Development of a defect-detection platform using photodiode signals collected from the melt pool of laser powder-bed fusion
Notice bibliographique
Résumé
Additive manufacturing (AM) has changed the entire manufacturing enterprise by offering unique features for the fabrication of complex-shapes with superior mechanical properties. In the last decades, through an exponential advancement, AM has been promoted from a prototyping to a series and mass production platform. Like all conventional techniques, quality assurance procedures/tools are of the utmost importance in aiding manufacturers in quality management and certification. For this purpose, in-line melt pool monitoring devices, installed in laser-based AM systems, provide vital real-time information about process characteristics, implicitly or explicitly leading toward understanding the quality of printed parts. This research aims to develop a defect-detection platform using in-situ monitoring of light intensity emitted from the melt pool of laser powder bed fusion (LPBF) to detect pores initiated from the lack of fusion phenomenon. This platform is driven by correlating disturbances in the light intensity emitted from the melt pool to actual pores identified through a post-processing micro-computed tomography (CT) scanning. Two sets of experiments were devised: one with embedded micro-voids to purposefully mimic the lack of fusion in printed parts composed on Hastelloy X to assess the sensor response and develop the analysis algorithm. The second set was included printed parts with stochastic/randomized distributions of pores to evaluate the proposed approach. The recorded data were extracted from an Absolute Limits algorithm and were analyzed offline through image processing. Next, the printed samples were CT scanned, and the data from both steps were analyzed by the segmentation method and confusion matrix to examine the correlation. The results of the intentionally seeded defects demonstrated that voids larger than 120 µm were detectable through the collected photo-diodes signals. The evaluation matrices to validate stochastic/randomized distributions of pores also showed that for two sets of process parameters with a high laser power of 200 W, hatching distance of 150 and 90 µm, and process speed of 1000 and 1500 mm/s, the sensor prediction from randomized defects is about 70.14 ± 2.24% and 72.82 ± 1.39%, respectively. However, for the low laser power cases with laser power of 100 W, hatching distance of 90 µm, and process speed of 1000 mm/s, the correlation was less than 30%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».