FR3111574A1 - Détection et localisation d’anomalies d’étalements de poudre par mesures d’émissions acoustiques - Google Patents
Détection et localisation d’anomalies d’étalements de poudre par mesures d’émissions acoustiques Download PDFInfo
- Publication number
- FR3111574A1 FR3111574A1 FR2006426A FR2006426A FR3111574A1 FR 3111574 A1 FR3111574 A1 FR 3111574A1 FR 2006426 A FR2006426 A FR 2006426A FR 2006426 A FR2006426 A FR 2006426A FR 3111574 A1 FR3111574 A1 FR 3111574A1
- Authority
- FR
- France
- Prior art keywords
- scraper
- anomaly
- acoustic
- powder
- anomalies
- 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
- 239000000843 powder Substances 0.000 title claims abstract description 57
- 238000003892 spreading Methods 0.000 title claims abstract description 19
- 230000007480 spreading Effects 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000004807 localization Effects 0.000 title abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000002844 melting Methods 0.000 claims abstract description 10
- 230000008018 melting Effects 0.000 claims abstract description 10
- 238000005245 sintering Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000004026 adhesive bonding Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims 2
- 238000005259 measurement Methods 0.000 abstract 1
- 239000000463 material Substances 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 229910001092 metal group alloy Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- 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
- B33Y10/00—Processes of additive manufacturing
-
- 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
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/30—Process control
- B22F10/37—Process control of powder bed aspects, e.g. density
-
- 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
- B22F12/60—Planarisation devices; Compression devices
- B22F12/67—Blades
-
- 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
- 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
- B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
-
- 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
-
- 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
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Analytical Chemistry (AREA)
- Powder Metallurgy (AREA)
- Length Measuring Devices Characterised By Use Of Acoustic Means (AREA)
- Lining Or Joining Of Plastics Or The Like (AREA)
Abstract
Détection et localisation d’anomalies d’étalement de poudre par mesures d’émission acoustiques Dispositif (100) de fabrication d’une pièce par un procédé de fusion sélective ou frittage sélectif sur lit de poudre (103) comprenant un plateau de fabrication (101) ayant une surface de travail (102), parallèle à une première direction (X) et à une deuxième direction (Y), sur laquelle la pièce est destinée à être fabriquée, un racleur (110) placé sur la surface de travail et apte à se déplacer et à étaler la poudre selon la première direction sur la surface de travail, caractérisé en ce qu’il comprend en outre : au moins deux capteurs acoustiques (121, 122) fixés et espacés selon la deuxième direction sur le racleur et aptes à détecter un signal acoustique ; un télémètre laser (130) orienté selon la première direction et apte à déterminer une position du racleur selon la première direction ; et un système de contrôle (140) apte à détecter une anomalie (150) en fonction dudit signal acoustique et à déterminer une position de l’anomalie en fonction du signal acoustique détecté par lesdits capteurs acoustiques et d’un signal de position mesuré par ledit télémètre laser. Figure pour l’abrégé : Fig. 1
Description
La présente invention se rapporte au domaine général de la fabrication de pièces par fabrication additive par frittage sélectif ou fusion sélective sur lit de poudre, et plus particulièrement de la détection et de la localisation d’anomalies lors de l’étalement de la poudre.
Les procédés de fabrication par fusion sélective ou frittage sélectif sur lit de poudre comprennent une étape durant laquelle est déposée et étalée par un racleur, sur un plateau de fabrication, une première couche de poudre d’un métal, d’un alliage métallique ou de céramique d’épaisseur contrôlée ; puis une étape consistant à chauffer une zone prédéfinie de la couche de poudre. Ces étapes sont ensuite répétées pour chaque couche supplémentaire de poudre déposée et étalée.
L’étalement de la poudre par le racleur est une étape importante de la fabrication. En effet, la qualité de la couche de poudre appliquée détermine en partie la qualité de la pièce issue de la fabrication. Un mauvais étalement de poudre peut, s’il n’est pas corrigé, mener à un arrêt de la machine réalisant la fabrication et/ou à une fabrication d’une pièce non confirme, voire également à des défauts de la matière non détectés dans la pièce ainsi fabriquée.
