Additieve productie is van een technologie die bijna uitsluitend is ontworpen voor snelle prototypes en mock-ups om een ​​belangrijk hulpmiddel te worden voor de productie van afgewerkte onderdelen in veeleisende sectoren zoals de medische, lucht- en ruimtevaart- en automobielsector. In die sprong van 'laboratoriumspeelgoed' naar industrieel procesHet belangrijkste twistpunt is altijd hetzelfde gebleven: Hoe u een betrouwbare kwaliteitscontrole kunt garanderen wanneer een component laag voor laag wordt opgebouwd, gaat dit gepaard met zeer complexe thermische en materiële verschijnselen.
In deze context spelen de volgende zaken een rol: geavanceerde simulatie, realtime monitoring en kunstmatige intelligentieSamen maken ze het mogelijk om vervormingen te voorspellen. defecten opsporen Tijdens het printen kan het proces on-the-fly worden aangepast. Het resultaat is een radicale verandering: minder afval, minder downtime, minder nabewerking en bovenal onderdelen die voldoen aan de toleranties en wettelijke eisen, zonder al te veel afhankelijk te zijn van de vaardigheid van de operator.
Wat bedoelen we met optimalisatie en kwaliteitscontrole bij 3D-printen?
Als we het hebben over het optimaliseren van 3D-printen, gaat het niet alleen om ervoor te zorgen dat het onderdeel 'goed uitkomt', maar om het ontwerpen van een complete workflow waarin elke procesparameter staat onder digitale controleDit omvat alles van CAD-ontwerp en de oriëntatie van het onderdeel in de lade...tot aan het laserscanpatroon, de ondersteuningsstrategie, temperaturen, snelheden en koeling. Het doel is drieledig: herhaalbare kwaliteit, efficiënt verbruik van materialen en energie, en afvalvermindering.
In de meest gereguleerde industriële omgevingen, zoals de geneeskunde of de luchtvaart, zijn er een paar micrometers afwijking Ze kunnen het verschil maken tussen een goedgekeurd en een niet-conform onderdeel. Daarom kan optimalisatie niet langer uitsluitend gebaseerd zijn op trial-and-error: het vereist numerieke modellen, digitale tweelingen en procesdatabases die opgebouwde ervaring vertalen naar geautomatiseerde beslissingen tijdens de productie. Deze uitdaging is vooral duidelijk in meer gereguleerde industriële omgevingen.
De sleutel is om van een reactieve aanpak, waarbij kwaliteitscontrole alleen aan het eind plaatsvindt met metingen en visuele inspectie, over te stappen op een proactieve aanpak proactief en voorspellendwaar problemen worden gedetecteerd vóór het printen of terwijl het onderdeel nog in productie is. Dit voorkomt catastrofale fouten, verkort de productietijd en zorgt voor absolute traceerbaarheid van wat er in elke laag is gebeurd; en verbetert de herhaalbare kwaliteit vereist in serie.
Pre-print simulatie: voorkom fouten voordat u het materiaal gebruikt
De eerste belangrijke bouwsteen van moderne kwaliteitscontrole in 3D-printen is de eerdere simulatie van het procesVoordat met de productie wordt begonnen, wordt een volledig digitaal model (DMU) van het onderdeel en het proces gemaakt: de CAD-geometrie, de laserdepositie- of scanpaden, de energieverdeling, de materiaalafzetting, de ondersteuningsgeneratie, enzovoort. Op dit model worden verschillende numerieke simulatietechnieken toegepast.
Enerzijds zijn er de gereedschappen van computationele vloeistofdynamica (CFD) Ze stellen ons in staat om te bestuderen hoe warmte zich verdeelt tijdens het laag-voor-laag smelten, thermische spanningen te voorspellen en gebieden te lokaliseren met een hoog risico op vervorming of kromtrekken. Bovendien helpen eindige-elementenanalyse (FEA) en thermomechanische modellen bij het voorspellen van restspanningen, globale vervormingen en mogelijke scheuren die kunnen ontstaan ​​bij het afkoelen of bij het loskoppelen van het onderdeel van het moederbord.
Deze simulatie helpt niet alleen te bepalen of het onderdeel zal kromtrekken, maar maakt ook fundamentele ontwerpoptimalisatie mogelijk. Geometrieën kunnen worden gegenereerd op basis van het originele CAD-model. topologisch geoptimaliseerd en verlichthet volume van de steunen minimaliseren, kritische diktes controleren, valideren dat interne kanalen kunnen worden vervaardigd zonder in te storten, of geometrische compensaties aanpassen zodat de resulterende afmetingen na het proces binnen de tolerantie vallen.
