CN111132820A - 用于监视相同对象的3d打印作业系列的对象的质量的方法和装置 - Google Patents
用于监视相同对象的3d打印作业系列的对象的质量的方法和装置 Download PDFInfo
- Publication number
- CN111132820A CN111132820A CN201880062651.XA CN201880062651A CN111132820A CN 111132820 A CN111132820 A CN 111132820A CN 201880062651 A CN201880062651 A CN 201880062651A CN 111132820 A CN111132820 A CN 111132820A
- Authority
- CN
- China
- Prior art keywords
- layer
- quality
- quality indicator
- objects
- manufacturing process
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims abstract description 51
- 239000000654 additive Substances 0.000 claims abstract description 32
- 230000000996 additive effect Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims description 20
- 239000000463 material Substances 0.000 claims description 19
- 238000011960 computer-aided design Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 101710179738 6,7-dimethyl-8-ribityllumazine synthase 1 Proteins 0.000 claims 2
- 101710179734 6,7-dimethyl-8-ribityllumazine synthase 2 Proteins 0.000 claims 2
- 101710186608 Lipoyl synthase 1 Proteins 0.000 claims 2
- 101710137584 Lipoyl synthase 1, chloroplastic Proteins 0.000 claims 2
- 101710090391 Lipoyl synthase 1, mitochondrial Proteins 0.000 claims 2
- 101710186609 Lipoyl synthase 2 Proteins 0.000 claims 2
- 101710122908 Lipoyl synthase 2, chloroplastic Proteins 0.000 claims 2
- 101710101072 Lipoyl synthase 2, mitochondrial Proteins 0.000 claims 2
- 239000008186 active pharmaceutical agent Substances 0.000 claims 2
- 230000008569 process Effects 0.000 description 16
- 238000012549 training Methods 0.000 description 13
- 239000000843 powder Substances 0.000 description 12
- 238000007639 printing Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000155 melt Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010309 melting process Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/80—Data acquisition or data processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/80—Data acquisition or data processing
- B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
- B22F12/90—Means for process control, e.g. cameras or sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
- G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/20—Direct sintering or melting
- B22F10/28—Powder bed fusion, e.g. selective laser melting [SLM] or electron beam melting [EBM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F2203/00—Controlling
- B22F2203/03—Controlling for feed-back
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31263—Imbedded learning for planner, executor, monitor, controller and evaluator
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32222—Fault, defect detection of origin of fault, defect of product