Afin de remédier à cela, S.A. Schevchik et al. ont proposé dans l’article « Acoustic emission for in situ quality monitoring in additive manufacturing using spectral convolutional neural networks » d’utiliser les ondes sonores émises pendant la fabrication pour détecter des anomalies pour quantifier le taux de porosité dans le matériau et ainsi déterminer la qualité du matériau après la fabrication.
L. Scime et J. Beuth ont proposé dans l’article « A multi-scale convolutional neural network for autonomous anomaly detection and classification in a laser powder bed fusion additive manufacturing process » d’acquérir des images lors de la fabrication pour détecter des anomalies lors de l’étalement de la poudre. Ces images permettent également de classer les anomalies selon leur type : étalement irrégulier, étalement incomplet, bosse ou creux dans la poudre, etc…
Néanmoins, ces détections d’anomalies ne permettent pas de localiser précisément les anomalies lors de l’étalement de la poudre, ni de quantifier la gravité de ces anomalies.
Il est donc souhaitable de disposer d’un système permettant une localisation précise d’une anomalie détectée lors de l’étalement de la poudre. Il est également souhaitable de disposer d’un système permettant de quantifier la gravité de l’anomalie détectée.
L’invention concerne un dispositif de fabrication d’une pièce par un procédé de fusion sélective ou frittage sélectif sur lit de poudre comprenant un plateau de fabrication ayant une surface de travail, parallèle à une première direction et à une deuxième direction, sur laquelle la pièce est destinée à être fabriquée, un racleur placé sur la surface de travail et apte à se déplacer et à étaler la poudre selon la première direction sur la surface de travail, caractérisé en ce qu’il comprend en outre :
- au moins deux capteurs acoustiques fixés et espacés selon la deuxième direction sur le racleur et aptes à détecter un signal acoustique ;
- un télémètre laser orienté selon la première direction et apte à déterminer une position du racleur selon la première direction ; et
- un système de contrôle apte à détecter une anomalie en fonction dudit signal acoustique et à déterminer une position de l’anomalie en fonction du signal acoustique détecté par lesdits capteurs acoustiques et d’un signal de position mesuré par ledit télémètre laser.
Le dispositif de l’invention permet de détecter et de localiser précisément un contact entre le racleur et le lit de poudre lors de l’étalement de la poudre par le racleur, le contact pouvant être une anomalie. En effet, lors d’un contact entre la poudre et le racleur, des ondes acoustiques sont émises et se propagent dans le racleur. Les capteurs acoustiques détectent ce signal acoustique, et la position de ce contact selon la deuxième direction est déterminée par le décalage temporel entre la détection du signal acoustique par le premier capteur et la détection du même signal acoustique par le second capteur acoustique. Grâce au télémètre laser, on peut déterminer la position réelle du racleur selon la première direction. Le système de contrôle est alors capable de localiser précisément le contact et donc l’anomalie sur la surface de travail. Il est également capable d’évaluer si ce contact est bien une anomalie.
Le dispositif de l’invention peut également détecter les anomalies issues d’un étalement irrégulier de la poudre (creux ou trou dans le lit de poudre). En effet, dans ce cas, aucune onde acoustique ne sera détectée par les capteurs acoustiques, ce qui signifie qu’aucun contact n’a eu lieu entre le racleur et la poudre. Ce sera ensuite au système de contrôle de déterminer si cette absence de contact est normale ou si elle est le résultat d’un mauvais étalement de la poudre.
L’anomalie est plus particulièrement localisée dans un système à trois cordonnées selon la première, la deuxième et une troisième directions. Ainsi la première coordonnée qui correspond à la première direction est déterminée grâce au signal de position mesuré par le télémètre laser. La deuxième coordonnée qui correspond à la deuxième direction est déterminée par le décalage temporel entre les détections du signal acoustique des deux capteurs acoustiques. La troisième coordonnée qui correspond à une troisième direction est déterminée par le nombre de couches de poudre étalées par le racleur.
Selon une autre caractéristique particulière de l’invention, le télémètre laser est fixé sur le racleur.