Oplossingen zoals Autodesk Fusion met Netfabb integreren dit alles in één omgeving: ze importeren de CAD, repareren mesh-fouten en maken het mogelijk Oriënteer het stuk om vervorming te minimaliserenDe software genereert geschikte ondersteuningen op basis van de technologie (bijv. metaal MPBF of DED) en voert gedetailleerde thermomechanische simulaties uit. Op basis van de resultaten kan de software zelf automatisch de geometrie corrigeren om verwachte vervormingen te compenseren of gebieden met niet-gesmolten materiaal of problematische coatings te identificeren.
Op deze manier wordt de 'experimentele' fase verplaatst naar een digitale omgeving, waar deze zo vaak als nodig kan worden herhaald zonder dat er poeder, draad of hars wordt verbruikt. Bij complexe projecten wordt deze fase uitgebreid naar drukfouten met meer dan 80% verminderenwaardoor machinetijd, materiaal en een hoop hoofdpijn bespaard worden.
Realtime procescontrole: sensoren, camera's en AI
Zodra het printen begint, komt procesbeheersing, strikt genomen, in het spel. De meest geavanceerde oplossingen zijn gebaseerd op een gesloten regelcircuitIn dit proces wordt een digitale tweeling van de machine continu gevoed met data van sensoren en camera's die op de machine zijn geïnstalleerd. Deze tweeling vergelijkt laag voor laag wat er wordt geproduceerd met wat er in de simulatie is gepland.
Om dit te bereiken worden industriële camera's met een hoge resolutie gebruikt om de materiaaltoepassing en laagdikteBij metaalpoederbedtechnologieën worden hoogfrequente thermografische beelden geanalyseerd en wordt het smeltbad gemeten met optische of spectrale sensoren die microscopische heterogeniteiten kunnen detecteren. Bij filamentextrusie worden de continuïteit van de kraal, gebieden met onvoldoende materiaal en verschijnselen zoals stringing of underextrusion gecontroleerd.
Tegelijkertijd maken infraroodtemperatuursensoren, lasertriangulatie en andere geïntegreerde metrologiesystemen het mogelijk om verkeerde uitlijningen, botsingen in multi-assige printers, variaties in laaghoogte of gebrek aan hechting tussen de lagen. Wanneer het systeem een ​​kritieke afwijking detecteert, kan het automatisch stoppen met printen om te voorkomen dat de rest van de taak verloren gaat of om ingrijpen van een technicus mogelijk te maken.
De kern van deze systemen is kunstmatige intelligentie. Machine learning-algoritmen, getraind met miljoenen uren aan printdata, zijn in staat om defectpatronen herkennenDit maakt het mogelijk om omgevingsomstandigheden te correleren met kwaliteitsresultaten, te anticiperen op de effecten van thermische traagheid en parameters zoals toevoersnelheid, nozzletemperatuur en koelprofielen direct aan te passen. Dit alles resulteert in minder noodzaak voor de operator om de machine constant te monitoren en een grotere stabiliteit in het serieproductieproces.
Digitale tweelingen, procesdatabases en materiaalbibliotheken
Om dit hele ecosysteem te laten functioneren, zijn sensoren en geïsoleerde simulaties niet voldoende: een gecentraliseerde database Deze opslagplaats slaat printparameters, sensormetingen, kwaliteitsresultaten en informatie over elke batch materiaal op. Het fungeert als het 'brein' dat zowel de pre-simulatie als de realtime controle en analyse na het printen aanstuurt.
Deze databases, die doorgaans versiebeheer hebben, maken nauwkeurige tracking mogelijk welke aanpassingen er op elk stuk zijn gebruiktwelke afwijkingen werden waargenomen en welke corrigerende maatregelen werden toegepast. AI wordt gebruikt om te zoeken naar verborgen correlaties, bijvoorbeeld tussen de Luchtvochtigheid en bepaalde defecten, of tussen een verandering van poederleverancier en een toename van de interne porositeit. Op basis van deze correlaties kunnen robuustere procesregels worden ontwikkeld of voorspellende waarschuwingen worden geactiveerd.
Naast procesinformatie zijn er virtuele bibliotheken met honderden materiaalprofielenElk bevat gegevens over kristallisatie, thermische geleidbaarheid, krimp, mechanische eigenschappen onder verschillende thermische cycli en gebruiksbelastingen, evenals gedrag bij daaropvolgende warmtebehandelingen. Voordat een exotisch materiaal of een combinatie van composietversterkingen wordt getest, wordt de respons ervan gesimuleerd in verschillende printscenario's, waardoor de risico's en kosten van fysieke tests worden verlaagd.
