Drift detection in L-PBF process using in-situ monitoring instrumentation and data analytic techniques
Détection de défauts dans le procédé L-PBF à l'aide de mesures et d'analyses de données in situ
Résumé
In recent years, metal additive manufacturing has undergone a huge paradigm shift from prototyping to mass production due to its ability to produce complex parts. In addition, metal additive manufacturing offers additional degrees of freedom in terms of flexibility and design functionality. Today, machine suppliers are looking to improve the performance of commercial machines by instrumenting them to perform real-time in-situ measurements. This monitoring will improve the quality, reliability and repeatability of parts. The challenge is to be able to process the data captured in-situ and correlate it with the different stages of the process.This thesis presents a methodology to detect and identify anomalies during the manufacturing of a part by the laser-powder bed fusion (L-PBF) process using commercial in situ instrumentation. First, an in-depth study based on the microstructural and mechanical aspects of the AlSi7Mg0.6 alloy is performed, and the most suitable scanning strategy is identified. This study was used as a basis to perform correlations between laser/material interactions and the process outcome (melt pool signals).Different types of in-situ instrumentation such as infrared cameras and commercial photodiode-based systems are studied to better understand the laser-powder interaction. EOSTATE coaxial optical tomography based on a camera provided by EOS GmbH is exploited, and a case study based on data analysis techniques is proposed to identify potential drift layers. Similarly, a machine learning-based methodology is developed to extract critical features at global and local scales for SLM Solutions GmbH's in situ photodiode-based melt monitoring module. As we know, the laser-powder interaction depends not only on the process parameters but also on the spread of the powder bed. Critical characteristics of the powder bed are thus identified with the help of the layer control system and computer vision algorithms and a methodology is proposed to identify powder bed spreading anomalies and their influence on the melt signal. A case study is presented to investigate the effectiveness and robustness of the proposed methodology.
Ces dernières années, la fabrication additive métallique a connu un énorme changement de paradigme, passant du prototypage à la production en série en raison de sa capacité à pouvoir produire des pièces complexes. De plus, la fabrication additive métallique offre des degrés de liberté supplémentaires en termes de flexibilité et de fonctionnalités de conception. De nos jours, les fournisseurs de machines cherchent à améliorer les performances des machines commerciales en les instrumentant afin de réaliser des mesures in-situ en temps réel. Cette surveillance permettra d'améliorer la qualité, la fiabilité et la répétabilité des pièces. L’enjeu est de pouvoir traiter les données capturées in situ et de les corréler avec les différentes étapes du processus.Cette thèse présente une méthodologie pour détecter et identifier les anomalies pendant la fabrication d’une pièce par le procédé de fusion laser-lit de poudre (L-PBF) en utilisant les instrumentations commerciales in situ. Dans un premier temps, une étude approfondie basée sur les aspects microstructuraux et mécaniques de l'alliage AlSi7Mg0.6 est réalisée, et la stratégie de balayage la mieux adaptée est identifiée. Cette étude a servi de base pour réaliser des corrélations entre les interactions laser/matériaux et le résultat du processus (signaux du bain de fusion).Différents types d'instrumentation in situ tels que les caméras infrarouges et les systèmes commerciaux à base de photodiodes sont étudiés pour mieux comprendre l'interaction laser-poudre. La tomographie optique EOSTATE coaxiale basée sur une caméra fournie par EOS GmbH est exploitée, et une étude de cas basée sur des techniques d'analyse de données est proposée pour identifier les couches de dérive potentielles. De même, une méthodologie basée sur l'apprentissage automatique est développée pour extraire les caractéristiques critiques aux échelles globale et locale pour le module in situ de surveillance du bain de fusion de SLM Solutions GmbH basé sur des photodiodes. Comme nous le savons, l'interaction laser-poudre dépend non seulement des paramètres du procédé mais également de l'étalement du lit de poudre. Les caractéristiques critiques du lit de poudre sont ainsi identifiées à l'aide du système de contrôle des couches et d'algorithmes de vision par ordinateur et une méthodologie est proposée pour identifier les anomalies d'étalement du lit de poudre et leur influence sur le signal du bain de fusion. Une étude de cas est présentée pour étudier l'efficacité et la robustesse de la méthodologie proposée.
Origine : Version validée par le jury (STAR)