Selon une autre caractéristique particulière de l’invention, le télémètre laser est fixé sur le racleur par collage ou par une liaison mécanique.
Selon une autre caractéristique particulière de l’invention, chaque capteur acoustique est fixé sur le racleur par collage ou par liaison mécanique.
Selon une autre caractéristique particulière de l’invention, le dispositif de fabrication comprend deux capteurs acoustiques fixés chacun à une extrémité du racleur.
Selon une autre caractéristique particulière de l’invention, le système de contrôle est un système d’apprentissage machine.
Le système d’apprentissage machine est alors capable de donner la localisation précise des anomalies et grâce aux signaux acoustiques détectés par les capteurs acoustiques, il est capable d’apprendre à classer les anomalies en fonction de leur gravité selon les caractéristiques de ces signaux. Ces caractéristiques sont par exemple l’amplitude, la durée ou la forme d’onde du signal.
Grâce au classement des anomalies par le système d’apprentissage machine, on peut également savoir si l’anomalie résulte en un endommagement ou non du racleur, et s’il est nécessaire d’arrêter la fabrication de la pièce pour réparer ou changer le racleur.
Selon une autre caractéristique particulière de l’invention, le système d’apprentissage machine est un réseau de neurones, et plus particulièrement est un réseau de neurones à convolution.
Selon une autre caractéristique particulière de l’invention, le système d’apprentissage machine est un système d’arbres de décisions ou une forêt d’arbres décisionnels.
Selon une autre caractéristique particulière de l’invention, le système d’apprentissage machine est basé sur une modélisation probabilistique.
Selon une autre caractéristique particulière de l’invention, le système d’apprentissage machine est basé sur des méthodes utilisant des noyaux.
Selon une autre caractéristique particulière de l’invention, le système d’apprentissage machine est basé sur un algorithme d’amplification de gradient.
Les réseaux de neurones ont l’avantage de permettre un apprentissage supervisé. Ils pourront réaliser eux-mêmes tout le travail d’extraction des données et de description des anomalies. Lors de la phase d’entraînement, l’erreur de classification sera minimisée afin d’optimiser les paramètres de classification. De plus, l’architecture spécifique du réseau de neurones permet d’extraire des signatures de l’anomalie de différentes complexités, des plus simples aux plus complexes. De plus, l’extraction et la hiérarchisation automatiques des signatures, qui s’adaptent au problème donné, constituent une des forces des réseaux de neurones à convolution.
Un autre objet de l’invention est un procédé de détection d’une anomalie mis en œuvre par un dispositif selon l’invention comprenant les étapes suivantes :
- détection d’un signal acoustique par les au moins deux capteurs acoustiques ;
- détermination de la position de l’anomalie, la position de l’anomalie étant déterminée selon la première direction par le signal de position mesuré par le télémètre laser, selon la deuxième direction par un décalage temporel du signal acoustique détecté par les au moins deux capteurs acoustiques et selon une troisième direction par un nombre de couches de poudre étalées par le racleur ; et
- classification de l’anomalie en fonction de sa gravité.
La détermination de la position de l’anomalie selon trois directions permet de localiser l’anomalie dans un espace en trois dimensions, et non uniquement dans un espace à deux dimensions comme dans l’art antérieur. Cela permet d’éventuellement pouvoir corriger l’anomalie rapidement. De plus, le classement de l’anomalie en fonction de sa gravité permet également de savoir si un arrêt de la fabrication est nécessaire ou non, si le racleur est endommagé ou encore si la pièce finale comprendra des défauts de matière acceptables ou non.
Grâce à la détection des anomalies lors de l’étalement de la poudre par le racleur, il devient également possible de détecter des points chauds liés à la surélévation par augmentation de l’épaisseur de couche de poudre, des décollements de la pièce ou de supports par rapport au plateau de fabrication ou encore des fissures de la pièce causées par le manque d’étalement de poudre.
Un autre objet de l’invention est un procédé de fabrication d’une pièce par fusion sélective ou frittage sélectif sur lit de poudre comprenant une étape de détection d’anomalies par le procédé de détection selon l’invention.