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35012—Cad cam
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/40—Minimising material used in manufacturing processes
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
Abstract
一种用于监视相同对象的3D打印作业系列的对象的质量的装置和方法,每一个对象(300)是在增材制造过程中从由3D打印机(200)打印的许多堆叠2D层(L1、……、Ln)构建的,所述方法包括:‑确定(S1)对象的当前打印的层(Li)的层质量指示符(QI);‑将当前打印的层(Li)的所确定的层质量指示符(QI)与所述层的预定置信下限进行比较(S2),所述预定置信下限是取决于遵守预定义质量要求的先前完整制造的对象的层质量指示符而计算的;以及‑如果当前打印的层(Li)的层质量指示符(QI)具有等于或低于质量下限(LCL)的值,则生成(S3)警告信号。
Description
技术领域
本发明涉及一种用于监视相同对象的3D打印作业系列的对象的质量的方法、装置以及计算机程序产品,每一个对象是在增材制造过程中从由3D打印机打印的许多堆叠2D层构建的。
背景技术
增材制造或基于层的制造是前沿部件生产过程,其通过将由计算机辅助设计方法生成的3维(3D)对象模型分割成不同厚度的堆叠2维(2D)层而以建模阶段开始,并通过在前一层上打印一个层而以实际生产阶段继续。在粉末床融合增材制造过程(若干现有增材制造过程之一)中,执行两个交替步骤。在重涂步骤中,将材料粉末散布在例如创建所谓粉末床的先前处理的层的平坦表面上。在后续暴露步骤中,暴露材料粉末并将其融合到该前一层。
取决于对象的高度和层厚度,对象所需的2D层的数目非常大,例如数千个层,并且打印所有层所需的时间可能耗费若干小时到若干天。再进一步,取决于对象的类型和部署(例如在燃气轮机中),所打印的对象必须达到非常高的质量水平。
尽管在创建对象时非常灵活,但制造过程受若干问题影响,该若干问题比如是粉末床问题、在重涂之后粉末床中的粉末的厚度不足、在熔化过程期间的过热或者将粉尘从打印机室吹出所需的气流不足。这些问题可能导致完整制造的对象中的严重质量缺陷或者它可能导致打印作业的终止,如果在制造过程期间识别出问题的话。在全部两种情况下,部件必须被废弃并且显著的打印生产时间和材料已经浪费。尤其是在打印相同对象许多次的打印作业系列中,应当优化制造过程以尽早识别低质量的对象,以便防止大量浪费材料和时间。
惯常做法是:操作者监督对从不同处理步骤提供的传感器数据和图像进行评估的增材制造过程。该评估通常基于操作者的技能水平和经验。尤其是在高打印作业系列中,该评估由不同操作者完成,从而基于他们的不同技能水平和经验而导致增材制造过程的变化的评估和适配结果。
DE 10 2015 011 013 A1公开了一种用于有生产力的制造的质量保证系统,其结合有生产力的制造过程实现实际过程状态变量的测量。这种过程变量定义了可能的过程空间,其中制造过程可以被判断为标称的,即,示出充足的质量。
WO 2015/020939A1公开了一种用于增材制造的自动过程控制,包括至少一个相机生成层验证图像,这些层验证图像与对象的预测再现相比较。验证涉及边缘检测、特征识别和其他计算机视觉技术,以确定当前打印与预测再现有多接近。
发明内容
因此,本发明的目的是提供用于在打印期间评估对象的质量的目的准则,以在考虑到每一个单个层以及还有已经以实际且有时效性的方式打印的所有层的质量的情况下,保持3D打印作业系列中的恒定质量水平。另外,应当在打印过程中提早识别较低质量的对象。
该目的由根据独立权利要求的主题解决。优选实施例受从属权利要求、说明书或附图影响。
遍及本文档,表述“制造过程”和“打印过程”以及“所制造的层”或“所打印的层”被用作同义词。
根据第一方面,该目的具体地由一种用于监视相同对象的3D打印作业系列的对象的质量的方法解决,所述相同对象是在增材制造过程中从在3D打印机中打印的许多堆叠2D层构建的,所述方法包括下述方法步骤:确定对象的当前打印的层的层质量指示符;将当前打印的层的所确定的层质量指示符与对应层的预定置信下限进行比较,所述预定置信下限是取决于遵守预定义质量要求的先前完整制造的对象的层质量指示符而计算的;以及如果当前打印的层的层质量指示符具有等于或低于质量下限的值,则生成警告信号。所述层质量指示符由机器学习装置确定。
利用该方法,已经在制造过程期间考虑个体层的质量。可以识别具有不充足层质量指示符的层,并且由于警告信号瞬间指示它们,因此可以提早采取措施。将层指示为具有实质问题的准则由在具有相同形状、数目的层且优选地由相同3D打印机制造的相同对象的在先打印作业期间在相同条件下计算的层质量指示符提供,对此,完整制造的对象被评估为遵守预定义质量要求。
在优选实施例中,所述置信下限是通过下述操作、针对所述打印作业系列的对象的子集中的每一个对象而确定的:确定针对所述对象的每一个所打印的层的层质量指示符;基于完整制造的对象的所有所打印的层的层质量指示符来确定针对完整制造的对象的对象质量指示符;以及取决于具有遵守所述预定义质量要求的对象质量指示符的那些对象的层质量指示符,计算针对每一个层的置信下限。
这具有下述优势:每一个单个层指示符依赖于被评级为“遵从对象”(即,遵守预定义质量要求的完整制造的对象)的对象的对应层的质量。置信下限是例如提供下述概率的数值:该层提供导致完整制造的对象的充足总体质量的质量。
在优选实施例中,所述子集的完整制造的对象中的至少一个由材料分析装置检查,以确认遵守所述预定义质量要求的所计算出的对象质量指示符。
由材料分析装置对完整制造的对象的实际质量的确认提供了用于将针对对象的所有层的所确定的层质量指示符序列分类成遵守预定义质量要求的“遵从”对象的可靠基础。所检查的完整制造的对象的数目越大,则所确定的层质量指示符序列越可靠。
