El LLNL desarrolla un sistema de inspección para la impresión 3D basado en cámaras
Un grupo de investigadores ha ideado una tecnología que utiliza el aprendizaje automático para detectar capa por capa los defectos de impresión antes de que las piezas salgan de la impresora
Un equipo del Laboratorio Nacional Lawrence Livermore (LLNL) ha desarrollado un sistema equipado con una cámara y un software que inspecciona capa por capa las piezas durante el proceso de impresión 3D en lugar de hacerlo a posteriori y detecta los fallos en tiempo real con la ayuda de la inteligencia artificial y el aprendizaje automático (ML).
El sistema está específicamente diseñado para la tecnología de escritura directa con tinta (o DIW, por sus siglas en inglés), y las cámaras instaladas en la impresora envían las imágenes a un software de segmentación basado en el ML que mapea el material a medida que se va depositando.
«Ahora contamos con una especie de cerebro detrás de los ojos», explica Brian Weston, ingeniero, responsable del Departamento de IA y ML para Gemelos Digitales del LLNL y director técnico del proyecto. «Nuestro sistema ya es capaz de ver mientras imprimimos, por lo que en el futuro podremos tomar decisiones basadas en los datos».
Por lo general, para inspeccionar una pieza es necesario esperar a que termine de imprimirse y retirarla de la impresora. Lo más habitual es recurrir a las técnicas de diagnóstico por imagen mediante rayos X o a ensayos mecánicos, procedimientos que resultan tan costosos como lentos. En su lugar, el sistema del LLNL captura las imágenes a medida que se deposita cada capa y calcula parámetros como el diámetro del filamento en tiempo real.
El equipo ha entrenado este modelo de segmentación de imágenes utilizando alrededor de unas 15 000 imágenes con anotaciones manuales. En un ensayo realizado con 55 piezas de prueba, los resultados arrojaron una diferencia de apenas escasos micrómetros con las mediciones manuales. Este último proceso puede requerir hasta una hora por cada imagen frente a los milisegundos que tarda el software, lo que supone una velocidad media unas 100 000 veces superior.
En una prueba a mayor escala, el equipo mapeó aproximadamente 2500 imágenes de una de las capas de una estructura acolchada de 25 x 25 centímetros, lo que les permitió detectar una ligera inclinación en la plataforma que los sistemas de medición convencionales habrían pasado por alto.
«Contar con un sistema de inspección integrado en la propia impresora constituye un avance fundamental que permitirá reducir costes, aumentar el rendimiento y proporcionar más información sobre los productos que se fabrican. Nuestro modelo ofrece una función esencial y muy codiciada en la industria. Además, está expresamente diseñado para poder utilizarlo en otros sectores importantes», señala Brian Giera, director adjunto del Programa de Ciencia de datos, IA y Fabricación del LLNL.