D’autres caractéristiques et avantages de la présente invention ressortiront de la description faite ci-dessous, en référence aux dessins annexés qui en illustrent des exemples de réalisation dépourvus de tout caractère limitatif.
La figure 1 représente un dispositif 100 de fabrication d’une pièce par fusion sélective ou frittage sélectif sur lit de poudre comprenant un plateau de fabrication 101 ayant une surface de travail 102 sur laquelle la pièce est fabriquée. Le dispositif 100 comprend également un racleur 110 qui permet d’étaler la poudre 103 selon la direction X en se déplaçant sur la surface de travail 102. Le racleur 110 se déplace ainsi dans un plan formé par les axes (X, Y) et le plateau de fabrication 101 ainsi que la surface de travail 102 sont parallèles à ce plan. Le nombre de couches de poudre déposées et étalées définit l’épaisseur de la pièce finale selon l’axe Z.
Suite à l’étalement de la poudre par le racleur 110, des zones 160 de la surface de travail 102 sont chauffées par une source d’énergie, telle qu’un faisceau laser ou un faisceau d’électrons, de manière à fritter ou fusionner la poudre dans ces zones 160.
Afin de détecter des anomalies 150 résultant d’un contact ou d’une absence de contact entre la poudre et le racleur 110, le dispositif 100 comprend également un télémètre laser 130 et deux capteurs acoustiques 121 et 122. Le télémètre laser 130 est fixé à une extrémité 170 du dispositif 100 et est orienté vers le racleur 110 selon la direction X. Le télémètre 130 permet de mesurer la position du racleur 110 selon la direction X, ce qui permet de déterminer la position d’une éventuelle anomalie 150 selon cette même direction X.
Les deux capteurs acoustiques 121 et 122 sont fixés sur le racleur 110. Ils sont espacés entre eux selon la direction Y. Quand un contact a lieu entre le racleur 110 et la poudre 103 étalée sur la surface de travail 102, des ondes acoustiques sont émises et se propagent dans le racleur 110. En se propageant dans le racleur, ces ondes acoustiques sont détectées par les deux capteurs acoustiques 121 et 122. Grâce aux données transmises par les capteurs acoustiques 121 et 122, un système de contrôle 140 identifie ou non une anomalie. Ces mêmes données permettent également de déterminer la position de l’anomalie 150 selon la direction Y. En effet, grâce au décalage temporel entre les détections de l’onde acoustique par les deux capteurs 121 et 122, on peut remonter à la position du contact et donc de l’anomalie 150 selon la direction Y.
Le système de contrôle 140 détermine la position de l’anomalie 150 selon la direction X, qui est la position du racleur 110 selon cette même direction X mesurée par le télémètre laser 130.
La détermination de la position de l’anomalie 150 selon la direction Z par le système de contrôle 140 est donnée par le nombre de couches de poudre 103 déposées et étalées sur le plateau de fabrication 101.
Le télémètre laser 130 et les capteurs acoustiques 121 et 122 peuvent être fixés au dispositif 100 par collage ou par une liaison mécanique.
Selon une caractéristique particulière de l’invention, les capteurs acoustiques 121 et 122 sont placés respectivement à 1/3 et à 2/3 de la longueur du racleur 110 selon la direction Y.
Si aucune onde n’est détectée par les deux capteurs acoustiques 121 et 122, cela signifie soit qu’il n’y a plus de poudre à étaler ou que le racleur 110 est arrivé en fin de course, soit qu’il y a un trou dans le lit de poudre 103 qui peut être une anomalie. Ce sera le système de contrôle 140 qui déterminera si l’absence de signaux acoustiques constitue ou non une anomalie. De la même manière, on peut déterminer la position de ce trou dans la poudre 103 grâce au décalage temporel entre les deux capteurs acoustiques 121 et 122.