在优选实施例中,在考虑到具有遵守所述预定义质量要求的对象质量指示符的每一个进一步完整制造的对象的层质量指示符的情况下重新计算所述置信下限。
这具有下述优势:置信下限的确定还基于遵从的完整制造的对象的层质量指示符的增长的数目,且因而可以是利用遵守预定义质量要求的每一个附加的完整制造的对象改善的。
在优选实施例中,置信上限和所述置信下限由标准差提供,所述标准差是取决于针对遵守所述对象的预定义质量要求的完整制造的对象的每一个层的层质量指示符而计算的。
这意味着:计算遵守预定义质量要求的完整制造的对象(即,遵从对象)的所有层质量指示符序列或至少层质量指示符序列子集的标准差。
对象质量指示符可以由机器学习装置确定。
机器学习装置是基于由学习算法分类的数据的算法,其中该学习算法基于已经被标记为属于在分类算法中指派的分类之一的训练数据。使用机器学习装置具有下述优势:可以在没有由操作者进行的评估的情况下自动确定质量指示符,优选地在机器学习算法已经成功地执行训练阶段之后。在针对打印作业系列的至少多于一个对象的子集的该训练阶段中,针对每一个层确定层质量指示符,从而导致针对每一个层质量的概率值。另外,在完成打印作业之后,关于完整制造的对象的质量检查该完整制造的对象。如果遵守预定义质量要求,则完整制造的对象被标记为“遵从对象”,或者其被标记为不遵守预定义质量要求的“非遵从”对象。置信下限和上限是取决于被标记为“遵从”对象的完整制造的对象的所有层质量指示符序列而确定的。优选地,用于训练机器学习算法的子集的完整制造的对象由材料分析装置检查,以查明完整制造的对象的质量。
在进一步的实施例中,针对每一个层确定至少一个故障检测和预测值,每一个故障检测和预测值取决于目前增材制造过程的不同数据源的数据,且取决于所有所确定的故障检测和预测结果而确定层质量指示符。
下述内容是优势:层质量指示符基于来自表示不同处理条件和层条件的不同数据源的数据。因此,考虑对制造过程的不同影响参数。检测和预测值取决于表示具有不同方面的制造过程的可加权或互连到彼此的不同数据源的数据。
在优选实施例中,数据源是下述各项中的至少一个:所述对象的计算机辅助设计模型;所述增材制造过程的图像;所述增材制造过程的传感器数据;或者所述增材制造过程的设置。
设置意指3D打印机或增材制造过程的不同分量的值,例如,影响用于构建下一层的粉末床中散布的粉末的量的设置、例如熔体池的温度设置、气体压力设置等等。
在优选实施例中,如果后续层的层质量指示符示出了向着所述置信下限的共同趋势,则生成警告信号。
这具有下述优势:在达到置信下限之前,已经可以启动对策,以提升后续层的层质量或者停止完整打印过程并尽早废弃部分打印的对象。
在优选实施例中,所述增材制造过程的设置是基于生成警告信号来自动调整的。
这允许基于所生成的警告信号来导出措施。打印过程的设置可以例如基于警告信号而自动改变。
本发明的第二方面由一种用于监视相同对象的3D打印作业系列的对象的质量的装置实现,每一个对象是在增材制造过程中从由3D打印机打印的许多堆叠2D层构建的,所述装置包括:至少一个第一处理器,被配置成确定对象的当前打印的层的层质量指示符,并将当前打印的层的所确定的层质量指示符与所述层的预定置信下限进行比较,所述预定置信下限是取决于遵守预定义质量要求的先前完整制造的对象的层质量指示符而计算的;以及信号生成单元,被配置成在当前打印的层的层质量指示符具有等于或低于质量下限的值的情况下生成警告信号。
所述装置提供了下述优势:可以自动监视更大打印作业系列的增材制造过程,从而要求遵守预定义质量要求的仅少数完整制造的对象的所有层的层质量指示符序列。这些预定义质量要求可以是通过基于材料检查装置(尤其是无损材料检查装置)检查完整制造的对象来证明的。
在优选实施例中,所述装置至少包括:第二处理器,其被配置成如针对所述方法描述的那样确定所述置信下限。
在优选实施例中,所述装置包括:输入单元,被配置成从所述材料分析装置接收所述子集的完整制造的对象中的至少一个的经确认的对象质量指示符,和/或接收所述对象的计算机辅助设计(CAD)模型、所述增材制造过程的图像数据、所述增材制造过程的传感器数据和设置中的至少一个的数据。
在优选实施例中,所述信号生成单元被配置成:如果后续层的层质量指示符示出了向着所述置信下限的共同趋势,则生成警告信号。
在优选实施例中,所述装置包括:输出单元,被配置成将警告信号传输到所述3D打印机。
本发明的第三方面涉及一种计算机程序产品,其具有存储在机器可读数据载体上的程序代码装置,以当在可编程计算机或数字信号处理器上执行程序时执行所述方法的所有步骤。
附图说明
在以下描述的附图中图示了方法和装置的实施例:
图1示出了本发明方法的实施例的流程图;
图2示出了层质量指示符的层级和系统确定的示意图;
图3示出了具有训练阶段的本发明方法的第二实施例;
图4示出了针对打印作业系列的对象的所有层的层质量指示符的示例;
图5示出了针对打印作业系列的对象的所有层的置信上限和下限;
图6示出了与先前确定的置信上限和下限相关地针对当前打印的对象确定的层质量指示符的实施例;
图7示出了在趋势分析评估的情况下完整制造的对象的所有层质量指示符的实施例;以及
图8在示意图中示出了连接到3D打印机的本发明装置的实施例。
具体实施方式
增材制造是其中通过在彼此顶上添加和融合材料层产生3维(3D)对象的生产过程,与像例如铣削之类的常见机械生产形成对照。该过程一般被称为增材制造过程或3D打印过程。该生产基于物理对象的数字3D模型,且因而是计算机控制的。该所谓的计算机辅助设计——短CAD——是基于向量的,这是由于可以通过使用线和点来表征所有3D对象。CAD文件中保存的数字3D模型被转换成薄切片——所谓的层。层数据被发送到3D打印机,3D打印机在彼此顶上逐层打印,并制造3D对象。
图1中所示的监视方法的总体思想是:确定自动地在当前打印的打印作业期间针对对象的给定CAD模型的每一个所打印的层Li计算的层质量指示符QI(Li)(参见步骤S1),并将其与对应层Li的预定义置信下限LCL(Li)进行比较(参见步骤S2),以通过在当前层质量指示符等于或低于置信下限的情况下生成警告信号来允许打印过程中的提早措施(参见步骤S3)。层质量指示符由相同机器学习功能确定,且在训练阶段S0期间使用。取决于针对遵守预定义质量要求的先前完整制造的对象的所有层确定的层质量指示符,计算预定置信下限LCL(Li)(参见步骤S0)。