Deze digitale tweelingen van materiaal en proces zijn vooral waardevol bij het werken met hybride onderdelen van meerdere materialen of met zeer complexe geometrieën. Waar handmatige besturing tekortschiet, kan het systeem de resultaten reproduceren. identieke omstandigheden in lange reeksendrastische verbetering van de herhaalbaarheid en verkleining van de toleranties zonder dat de marges "voor de veiligheid" te groot hoeven te worden gemaakt.
Softwaretools voor voorbereiding en simulatie: het geval van Fusion met Netfabb
In hun dagelijkse werk hebben degenen die verantwoordelijk zijn voor het voorbereiden van 3D-printopdrachten tools nodig die alles, van geometrie-import tot geavanceerde simulatie, integreren in één omgeving. Suites zoals [voeg hier suitenaam in] passen daar perfect bij. Autodesk Fusion met Netfabb, die ontwerp, gaasreparatie, onderdelenverpakking, ondersteuningsgeneratie, trajectdefinitie en specifieke thermomechanische analysemodules combineren.
In de voorbereidingsfase maakt de software het mogelijk meerdere CAD-formaten importerenHet kan gaten, verkeerd uitgelijnde oppervlakken of open geometrieën detecteren en deze automatisch of met begeleiding repareren. Vervolgens kunnen onderdelen opnieuw worden georiënteerd om de ondersteuningsvereisten te verminderen, de oppervlakteafwerking in kritieke gebieden te verbeteren of de totale bouwtijd te minimaliseren op basis van projectprioriteiten.
Het genereren van steunen is een ander cruciaal punt voor kwaliteitscontrole, aangezien een verkeerd gedimensioneerde of verkeerd geplaatste steun synoniem staat met vervormingen, vuil of defecten. Geavanceerde tools genereren parametrische ondersteunende structuren, aangepast aan het proces (bijvoorbeeld MPBF, DED of fotopolymeriseerbare harsen) en de lokale geometrie, waarbij zelfs verschillende soorten dragers in hetzelfde stuk worden gecombineerd op basis van zones.
Op het niveau van de materiaalstrategie kan de software holle onderdelen creëren met interne roosters voor Gewicht verminderen zonder in te boeten aan krachtof gebruik specifieke patronen om spanning te verminderen. Deze functies worden aangevuld met 2D- en 3D-geautomatiseerde verpakkingsmogelijkheden, die meerdere onderdelen in het bouwvolume plaatsen, waardoor de bezetting wordt gemaximaliseerd en de thermische verdeling in balans blijft. Een voorbeeld van wat met deze technieken kan worden bereikt, is te vinden in Wat kan er met 3D-printers worden geproduceerd?.
De Netfabb Local Simulation-module voegt een extra laag kwaliteitscontrole toe door simulatie van de temperatuurgeschiedenis, spanningsopbouw en vervormingen Dit geldt zowel voor metaalpoederbedfusie als voor energiegestuurde depositieprocessen. Op basis van deze resultaten is het mogelijk om de geometrie te compenseren, te analyseren wat er gebeurt bij het snijden van het onderdeel uit de plaat, en hot spots, gebrekkige fusie, interferentie met de recoater of mogelijke ondersteuningsfouten te identificeren, zelfs voordat er iets naar de machine wordt gestuurd.
Nauwkeurigheid, precisie, tolerantie en kwaliteit: hoe meet je wat er wordt afgedrukt?
In het gesprek over kwaliteitscontrole bij 3D-printen worden termen als nauwkeurigheid, precisie, tolerantie of kwaliteitDeze termen worden vaak door elkaar gebruikt, maar dat is niet zo. Het begrijpen van het verschil is essentieel om procesprestaties te evalueren en verrassingen te voorkomen bij het meten van onderdelen.
La nauwkeurigheid Beschrijft in hoeverre de afmetingen van het geprinte onderdeel overeenkomen met de nominale afmetingen van het digitale bestand. nauwkeurigheidAan de andere kant verwijst het naar het vermogen van de printer om steeds dezelfde geometrie te reproduceren: je kunt een zeer nauwkeurige machine hebben die steeds eenzelfde fout maakt en systematisch te grote of te kleine onderdelen produceert.
La tolerancia Het is het acceptabele bereik van variatie rond een afmeting: de marge waarbinnen de afmeting kan veranderen zonder de functie van het onderdeel in gevaar te brengen. Bij mechanische assemblage of medische apparatuur is deze marge meestal erg smal, terwijl bij visuele prototypes of mock-ups aanzienlijk meer afwijking acceptabel is.