Le système de contrôle 140 peut être un système d’apprentissage machine. Le système 140 peut ainsi apprendre à classer les formes d’ondes acoustiques détectées par les capteurs acoustiques 121 et 122 contacts, pour déterminer si le contact, ou l’absence de contact est une anomalie 150 et ensuite classer cette anomalie 150 en fonction de sa gravité. En effet, une anomalie 150 peut être issue d’une bulle de gaz, d’un trou dans la poudre étalée, d’une surélévation de la poudre, d’un étalement incomplet de la poudre, de traces dans l’étalement ou encore d’un étalement irrégulier. Ces anomalies ne présentent pas le même niveau de gravité. Généralement, les anomalies les plus graves résultent d’une surélévation de poudre, de traces dans l’étalement et d’un étalement irrégulier dans le plan (X, Y) de la surface de travail 102. Le classement en fonction de la gravité des anomalies permet au système de contrôle 140 de donner ou prévoir le risque d’endommagement du racleur, de la pièce finale et de décider si la fabrication doit être interrompue ou non.
Le classement des anomalies 150 détectées peut se faire selon les caractéristiques des ondes détectées : forme d’onde, amplitude, durée, etc…
Selon une caractéristique particulière de l’invention, le système d’apprentissage machine est choisi parmi un réseau de neurones à convolution, un système basé sur une modélisation probabilistique, un système basé sur un algorithme à noyaux, des arbres de décision, une forêt d’arbres décisionnels ou un système d’implémentation à gradient. Un réseau de neurones à convolution permettra par exemple d’avoir une extraction et une hiérarchisation automatiques des contacts et non-contacts détectés afin de classifier les anomalies en fonction de sa gravité.
La figure 2 représente un racleur 210, et plus particulièrement la disposition des capteurs acoustiques 221 et 222 et du télémètre laser 230 selon un autre mode de réalisation de l’invention. Les deux capteurs acoustiques 221 et 222 sont toujours fixés sur le racleur 210 et espacés selon la direction Y. De manière à obtenir un décalage temporel significatif pour déterminer la position de l’anomalie 250 selon la direction Y, les capteurs acoustiques 221 et 222 sont placés chacun sur une extrémité du racleur 210.
Le télémètre laser 230 est fixé sur le racleur 210 et est toujours orienté selon la direction X pour déterminer la position du racleur 210 et de l’anomalie 250 selon cette même direction X.
Selon une caractéristique particulière de l’invention, le télémètre laser 230 est placé au milieu du racleur 210 entre les deux capteurs acoustiques 221 et 222.
Comme précédemment, les deux capteurs acoustiques 221 et 222, ainsi que le télémètre laser 230 peuvent être fixés sur le racleur 210 par collage ou par une liaison mécanique.
En cas de contact entre le racleur 210 et la poudre à l’instant t0, des ondes acoustiques se propagent dans le racleur 210. Le capteur acoustique 221 détecte ces ondes à l’instant t0+ a, tandis que le capteur acoustique 222 détecte ces mêmes ondes à l’instant t0+ a + b. C’est le décalage temporel entre les deux instants de détection b qui permet de déterminer la position du contact (et de l’éventuelle anomalie 250) selon la direction Y, les positions des deux capteurs acoustiques 221 et 222 étant connues.
Comme indiqué précédemment, l’arrêt de la propagation d’ondes acoustiques dans le racleur pourra également être détecté et l’éventuelle anomalie à l’origine de cet arrêt sera également localisée grâce au décalage temporel entre les capteurs acoustiques.
Afin de réaliser une localisation plus précise de l’anomalie selon la direction Y, le dispositif de fabrication peut également comprendre plus de trois capteurs acoustiques. En effet, si les capteurs acoustiques sont trop éloignés, un des capteurs pourrait ne pas percevoir l’onde acoustique se propageant dans le racleur, ou pourrait percevoir une onde déjà perturbée par l’arrivée d’une nouvelle onde. L’utilisation de trois ou quatre capteurs permet de remédier à cela, car on peut ainsi placer les capteurs à des intervalles plus proches, tout en conservant un espacement suffisant entre au moins deux capteurs pour relever un décalage temporel significatif pour la détermination de la position de l’anomalie.
Selon une caractéristique particulière de l’invention, le dispositif comprend trois capteurs acoustiques placés respectivement à 1/4, 2/4 et 3/4 de la longueur du racleur selon la direction Y.