在图3中详细示出且参考图7中示意性地描绘的对象300来解释训练过程步骤S0。在训练步骤期间,针对打印作业系列的优选地多于一个对象的子集中的每一个对象确定置信下限LCL。对于该子集的对象的每一个所打印的层L1、……、Ln,确定层质量指示符QI(L1)、……、QI(Ln)(参见步骤LS1)。随后,基于完整制造的对象的所有所打印的层(L1、……、Ln)的层质量指示符QI(L1)、……、QI(Ln)来针对完整制造的对象确定对象质量指示符(参见步骤LS2)。取决于具有遵守预定义质量要求的对象质量指示符的那些对象的层质量指示符,针对每一个层L1、……、Ln计算置信上限UCL(L1)、……、UCL(Ln)和置信下限LCL(L1)、……、LCL(Ln)(参见步骤LS3)。
如果对象300的所有层L1、……、Ln被打印并且层质量指示符QI(L1)、……、QI(Ln)被确定和评估,则该方法在步骤S4中结束。如果对象的打印作业在所有层L1、……、Ln被打印之前被停止(例如,由于被传输到3D打印机的先前警告信号),则该方法在步骤S5中结束。
现在可以与在专用训练阶段中确定的或者在考虑到遵守对象的预定义质量要求的完整制造的遵从对象的层质量指示符的进一步序列的情况下连续确定的层质量指示符的先前确定的序列相比较地,评估与相同CAD模型相对应的3D打印作业系列的每一个进一步对象的打印过程。
通过机器学习技术(例如,随机森林、神经网络、马尔可夫模型或高斯分类)来在如图2中所示的两步途径中确定层质量指示符。通过机器学习方法基于不同数据源来计算至少一个(优选地,若干个)检测和预测值DP1、DP2、DP3。数据源是例如对象的CAD模型DS1、来自粉末床相机的图像D2、传感器的时间线数据DS3(例如,检测熔体池的温度和压力)或者打印过程的进一步的过程参数D4。不同数据源的数据DS1、DS2、DS3和DS4也被称为多模态数据。多模态的示例是粉末床图像、熔体池图像、时间系列传感器数据和CAD数据。检测和预测值是具体层导致针对总体打印对象的问题的指示符。不同多模态数据的使用提高了在制造过程期间不同类型的问题或错误的检测的可靠性。
在第二步骤中,将检测和预测结果DP1、DP2、DP3聚合成作为层质量指示符QI的一个值。
层质量指示符是提供对遵守预定义要求质量的完整制造的对象作出贡献的层的概率的数值。该数值可以提供0与100之间的范围内的百分比,或者可以处于值0到1之间,或者被归一化到任何其他区间。层质量指示符QI(Li)可以是取决于层Li的单个检测和预测值DP1(Li)、DP2(Li)、DP3(Li)(例如,通过取所有检测和预测值DP1(Li)、DP2(Li)、DP3(Li)的最小值,或者通过乘以经加权的检测预测值或加上经加权的检测和预测结果(例如,提供所有检测和预测值DP1(Li)、DP2(Li)、DP3(Li)的聚合值))而聚合的。
图2中被示作图表的检测和预测值DP(Li)以及层质量指示符QI(Li)由以下等式定义:
层Li的层质量指示符是:
检测和预测值DP1、……、DP3和层质量指示符QI是针对打印作业系列的对象的每一个层计算的。
图4示出了针对3D打印作业系列的一个对象300的所有层L1、……、Ln的层质量指示符序列10。对于层L1、……、Ln中的每一个,作为对象的层L的函数确定并示出一个层质量指示符QI(L1)、……、QI(Ln)。作为示例,在图4中标记层Li的层质量指示符QI(Li)。
可以针对给定CAD模型的第一打印对象和该打印作业系列的新打印作业中的每个接下来的对象评估由也被称为层质量指示符序列且在图4中示出的连续层排序的所有层的层质量指示符QI(L1)、……、QI(Ln)的曲线图。在训练阶段期间,针对对象的每一个所打印的层确定这些层质量指示符的打印作业系列的对象的子集。对于完整制造的对象,在打印作业完成之后基于所有所打印的层的层质量指示符来确定对象质量指示符。另外,对于子集的完整制造的对象,优选地由无损检查装置执行对象的质量的评估,以评估对象是否需要所要求的特征且因而需要所要求的质量。如果情况是这样,则如图4中所示的层质量指示符序列10用于计算置信上限和下限。
对于遵守质量要求的对象的所有这些层质量指示符序列10,计算质量指示符的标准差。例如,通过一次或若干次对针对每一个个体层的所有所考虑的层质量指示符曲线图的均值加上或减去该标准差来评估质量上限和下限。如果针对层Li的所确定的层质量指示符QI(Li)位于置信上层UCL与置信下限LCL之间的值范围内,则所考虑的层的质量以某个置信度导致遵守质量要求的完整制造的对象。
3D打印作业系列的更多对象用于:随着检测和预测值DP1、DP2、DP3正确的概率更高,训练学习功能以评估检测和预测结果。
而且,在训练阶段之后,可以通过评估遵守预定义质量要求的到目前为止确定的所有层质量指示符序列上的均值层质量来改善置信上限和下限——UCL和LCL。这意味着:遵守质量要求的所确定的对象质量指示符内的完整制造的对象的每一个层质量指示符序列被包括到所考虑的层质量指示符序列的样本中。相应地,可以取决于遵守预定义质量要求的层质量指示符序列的新数目而重新计算置信上限UCL和置信下限LCL。
在层Li的当前打印过程期间,根据如图1和图3中所示的步骤S1来确定层质量指示符QI(Li)。在进一步的步骤S2中,将当前打印的层的所确定的层质量指示符QI(Li)与对应层Li的预定置信下层LCL(Li)进行比较。如果层质量指示符QI(Li)高于置信下限LCL,则存储值并针对下一层执行相同过程。如果层质量指示符等于或低于置信下限,则生成警告信号(参见步骤S3)并将该警告信号传输到增材制造过程。在图6中示出了这种质量指示符序列11。这里,利用附图标记11标记的层L1、……、Li-1的层质量指示符QI(L1, ..., Li-1)示出了置信上层和下层UCL、LCL之间的值。在层Li处,层质量指示符QI(li)低于置信下层LCL(Li),并且相应地,生成警告信号。
在所确定的层质量指示符Li示出了高于置信上层的值的情况下,也可以生成警告信号。在该情况下,警告信号可以用于适配制造过程的设置,例如,由于该高置信层指示层的目前设置可以被优化(例如,以便节约材料),通过降低该层的材料粉末的量来适配。