Naast deze geometrische concepten omvat kwaliteit aspecten zoals: oppervlakteafwerking, interne integriteit, materiaalhomogeniteitDe afwezigheid van zichtbare gebreken of structurele deugdelijkheid. Een stuk kan qua afmetingen zeer correct zijn, maar toch interne porositeit of slecht gehechte lagen hebben die het functioneel onbruikbaar maken, of andersom.
Elke printtechnologie heeft zijn eigen typische tolerantiebereiken: bij FDM zijn afwijkingen van ongeveer ±0,2–0,5 mm gebruikelijk, terwijl ze bij SLA of DLP ±0,05 mm kunnen bereiken. Polymeerpoederprocessen, zoals SLS of MJF, bereiken afwijkingen van ongeveer ±0,2 mm, en metaalpoederbedprocessen (DMLS, SLM) bereiken doorgaans ongeveer ±0,1 mm, mits de nabewerking en kalibratie zijn geschikt. Elke afdruktechnologie heeft zijn eigen typische bereikenen de keuze van de technologie, het materiaal en de parameters moet worden gemaakt op basis van deze grenzen en wat de uiteindelijke toepassing werkelijk vereist.
3D-scannen en metrologie voor dimensionale verificatie
Zodra het onderdeel uit de printer komt, begint het meer traditionele deel van de kwaliteitscontrole: de dimensionale en geometrische verificatieOp dit gebied hebben 3D-digitaliseringstechnologieën een enorme sprong voorwaarts betekend vergeleken met het uitsluitende gebruik van traditionele schuifmaten, regelmodellen of coördinatenmeetmachines (CMM's).
Voor unieke onderdelen of onderdelen met zeer complexe geometrieën is dit type meting bijzonder nuttig, omdat het een volledig beeld van het object biedt in plaats van beperkt te zijn tot slechts enkele afmetingen. De verzamelde informatie kan niet alleen worden gebruikt om dat specifieke onderdeel te valideren, maar ook om voer de procesdatabase in en parameters aanpassen voor toekomstige productie, waardoor de cirkel tussen meting en productie gesloten is.
Vergeleken met traditionele methoden biedt scannen duidelijke voordelen: 100% productiecontrole wanneer nodig, minder afhankelijkheid van fysieke modellen en meer snelheid en gemak bij het analyseren van vrije oppervlakken of moeilijk bereikbare plekken. Dit alles resulteert in een efficiëntere productiecontrole en continue verbetering van het additieve productieproces.
Machine vision en AI voor realtime monitoring
Naast het daaropvolgende scannen, Machinevisie direct toegepast tijdens het printen Het is een van de krachtigste trends in de sector geworden. Dankzij camera's en AI-modellen kunnen machines elke laag 'zien' terwijl deze wordt aangebracht en actie ondernemen als er iets misgaat.
Veelvoorkomende problemen die zich bij deze systemen voordoen, zijn onder meer: verkeerde uitlijning van de laag, vroegtijdige kromtrekking, onregelmatige extrusieHet ontstaan ​​van draadvorming, gaten, gebieden met ontbrekend materiaal of fouten bij de handmatige identificatie van onderdelen na het proces. Zonder automatische bewaking worden veel van deze defecten te laat ontdekt, vooral bij massaproductie.
Computer vision-modellen analyseren de vastgelegde beelden in realtime en vergelijken ze met het digitale ontwerp of met vooraf aangeleerde kwaliteitsnormen. Wanneer er een afwijking optreedt, genereert het systeem een ​​waarschuwing of, in meer geavanceerde gevallen, Het past automatisch de procesparameters aandoor de stroomsnelheid, de snelheid of zelfs de baan aan te passen om het probleem ter plekke te verhelpen.
Er bestaan ​​al commerciële en onderzoekssystemen die gebruik maken van zeer geavanceerde configuraties, met meerdere hogesnelheidscamera's en lasers die continu het printoppervlak scannen. Deze informatie wordt geïntegreerd in algoritmen die visueel gestuurde materiaalinjectie, foutcorrectie per laag en zelfs het printen van zeer complexe interne structuren mogelijk maken die met alleen offline controle onmogelijk te garanderen zouden zijn.
Bovendien wordt machinevisie ook toegepast in de post-printfases voor automatisch de onderdelen identificeren, classificeren en sorterenDoor vergelijking met CAD en herkenning van geometrie groeperen de systemen de onderdelen voor uitharding, reiniging, assemblage of verpakking. Hierdoor wordt de tijd en worden menselijke fouten op productielijnen met een hoog volume verminderd.