Un autre objet de l’invention est un procédé de détection d’une anomalie lors de l’étalement de la poudre par le racleur, le procédé étant mis en œuvre par l’un des dispositifs présentés précédemment.
Le procédé comprend d’abord la détection d’un signal acoustique par les capteurs acoustiques, puis la détermination de la position de l’anomalie, et enfin la classification de l’anomalie en fonction de sa gravité.
La position de l’anomalie est déterminée :
- selon la première direction X par le signal de position mesuré par le télémètre laser,
- selon la deuxième direction Y par un décalage temporel du signal acoustique détecté par les capteurs acoustiques, et
- selon la troisième direction Z par le nombre de couches de poudre étalées par le racleur.
C’est le système de contrôle qui détermine si l’onde acoustique détectée ou l’absence d’onde résulte bien d’une d’anomalie, puis qui détermine la position de cette anomalie et enfin qui classifie cette anomalie selon sa gravité.
Un autre objet de l’invention est un procédé de fabrication d’une pièce par fusion sélective ou frittage sélectif sur lit de poudre comprenant une étape de détection d’anomalies par le procédé de détection décrit précédemment.
La détection d’une anomalie, la détermination de sa position dans l’espace et sa classification permet de savoir si cette anomalie doit être corrigée, et si oui, on peut le faire rapidement en connaissant sa position précise ; ou si la fabrication doit être stoppée. Cela permet également de prévoir les éventuels défauts de la pièce finale.
Claims (9)
- Dispositif (100) de fabrication d’une pièce par un procédé de fusion sélective ou frittage sélectif sur lit de poudre (103) comprenant un plateau de fabrication (101) ayant une surface de travail (102), parallèle à une première direction (X) et à une deuxième direction (Y), sur laquelle la pièce est destinée à être fabriquée, un racleur (110, 210) placé sur la surface de travail et apte à se déplacer et à étaler la poudre (103) selon la première direction sur la surface de travail, caractérisé en ce qu’il comprend en outre :
- au moins deux capteurs acoustiques (121, 122, 221, 222) fixés et espacés selon la deuxième direction (Y) sur le racleur et aptes à détecter un signal acoustique ;
- un télémètre laser (130, 230) orienté selon la première direction (X) et apte à déterminer une position du racleur selon la première direction (X) ; et
- un système de contrôle (140) apte à détecter une anomalie (150, 250) en fonction dudit signal acoustique et à déterminer une position de l’anomalie en fonction du signal acoustique détecté par lesdits capteurs acoustiques et d’un signal de position mesuré par ledit télémètre laser.
- Dispositif selon la revendication 1, dans lequel le télémètre laser est fixé sur le racleur.
- Dispositif selon la revendication 1 ou 2, dans lequel chaque capteur acoustique est fixé sur le racleur par collage ou par une liaison mécanique.
- Dispositif selon l’une quelconque des revendications 1 à 3, dans lequel le système de contrôle est un système d’apprentissage machine.
- Dispositif selon la revendication 4, dans lequel le système d’apprentissage machine est un réseau de neurones.
- Dispositif selon la revendication 5, dans lequel le réseau de neurones est un réseau de neurones à convolution.
- Dispositif selon la revendication 4, dans lequel le système d’apprentissage machine est un système d’arbres de décisions ou une forêt d’arbres décisionnels.
- Procédé de détection d’une anomalie (150, 250) mis en œuvre par un dispositif (100) selon l’une quelconque des revendications 1 à 7, comprenant les étapes suivantes :
- détection d’un signal acoustique par les au moins deux capteurs acoustiques (121, 122, 221, 222) ;
- détermination de la position de l’anomalie, la position de l’anomalie étant déterminée selon la première direction (X) par le signal de position mesuré par le télémètre laser, selon la deuxième direction (Y) par un décalage temporel du signal acoustique détectés par les au moins deux capteurs acoustiques et selon une troisième direction (Z) par un nombre de couches de poudre étalées par le racleur ; et
- classification de l’anomalie en fonction de sa gravité.