进一步地,可以在不仅考虑到当前打印的层Li的层质量指示符QI(Li)而且考虑到先前层的先前层质量指示符子集12的情况下执行趋势分析,参见图7。如果层的子集的层质量指示符已经示出低于某个值的梯度值,则也将生成警告信号。
警告值可以触发不同动作。例如,可以调整增材制造过程的参数设置。尤其是,来自趋势分析的提早警告可能导致3D打印机的设置的适配。这可能导致由利用所适配的设置打印的后续层对在层Li中出现的问题的治愈。因此,可以实现没有任何操作者交互的自愈过程。以该方式连续监视层质量,直到对象的最后一层被打印并且完整制造的对象被创建。对于这些完整制造的对象中的每一个,确定和存储层质量指示符值的序列。
除设置的自动适配外,还可以将警告信号发送到监督监视器,以向操作者通知在没有交互的情况下针对每一个边界条件的打印过程将被启动。
在图8中示出了执行所描述的方法的监视装置。监视装置100包括:第一处理器110,被配置成确定当前打印的层的层质量指示符QI。第一处理器110还被配置成:将当前打印的层Li的所确定的层质量指示符QI(Li)与在训练阶段S0期间评估的对应层的预定置信下限LCL进行比较。监视装置进一步至少包括:第二处理器130,被配置成执行训练阶段,该训练阶段要如图3中所示的那样串行地执行训练阶段的步骤LS1、LS2和LS3。
再进一步,信号生成单元120被包括且被配置成生成警告信号。再进一步,输入单元140被配置成从不同数据源(例如,3D打印机200的相机310或传感器320)接收数据。输入单元140还被配置成从材料分析装置400接收数据,材料分析装置400优选地基于无损材料分析方法来提供所测量的与对象质量指示符有关的信息。材料检查装置400可以经由3D打印机200将信息提供给监视装置100,或者其可能直接连接到监视装置100。3D打印机200示意性地示出了所打印的层L1、……、Ln,其形成完整制造的对象300。
所有方法和方法步骤可以由被适配用于执行相应方法步骤的对应装置实现。由特定装置提供的所有功能可以是方法的方法步骤。
保护范围由权利要求给出,而不受所讨论的特征和如附图中所示的描述限制。
本发明不限于所描述的示例。本发明还包括任何所描述或所描绘的特征的所有组合。
Claims (14)
1.用于监视相同对象的3D打印作业系列的对象的质量的方法,每一个对象(300)是在增材制造过程中从由3D打印机(200)打印的许多堆叠2D层(L1、……、Ln)构建的,所述方法包括:
- 确定(S1)对象(300)的当前打印的层(Li)的层质量指示符(QI);
- 将当前打印的层(Li)的所确定的层质量指示符(QI)与对应层的预定置信下限进行比较(S2),所述预定置信下限是取决于遵守预定义质量要求的先前完整制造的对象的层质量指示符而计算的;以及
- 如果当前打印的层(Li)的层质量指示符(QI)具有等于或低于质量下限(LCL)的值,则生成(S3)警告信号,
其中所述层质量指示符(QI)由机器学习装置确定。
2.根据权利要求1所述的方法,其中所述置信下限(LCL)是通过下述操作来确定的:
针对所述打印作业系列的对象的子集中的每一个对象:
- 确定(LS1)针对对象的每一个所打印的层(L1、……、Ln)的层质量指示符(QI);
- 基于完整制造的对象的所有所打印的层(L1、……、Ln)的层质量指示符来确定(LS2)针对完整制造的对象(300)的对象质量指示符;以及
取决于具有遵守预定义质量要求的对象质量指示符的那些对象的层质量指示符,计算(LS3)针对每一个层(L1、……、Ln)的置信下限(LCL)。
3.根据权利要求1和2所述的方法,其中所述子集的完整制造的对象(300)中的至少一个由材料分析装置检查,以确认所计算出的对象质量指示符满足所述预定义质量要求。
4.根据前述权利要求中任一项所述的方法,其中所述置信下限(LCL)是在考虑到具有遵守所述预定义质量要求的对象质量指示的每一个进一步完整制造的对象(300)的层质量指示符的情况下重新计算的。
5.根据前述权利要求中任一项所述的方法,其中置信上限和所述置信下限由标准差提供,所述标准差是取决于针对遵守所述对象的预定义质量要求的完整制造的对象的每一个层的层质量指示符而计算的。
6.根据前述权利要求中任一项所述的方法,其中针对每一个层确定至少一个故障检测和预测值(DP1、DP2、DP3),每一个故障检测和预测值(DP1、DP2、DP3)取决于目前增材制造过程的不同数据源(DS1、……、DS4)的数据,并且取决于所有故障检测和预测结果(DP1、DP2、DP3)而确定层质量指示符(QI)。
7.根据权利要求6所述的方法,其中数据源(DS1、……、DS4)是下述各项中的至少一个:所述对象的计算机辅助设计模型;所述增材制造过程的图像;来自所述增材制造过程的传感器数据;或者所述增材制造过程的设置。
8.根据前述权利要求中任一项所述的方法,其中如果后续层(12)的层质量指示符(QI)示出了向着所述置信下限(LCL)的共同趋势,则生成警告信号。
9.根据前述权利要求中任一项所述的方法,其中所述增材制造过程的设置是基于所生成的警告信号来自动调整的。
10.用于监视相同对象的3D打印作业系列的对象的质量的装置,每一个对象是在增材制造过程中从由3D打印机(200)打印的许多堆叠2D层(L1、……、Ln)构建的,所述装置包括:
至少一个第一处理器(110),被配置成确定对象的当前打印的层的层质量指示符(QI),并将当前打印的层(Li)的所确定的层质量指示符(QI)与对应层(Li)的预定置信下限(LCL)进行比较(S2),所述预定置信下限(LCL)是取决于遵守预定义质量要求的先前完整制造的对象的层质量指示符(QI)而计算的;以及
信号生成单元(120),被配置成在当前打印的层(Li)的层质量指示符(QI)具有等于或低于质量下限(LCL)的值的情况下生成警告信号,
其中所述层质量指示符(QI)由机器学习装置确定。
11.根据权利要求10所述的装置,包括至少一个第二处理器(130),所述至少一个第二处理器(130)被配置成通过下述操作来确定所述置信下限(LCL):
针对所述打印作业系列的对象的子集中的每一个对象:
- 确定(LS1)针对对象的每一个所打印的层(L1、……、Ln)的层质量指示符(QI);