Industriële uitdagingen: grote onderdelen, hoge temperaturen en inspectietijden
Hoewel de technologie zich snel ontwikkelt, blijven er aanzienlijke uitdagingen bestaan ​​in de kwaliteitscontrole van additieve productie, vooral in industriële omgevingen met grote onderdelen en zeer krappe leveringstermijnen. Een van de meest voor de hand liggende is de moeite met het inspecteren van zeer omvangrijke componentendie meerdere meters lang en tonnen zwaar kunnen zijn.
Traditionele CMM's zijn niet ontworpen om dit soort onderdelen efficiënt te verwerken; het verplaatsen ervan naar de machine is omslachtig, gevaarlijk of simpelweg onpraktisch. Bovendien vormt inspectie een knelpunt als er niet genoeg gekwalificeerde meettechnici zijn of als het productievolume snel toeneemt. Daarom worden mobiele meet- en scansystemen op locatie ingezet, die het mogelijk maken kwaliteitscontroles online of in de buurt van de productielocatie uitvoeren.
Daarbij komt nog de uitdaging van de onderdelen die uit de printer komen zeer hoge temperaturenIn veel gevallen is het nodig om te wachten tot ze volledig zijn afgekoeld voordat ze nauwkeurig kunnen worden gemeten, wat de doorlooptijd verlengt en de planning bemoeilijkt. De combinatie van simulatie, realtime monitoring en hogetemperatuurmeettechnieken helpt dit tijdsbestek te verkorten en problemen op te sporen voordat het onderdeel de laatste inspectiefase bereikt.
Ten slotte is er de druk van de time-to-market. In een concurrerende omgeving mag kwaliteitscontrole geen knelpunt zijn dat de lancering van nieuwe producten belemmert of het vermogen om te reageren op piekvraag beperkt. Vandaar de drang naar systemen van geautomatiseerde inspectie, voorspellende analyses en ‘lights-out’-productiewaarbij menselijke tussenkomst minimaal is en AI en robotica worden ingezet om het proces 24/7 onder controle te houden.
Automatisering, scripts en voorspellend onderhoud
Om dit hele systeem op industriële schaal duurzaam te maken, is de automatisering van repetitieve taken essentieel. Tools zoals Netfabb maken dit mogelijk. scripts maken (bijvoorbeeld in Lua) die het importeren, analyseren, repareren, verpakken en opdelen van modellen automatiseren. Dit verhoogt de productiviteit bij het werken met grote partijen onderdelen of bij continue productie.
De herhaalbaarheid die deze automatisering biedt is cruciaal: het zorgt ervoor dat dezelfde stappen worden altijd op dezelfde manier uitgevoerdDit vermindert menselijke fouten en vergemakkelijkt de traceerbaarheid. Bovendien geeft het procestechnici meer tijd voor taken met een hogere toegevoegde waarde, zoals het optimaliseren van nieuwe materialen, het verfijnen van parameters of het analyseren van kwaliteitsgegevens.
Tegelijkertijd maakt de integratie van machine vision-data, machinesensoren en productiegegevens de ontwikkeling mogelijk van voorspellende onderhoudsmodellenDoor de prestaties van elke printer in de loop van de tijd te bewaken, kan AI slijtage, verkeerde kalibratie of dreigende storingen voorspellen. Zo kan er tijdig worden ingegrepen voordat er defecte onderdelen of onverwachte uitval optreden.
Dit hele ecosysteem van automatisering, simulatie en real-time controle leidt tot de additieve productie waar veel fabrieken naar op zoek zijn: stabiele, schaalbare en traceerbare processenwaar kwaliteitscontrole niet langer een knelpunt is, maar een katalysator wordt voor massaproductie en certificeerbare productie.
De evolutie naar kwaliteitscontrole bij 3D-printen op basis van simulatie, machinevisie en data-intelligentie verandert de manier waarop onderdelen worden ontworpen, geproduceerd en geïnspecteerd volledig. digitale ontwerpfase Van dimensionale verificatie tot machineonderhoud, de trend is duidelijk: digitale tweelingen, AI-algoritmen en sensoren moeten worden gebruikt om problemen te voorspellen, verspilling te verminderen en ervoor te zorgen dat elk onderdeel zijn functie en toleranties vervult met zo min mogelijk handmatige tussenkomst. Dit is essentieel om additieve productie te laten concurreren met meer volwassen industriële processen.