- Procédé de fabrication d’une pièce par fusion sélective ou frittage sélectif sur lit de poudre comprenant une étape de détection d’anomalies par le procédé de détection selon la revendication 8.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2006426A FR3111574B1 (fr) | 2020-06-19 | 2020-06-19 | Détection et localisation d’anomalies d’étalements de poudre par mesures d’émissions acoustiques |
| EP21736635.0A EP4168196A1 (fr) | 2020-06-19 | 2021-06-09 | Detection et localisation d'anomalies d'etalements de poudre par mesures d'emissions acoustiques |
| US18/002,085 US20230219140A1 (en) | 2020-06-19 | 2021-06-09 | Detection and location of powder spreading anomalies using acoustic emission measurements |
| PCT/FR2021/051038 WO2021255367A1 (fr) | 2020-06-19 | 2021-06-09 | Detection et localisation d'anomalies d'etalements de poudre par mesures d'emissions acoustiques |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2006426 | 2020-06-19 | ||
| FR2006426A FR3111574B1 (fr) | 2020-06-19 | 2020-06-19 | Détection et localisation d’anomalies d’étalements de poudre par mesures d’émissions acoustiques |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3111574A1 true FR3111574A1 (fr) | 2021-12-24 |
| FR3111574B1 FR3111574B1 (fr) | 2022-08-12 |
Family
ID=72801612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2006426A Active FR3111574B1 (fr) | 2020-06-19 | 2020-06-19 | Détection et localisation d’anomalies d’étalements de poudre par mesures d’émissions acoustiques |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230219140A1 (fr) |
| EP (1) | EP4168196A1 (fr) |
| FR (1) | FR3111574B1 (fr) |
| WO (1) | WO2021255367A1 (fr) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3133549A1 (fr) * | 2022-03-15 | 2023-09-22 | Safran Additive Manufacturing Campus | Procédé de fonctionnement d’un système de fusion laser sur lit de poudre |
| FR3133550A1 (fr) * | 2022-03-17 | 2023-09-22 | Safran Additive Manufacturing Campus | Procédé de fonctionnement d’un système de fusion laser sur lit de poudre |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3459715A1 (fr) * | 2017-09-26 | 2019-03-27 | Siemens Aktiengesellschaft | Procédé et appareil pour prédire l'apparition et le type de défauts dans un processus de fabrication additive |
| US20190134891A1 (en) * | 2017-11-08 | 2019-05-09 | General Electric Company | Dmlm build platform and surface flattening |
| US10639745B2 (en) * | 2018-02-21 | 2020-05-05 | Sigma Labs, Inc. | Systems and methods for measuring radiated thermal energy during an additive manufacturing operation |
-
2020
- 2020-06-19 FR FR2006426A patent/FR3111574B1/fr active Active
-
2021
- 2021-06-09 WO PCT/FR2021/051038 patent/WO2021255367A1/fr unknown
- 2021-06-09 EP EP21736635.0A patent/EP4168196A1/fr active Pending
- 2021-06-09 US US18/002,085 patent/US20230219140A1/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3459715A1 (fr) * | 2017-09-26 | 2019-03-27 | Siemens Aktiengesellschaft | Procédé et appareil pour prédire l'apparition et le type de défauts dans un processus de fabrication additive |
| US20190134891A1 (en) * | 2017-11-08 | 2019-05-09 | General Electric Company | Dmlm build platform and surface flattening |
| US10639745B2 (en) * | 2018-02-21 | 2020-05-05 | Sigma Labs, Inc. | Systems and methods for measuring radiated thermal energy during an additive manufacturing operation |
Non-Patent Citations (4)
| Title |
|---|
| JACOB WILLIAMS ET AL: "Defect Detection and Monitoring in Metal Additive Manufactured Parts through Deep Learning of Spatially Resolved Acoustic Spectroscopy Signals", SMART AND SUSTAINABLE MANUFACTURING SYSTEMS, vol. 2, no. 1, 19 November 2018 (2018-11-19), US, pages 20180035, XP055759208, ISSN: 2520-6478, DOI: 10.1520/SSMS20180035 * |
| L. SCIMEJ. BEUTH, A MULTI-SCALE CONVOLUTIONAL NEURAL NETWORK FOR AUTONOMOUS ANOMALY DÉTECTION AND CLASSIFICATION IN A LASER POWDER BED FUSION ADDITIVE MANUFACTURING PROCESS |
