomografía computarizada de rayos X 3D para examinar el interior de los componentes. Características y defectos que están ocultos a la vista. Los componentes tridimensionales pueden ser fáciles de crear con fabricación aditiva, pero son difíciles de inspeccionar cuando las características críticas están ocultas a la vista.
Los autores son Miles Bimrose, Sameh Tawfick y William King de Illinois Urbana-Champaign; Davis McGregor de la Universidad de Maryland; Chenhui Shao de la Universidad de Michigan; y Tianxiang Hu, Jiongxin Wang y Zuozhu Liu de la Universidad de Zhejiang.