- 基于完整制造的对象的所有所打印的层(L1、……、Ln)的层质量指示符来确定(LS2)针对完整制造的对象(300)的对象质量指示符;以及
取决于具有遵守预定义质量要求的对象质量指示符的那些对象的层质量指示符,计算(LS3)针对每一个层(L1、……、Ln)的置信下限(LCL)。
12.根据权利要求11所述的装置,包括输入单元(140),所述输入单元(140)被配置成:
从材料分析装置(400)接收所述子集的完整制造的对象(300)中的至少一个的经确认的对象质量指示符,和/或
接收所述对象的计算机辅助设计模型、所述增材制造过程的图像数据、所述增材制造过程的传感器数据和设置中的至少一个的数据。
13.根据前述权利要求10至12中任一项所述的装置,包括:输出单元(150),被配置成将警告信号传输到所述3D打印机(200)。
14.计算机程序产品,其具有存储在机器可读数据载体上的程序代码装置,以当在可编程计算机或数字信号处理器上执行程序时执行权利要求1至9中任一项的所有步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17193155.3 | 2017-09-26 | ||
EP17193155.3A EP3459714A1 (en) | 2017-09-26 | 2017-09-26 | Method and apparatus for monitoring a quality of an object of a 3d-print-job series of identical objects |
PCT/EP2018/075277 WO2019063370A1 (en) | 2017-09-26 | 2018-09-19 | METHOD AND APPARATUS FOR TRACKING A QUALITY OF AN OBJECT OF A SERIES OF IDENTICAL OBJECTS FORMED BY 3D PRINTING |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111132820A true CN111132820A (zh) | 2020-05-08 |
CN111132820B CN111132820B (zh) | 2022-09-23 |
Family
ID=60021886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880062651.XA Active CN111132820B (zh) | 2017-09-26 | 2018-09-19 | 用于监视相同对象的3d打印作业系列的对象的质量的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200230884A1 (zh) |
EP (2) | EP3459714A1 (zh) |
CN (1) | CN111132820B (zh) |
WO (1) | WO2019063370A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895315B (zh) * | 2018-09-12 | 2022-08-05 | 泰科电子(上海)有限公司 | 端子插入质量监控系统 |
DE102019208266A1 (de) * | 2019-06-06 | 2020-12-10 | Robert Bosch Gmbh | Überwachung der maschinellen Fertigung von Werkstücken |
JP7363132B2 (ja) * | 2019-07-03 | 2023-10-18 | 株式会社ジェイテクト | 付加製造物の品質推定装置 |
WO2021054968A1 (en) * | 2019-09-20 | 2021-03-25 | Hewlett-Packard Development Company, L.P. | Convolution kernels |
DE102020111748A1 (de) | 2020-04-30 | 2021-11-04 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur additiven Herstellung von Bauteilen |
NL2026035B1 (en) * | 2020-07-09 | 2022-03-15 | Additive Ind Bv | Method and apparatus for manufacturing an object by means of additive manufacturing |
WO2022159344A1 (en) * | 2021-01-20 | 2022-07-28 | Eaton Intelligent Power Limited | An additive manufacturing quality analysis system and method |
CN113192033B (zh) * | 2021-04-30 | 2024-03-19 | 深圳市创想三维科技股份有限公司 | 一种3d打印中的拉丝判别方法、装置、设备及存储介质 |
US20220404209A1 (en) * | 2021-06-21 | 2022-12-22 | The Johns Hopkins University | Apparatus for thermal sensing during additive manufacturing and methods that accomplish the same |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1634694A2 (en) * | 2004-08-13 | 2006-03-15 | 3D Systems, Inc. | Continuous calibration of a non-contact thermal sensor for laser sintering |
WO2007147221A1 (en) * | 2006-06-20 | 2007-12-27 | Katholieke Universiteit Leuven | Procedure and apparatus for in-situ monitoring and feedback control of selective laser powder processing |
CN103978684A (zh) * | 2014-04-30 | 2014-08-13 | 中国科学院化学研究所 | 一种实现温度控制的高分子材料的3d打印方法 |
CN104197994A (zh) * | 2014-09-23 | 2014-12-10 | 哈尔滨工程大学 | 3d打印机工作状态在线监测装置 |
CN105555509A (zh) * | 2013-08-07 | 2016-05-04 | 麻省理工学院 | 增材制造设备的自动化过程控制 |
CN105555444A (zh) * | 2013-09-18 | 2016-05-04 | 斯奈克玛 | 通过图像分析监控激光束的能量密度的方法和相应装置 |
CN105619818A (zh) * | 2015-12-31 | 2016-06-01 | 浙江大学 | 基于声发射的熔融沉积成型3d打印监控系统 |
US20160184893A1 (en) * | 2014-08-22 | 2016-06-30 | Sigma Labs, Inc. | Method and system for monitoring additive manufacturing processes |
CN106273477A (zh) * | 2016-08-05 | 2017-01-04 | 上海联泰科技股份有限公司 | 用于光固化成型过程中的实时监测和回溯系统及方法 |
WO2017085468A1 (en) * | 2015-11-16 | 2017-05-26 | Renishaw Plc | An additive manufacturing method and apparatus |
CN106863784A (zh) * | 2017-01-19 | 2017-06-20 | 西安铂力特激光成形技术有限公司 | 一种成形质量监控方法及增材制造设备 |
CN106984813A (zh) * | 2017-04-14 | 2017-07-28 | 华南理工大学 | 一种激光选区熔化加工过程同轴监测方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10983507B2 (en) * | 2016-05-09 | 2021-04-20 | Strong Force Iot Portfolio 2016, Llc | Method for data collection and frequency analysis with self-organization functionality |
US10234848B2 (en) * | 2017-05-24 | 2019-03-19 | Relativity Space, Inc. | Real-time adaptive control of additive manufacturing processes using machine learning |
CN109501271B (zh) * | 2017-09-14 | 2021-11-23 | 通用电气公司 | 增材制造工艺计划的优化方法及优化器,增材制造方法 |
-
2017
- 2017-09-26 EP EP17193155.3A patent/EP3459714A1/en not_active Withdrawn
-
2018
- 2018-09-19 WO PCT/EP2018/075277 patent/WO2019063370A1/en unknown
- 2018-09-19 US US16/650,754 patent/US20200230884A1/en active Pending
- 2018-09-19 CN CN201880062651.XA patent/CN111132820B/zh active Active
- 2018-09-19 EP EP18779291.6A patent/EP3664992A1/en active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1634694A2 (en) * | 2004-08-13 | 2006-03-15 | 3D Systems, Inc. | Continuous calibration of a non-contact thermal sensor for laser sintering |
WO2007147221A1 (en) * | 2006-06-20 | 2007-12-27 | Katholieke Universiteit Leuven | Procedure and apparatus for in-situ monitoring and feedback control of selective laser powder processing |
CN105555509A (zh) * | 2013-08-07 | 2016-05-04 | 麻省理工学院 | 增材制造设备的自动化过程控制 |
CN105555444A (zh) * | 2013-09-18 | 2016-05-04 | 斯奈克玛 | 通过图像分析监控激光束的能量密度的方法和相应装置 |
CN103978684A (zh) * | 2014-04-30 | 2014-08-13 | 中国科学院化学研究所 | 一种实现温度控制的高分子材料的3d打印方法 |
US20160184893A1 (en) * | 2014-08-22 | 2016-06-30 | Sigma Labs, Inc. | Method and system for monitoring additive manufacturing processes |