| S.A. SCHEVCHIK ET AL., ACOUSTIC ÉMISSION FOR IN SITU QUALITY MONITORING IN ADDITIVE MANUFACTURING USING SPECTRAL CONVOLUTIONAL NEURAL NETWORKS |
| SHEVCHIK S A ET AL: "Acoustic emission for in situ quality monitoring in additive manufacturing using spectral convolutional neural networks", vol. 21, 1 May 2018 (2018-05-01), pages 598 - 604, XP009524619, ISSN: 2214-8604, Retrieved from the Internet <URL:https://dul.usage.elsevier.com/doi/> DOI: 10.1016/J.ADDMA.2017.11.012 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3133549A1 (fr) * | 2022-03-15 | 2023-09-22 | Safran Additive Manufacturing Campus | Procédé de fonctionnement d’un système de fusion laser sur lit de poudre |
| FR3133550A1 (fr) * | 2022-03-17 | 2023-09-22 | Safran Additive Manufacturing Campus | Procédé de fonctionnement d’un système de fusion laser sur lit de poudre |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4168196A1 (fr) | 2023-04-26 |
| WO2021255367A1 (fr) | 2021-12-23 |
| US20230219140A1 (en) | 2023-07-13 |
| FR3111574B1 (fr) | 2022-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11931955B2 (en) | Method for evaluating the quality of a component produced by an additive sintering and/or melting method | |
| US11027332B2 (en) | System and method for in-situ characterization and inspection of additive manufacturing deposits using transient infrared thermography | |
| RU2675185C2 (ru) | Способ контроля плотности энергии лазерного пучка посредством анализа изображения и соответствующее устройство | |
| US8235588B2 (en) | Method for automated testing of a material joint | |
| WO2021255367A1 (fr) | Detection et localisation d'anomalies d'etalements de poudre par mesures d'emissions acoustiques | |
| US20220143704A1 (en) | Monitoring system and method of identification of anomalies in a 3d printing process | |
| US20170066084A1 (en) | Thermography for quality assurance in an additive manufacturing process | |
| Wang et al. | Obtaining weld pool vision information during aluminium alloy TIG welding | |
| US20150219444A1 (en) | Method and apparatus for determining residual stresses of a component | |
| CN106077956B (zh) | 一种去除薄膜或涂层的激光加工方法及设备 | |
| FR2910621A1 (fr) | Procede et dispositif de controle de la qualite d'un cordon de soudure | |
| EP3641967B1 (fr) | Calibration d'un système de tête d'une source de rayonnement de puissance d'un appareil de fabrication additive | |
| US20100140236A1 (en) | Laser machining system and method | |
| WO2018234312A1 (fr) | Calibration de la focalisation d'une source de rayonnement de puissance d'un appareil de fabrication additive | |
| US20220146252A1 (en) | Non-Contact Non-Destructive Testing Method and System | |
| Levichev et al. | Monitoring opportunities in fiber laser flame cutting | |
| FR3059424A1 (fr) | Procede de controle non destructif d'une piece de turbomachine | |
| FR2760529A1 (fr) | Procede d'examen photothermique d'une piece | |
| WO2023038844A9 (fr) | Systèmes et procédés permettant de combiner des simulations thermiques avec des données de capteur afin de détecter des défauts et des cyber-intrusions malveillantes dans une fabrication additive | |
| WO2019028452A1 (fr) | Détection et traitement d'une couche de matériau | |
| FR3068473B1 (fr) | Piece de reference pour test ultrasonore de materiaux composites et procede de realisation d'une telle piece | |
| Hong et al. | Optical method for inspecting surface defects inside a small bore | |
| JP6318429B2 (ja) | コーティング層における剥離の非破壊検査方法および非破壊検査装置 | |
| Suttmann et al. | Picosecond laser patterning of NiCr thin film strain gages | |
| FR3133550A1 (fr) | Procédé de fonctionnement d’un système de fusion laser sur lit de poudre |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20211224 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |