El Departamento de Energía de EE. UU. desarrolla un sistema para detectar defectos en tiempo real durante el proceso de impresión 3D
El proyecto utiliza técnicas de diagnóstico por imagen y aprendizaje automático para detectar la generación de poros
Según un comunicado del Departamento de Energía de Estados Unidos (DoE), un equipo de investigadores ha utilizado herramientas de diagnóstico y aprendizaje automático con el fin de desarrollar un nuevo sistema para detectar y predecir la aparición de defectos en los materiales impresos en 3D. El procedimiento utiliza técnicas de diagnóstico por imagen y aprendizaje automático para detectar la aparición de poros en tiempo real con una precisión casi perfecta. Los investigadores tienen previsto diseñar próximamente nuevas tecnologías de detección que permitan identificar otro tipo de defectos que se producen durante los procesos de fabricación aditiva. El objetivo es crear un sistema que no solo sea capaz de localizar defectos, sino que además permita repararlos durante la AM.
Muchas industrias confían en la fabricación aditiva de metal para producir rápidamente piezas y componentes complejos, desde toberas para motores de cohetes hasta pistones para coches de alto rendimiento, pasando por implantes ortopédicos hechos a medida. Las nuevas herramientas de diagnóstico avanzado para detectar y, en caso necesario, reparar estos defectos permitirán extender el uso de la AM en el sector aeroespacial y en otras industrias que utilizan piezas metálicas de alto rendimiento.
Uno de los principales defectos de la fusión de lecho de polvo por láser es la formación de poros en forma de ojo de cerradura. Estos poros o defectos estructurales pueden comprometer el rendimiento de las piezas impresas. Muchas impresoras 3D disponen de sensores de imagen térmica que controlan el proceso de fabricación, pero aun así pueden pasar por alto la formación de estas imperfecciones. La única forma de detectar directamente los poros en el interior de un metal denso es mediante la obtención de imágenes por rayos X, utilizando haces de alta intensidad como los de la Fuente Avanzada de Fotones, una instalación de la Oficina de Ciencia del Departamento de Energía.
En este caso, los investigadores establecieron una correlación entre las imágenes de rayos X del interior de la muestra y las imágenes térmicas del baño de fusión y descubrieron que la formación de estos poros en forma de ojo de cerradura genera una señal distinta en la superficie del material que puede ser detectada por las cámaras térmicas. En primer lugar, entrenaron un modelo de aprendizaje automático con imágenes de rayos X para predecir la formación de defectos utilizando únicamente imágenes térmicas. A continuación, comprobaron que el modelo era capaz de descifrar estas complejas señales térmicas y predecir la aparición de poros en muestras no etiquetadas. El equipo ha descubierto de que esta técnica puede detectar el momento exacto en el que se forma un poro durante el proceso de impresión en una escala de tiempo inferior a un milisegundo.