CN104197994A (zh) * | 2014-09-23 | 2014-12-10 | 哈尔滨工程大学 | 3d打印机工作状态在线监测装置 |
WO2017085468A1 (en) * | 2015-11-16 | 2017-05-26 | Renishaw Plc | An additive manufacturing method and apparatus |
CN105619818A (zh) * | 2015-12-31 | 2016-06-01 | 浙江大学 | 基于声发射的熔融沉积成型3d打印监控系统 |
CN106273477A (zh) * | 2016-08-05 | 2017-01-04 | 上海联泰科技股份有限公司 | 用于光固化成型过程中的实时监测和回溯系统及方法 |
CN106863784A (zh) * | 2017-01-19 | 2017-06-20 | 西安铂力特激光成形技术有限公司 | 一种成形质量监控方法及增材制造设备 |
CN106984813A (zh) * | 2017-04-14 | 2017-07-28 | 华南理工大学 | 一种激光选区熔化加工过程同轴监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3459714A1 (en) | 2019-03-27 |
CN111132820B (zh) | 2022-09-23 |
EP3664992A1 (en) | 2020-06-17 |
WO2019063370A1 (en) | 2019-04-04 |
US20200230884A1 (en) | 2020-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111132820B (zh) | 用于监视相同对象的3d打印作业系列的对象的质量的方法和装置 | |
US10776911B2 (en) | Information processing apparatus, identification system, setting method, and program | |
EP3459715A1 (en) | Method and apparatus for predicting the occurrence and type of defects in an additive manufacturing process | |
EP3102018B1 (en) | Quality management device and method for controlling quality management device | |
CN105555509B (zh) | 增材制造设备的自动化过程控制 | |
JP6616375B2 (ja) | 状態判定装置 | |
JP2018075831A (ja) | 積層造形部品をトポグラフィに基づいて検査し、プロセス制御するための方法およびシステム | |
US20160054231A1 (en) | Method for the quality assessment of a component produced by means of an additive manufacturing method | |
US11225039B2 (en) | Systems and methods to automate composite manufacturing quality checks | |
CN113870172A (zh) | 指示用于训练的缺陷图像的数目的工件检查和缺陷检测系统 | |
JP2006317266A (ja) | 検査基準設定装置及び方法、並びに、工程検査装置 | |
JP2018187916A (ja) | 複合材製造プロセスのプロセス制御 | |
US20230294173A1 (en) | Method and Apparatus for Additive Manufacturing of a Workpiece using Statistical Learning Model | |
JP2020042668A (ja) | 検査装置及び機械学習方法 | |
US11557032B2 (en) | Device and method for the calibrated checking of a printing on an article | |
US11676055B2 (en) | System for detecting data drift in machine-learning process monitoring | |
CN115249316A (zh) | 工业缺陷检测方法和装置 | |
TWI801820B (zh) | 用於製造流程之系統及方法 | |
Yean et al. | Detection of Spaghetti and Stringing Failure in 3D Printing | |
US20220074874A1 (en) | Computer-implemented method for analysing measurement data from a measurement of an object | |
Eddy et al. | A defect prevention concept using artificial intelligence | |
TWI854583B (zh) | 用於製造流程之系統及方法 | |
JP7369541B2 (ja) | 同じタイプの一連の構成部品における少なくとも1つの重要な特徴を取得する方法及びそのような一連の構成部品を分類する方法 | |
JP6082686B2 (ja) | 印字検査方法 | |
US11983862B2 (en) | Inspection device and method for checking an object produced by sintering for defects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |