JP2020203484A - 付加製造機械制御の方法およびシステム - Google Patents

付加製造機械制御の方法およびシステム Download PDF

Info

Publication number
JP2020203484A
JP2020203484A JP2020102487A JP2020102487A JP2020203484A JP 2020203484 A JP2020203484 A JP 2020203484A JP 2020102487 A JP2020102487 A JP 2020102487A JP 2020102487 A JP2020102487 A JP 2020102487A JP 2020203484 A JP2020203484 A JP 2020203484A
Authority
JP
Japan
Prior art keywords
machine
process parameter
parameter settings
predicted
amm
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
Application number
JP2020102487A
Other languages
English (en)
Other versions
JP6989078B2 (ja
Inventor
クマー グプタ ヴィプル
Kumar Gupta Vipul
クマー グプタ ヴィプル
チェンニマライ クマー ナタラジャン
Chennimalai Kumar Natarajan
チェンニマライ クマー ナタラジャン
ジェイ． ビンシクエラ アントニー
J Vinciquerra Anthony
ジェイ． ビンシクエラ アントニー
ティー． ラウシュ ランダル
T Rausch Randal
ティー． ラウシュ ランダル
ロイチョウドゥーリ サブハラジット
Roychowdhury Subhrajit
ロイチョウドゥーリ サブハラジット
ジョン ガンボンーン、ジュニア． ジャステイン
John Gambone Justin Jr
ジョン ガンボンーン、ジュニア． ジャステイン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of JP2020203484A publication Critical patent/JP2020203484A/ja
Application granted granted Critical
Publication of JP6989078B2 publication Critical patent/JP6989078B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • 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
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G05B13/044—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance not using a perturbation signal
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • B22F10/25—Direct deposition of metal particles, e.g. direct metal deposition [DMD] or laser engineered net shaping [LENS]
    • 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
    • B22F10/32—Process control of the atmosphere, e.g. composition or pressure in a building chamber
    • B22F10/322—Process control of the atmosphere, e.g. composition or pressure in a building chamber of the gas flow, e.g. rate or direction
    • 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
    • B22F10/36—Process control of energy beam parameters
    • 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
    • B22F10/36—Process control of energy beam parameters
    • B22F10/368—Temperature or temperature gradient, e.g. temperature of the melt pool
    • 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
    • B22F10/30—Process control
    • B22F10/38—Process control to achieve specific product aspects, e.g. surface smoothness, density, porosity or hollow structures
    • 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
    • B22F2999/00—Aspects linked to processes or compositions used in powder metallurgy
    • 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
    • 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
    • G05B2219/45—Nc applications
    • G05B2219/45041—Laser cutting
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49023—3-D printing, layer of powder, add drops of binder in layer, new powder
    • 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
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Powder Metallurgy (AREA)
  • Producing Shaped Articles From Materials (AREA)

Abstract

【課題】部品特性評価のために予測モデルに適用するアプローチを提供する。【解決手段】進行中の構築プロセスのためのAMマシンおよびプロセスパラメータ設定を取得し、AMM内の被監視物理的条件セットのセンサデータにアクセスし、予測AMM物理的条件と被監視物理的条件セットの要素との間の差を算出し、パラメータ設定、被監視物理的条件セット、および前記差を1つまたは複数の材料特性予測モデルに提供し、被監視物理的条件のうちの1つまたは複数についての予測値を算出し、予測値とターゲット範囲とを比較し、予測値がターゲット範囲内にある場合、プロセスパラメータ設定を維持し、予測値のうちの1つまたは複数がターゲット範囲外である場合、プロセスパラメータ設定を補償するコマンドを生成し、構築プロセス中に閉フィードバックループを繰り返す、付加製造機械制御の方法。【選択図】図３

Description

機械パラメータのプロセスシフトは、付加製造（AM）作業中の共通の不可避の問題である。機械パラメータのこのシフトは、不確実な部品品質、部品間のばらつき、および性能をもたらす可能性がある。製造中の部品の特性および性能（例えば、密度、引張強度、疲労寿命など）は、AMプロセスパラメータに大きく依存するので、プロセスパラメータの予測外のシフトまたはドリフトは、AM動作歩留まりに有害であり得る。
従来、AM製造部品は、全体的な構築品質を評価するために完全にプリントされた後に、非破壊的および／または犠牲的に評価される。この構築後の物理的および機械的試験ならびに材料特性決定プロセスは、非常に費用がかかり、時間がかかり、非効率的である。この構築後の従来のアプローチの下では、プロセスシフトのために生じた小さな欠陥のために部品を廃棄することができ、したがって、付加プロセスの歩留まりが低くなる。
当該技術分野から欠けているのは、所望の部品性能及び材料特性を満たすために構築中にAMプロセスパラメータに対する調整が必要であるかどうかを決定するために、プロセスパラメータを監視してシフトを定量化し、且つ、プロセスパラメータにおける定量化されたシフト／ドリフトを、部品の特性の評価のために予測モデルに適用するアプローチである。
実施システムおよび方法は、AMプロセスパラメータ（例えば、レーザパワー、走査速度、スポットサイズなど）、プロセス変数およびシグネチャ（溶融プール形状、幅および深さ、温度プロファイル、温度勾配など）を監視して、公称値からの偏差を識別することによって、付加製造（AM）構築プロセス中に部品品質を制御する。実施形態は、1つまたは複数の特性の監視された情報を材料性能予測モデルに適用する。実施形態に従って、AMマシンのための入力プロセスパラメータ設定は、生産部品の特性を改善するために、プロセスにおける偏差を修正するために調整され得る。
実施形態に従って、材料特性予測モデルは、構築プロセス中に材料品質を維持するための設定を提供するために、AM機械フィードバック制御ループに組み込まれる。部品の品質および／または性能に対する制御は、材料特性予測モデルの結果に基づいて、AM入力パラメータをリアルタイムで（すなわち、構築動作中に）調整することによって得られる。実施形態によれば、これらの予測結果は、プロセスパラメータのシフトおよび／またはドリフトのリアルタイム測定によって通知される。リアルタイムでのプロセスパラメータの修正は、潜在的な部品故障を減らすことができ、従って、生産歩留まりを増加させる。このリアルタイム修正は、高価で、労力と時間がかかり、後工程の部品検査と試験を減らす（または排除する）ことができる。
実施形態によれば、予測モデルは、直接および／または間接技術によって測定されるプロセス入力パラメータ、例えば、レーザパワー、走査速度、スポットサイズの測定のための物理的センサによる直接測定、または、例えば、溶融プールの深さおよび幅、絶対温度、ならびに温度勾配のプロセスシグネチャの間接測定を提供される。実施形態に従って、測定入力から部品特性（例えば、異常、静的引張／圧縮特性、疲労寿命など）を予測することができる。部品の予測特性が所定のターゲット範囲外（または所望のクリティカル対品質（CTQ）仕様から離れている）であることが判明した場合、コントローラは、所望のCTQを満たすようにAMマシンの入力パラメータを調整することができる。
実施形態に従って、AM構築パラメータ（マシンおよびプロセスパラメータの両方）の特性（すなわち、レーザパワーの安定性、ビーム直径の一貫性およびピーク強度、走査速度の一様性、ガス流れの一様性、粉末拡散の一様性、構築材料の特性など）から、生産部品の特性のためのターゲット範囲を予め決めることができる。これらの構築関連パラメータ特性から、理想的な結果を算出することができ、算出された結果への許容範囲の割り当ては、所定のターゲット範囲を提供する。構築プロセス中に、AMマシンおよびプロセスパラメータについて収集されたセンサデータが予測モデルに提供され、その後、これを使用して、測定されたマシンおよびプロセスパラメータに基づいて生産パーツの特性が予測される。部品の予測された特性が所定のターゲット範囲外である場合、機械への変更およびプロセスパラメータが算出され、制御ユニットに提供される。実装によっては、各部品特性が独自のターゲット範囲を持つことができる。各特性がそれ自体の所定のターゲット範囲内にあるように、機械パラメータおよびプロセスパラメータのそれぞれに対する正味の調整を、複数の特性の予測から決定することができる。
実施形態によれば、ターゲット範囲は、逆プロセスによって決定することができる。このアプローチの下で、ターゲット範囲は、部品の仕様に基づいて選択される。「逆」予測モデルは、マシンおよびプロセスパラメータを決定して、仕様を満たす部品特性を有する部品を生成することができる。例として、部品が特定の低サイクル疲労寿命を有するように指定される場合、予測モデルは、指定された低サイクル疲労寿命を達成するために必要なプロセスパラメータ値を決定することができる。ターゲット範囲の範囲は、生産部品公差に基づくことができる。
所望の部品性能及び材料特性を満たすために構築中にAMプロセスパラメータに対する調整が必要であるかどうかを決定するために、プロセスパラメータを監視してシフトを定量化し、且つ、プロセスパラメータにおける定量化されたシフト／ドリフトを、部品の特性の評価のために予測モデルに適用する。
実施形態による、付加製造機械構築プロセスの管理のためのフロー図である。 実施形態による、付加製造機械構築プロセスの制御のための第2の流れ図である。 実施形態による、付加製造機械構築プロセスの制御のための第3の流れ図である。 実施形態による材料特性値に対するレーザパワー対走査速度応答面を示す図である。 実施形態による材料特性値に対する溶融プール幅対深さ応答を示す。 実施形態による材料特性予測モデルフィードバック制御を有する付加製造機械システムの概略図である。
図1は、実施形態による、付加製造機械構築プロセスの制御のためのプロセス100の流れ図である。実施方法は、構築材料層を融合および／または溶融するために異なるエネルギー源を実施する他の付加様式（例えば、レーザ、電子ビーム、バインダージェット、指向性エネルギー堆積など）で実施することができる。実施システムおよび方法は、様々な付加様式で実施することができ、様々な材料（例えば、金属、非金属、ポリマー、セラミック、複合材料など）に適用することができる。
AMマシン制御は、実施形態に従った材料特性予測モデルフィードバックに基づくことができる。ステップ105で、AMマシンおよびプロセスパラメータ設定が取得される。これらのマシンおよびプロセスパラメータ設定は、プロセス100によって制御されるAM機械の目標パラメータを表す。一実施形態では、マシンおよびプロセスパラメータは、レーザパワー、レーザ走査速度、ビーム直径、ガス流れ、粉体層厚さ、構築チャンバ温度などを含むことができる。
ステップ110で、AMマシンおよびプロセスパラメータを監視するセンサからのデータがアクセスされる。センサは、監視される物理的条件パラメータの第1のセットに関するデータを収集する。これらの物理的パラメータは、例えば、プロセスパラメータ設定によって達成される（すなわち、実際の、実現された、結果の値）パワー、走査速度、ビーム直径の値である。パラメータ設定値とそれらの実現値との間の差（δx）が算出される。
ステップ115で、AMマシンおよびプロセスパラメータ設定（x）、監視された物理値、およびそれらの差（δx）が、1つまたは複数の材料特性予測モデルに提供される。実施形態に従って、ベイズハイブリッドモデル（BHM）は、予測モデルの中でもあり得る。予測モデルには、BHMに加えて、他の確率的、人工知能、機械学習、深層学習、および物理ベースの材料特性予測モデルを含めることができる。いくつかの実装形態では、2つ以上のタイプの予測モデルを使用して、補正補償値に到達することができる。
BHMモデルは、AMマシンおよびプロセスパラメータの関数として、製品異常（例えば、細孔、亀裂、融着不足、表面粗さ）、物理的および機械的特性等（例えば、硬度、引張、低サイクル疲労、クリープ）の実験的測定を用いて訓練することができる。この訓練は、モデルの使用の前に、最初に行うことができる。実施形態によれば、BHMモデルは、特定の構築プロセス中に更新される必要はない。しかしながら、BHMモデルは、後続の測定からより多くの実験データが利用可能である場合には、後続の構築の前に更新することができ、すなわち、アップグレードをBHMモデルにプッシュすることができる。実施形態によれば、更新されたBHMモデルは、後続の構築プロセスにおいて材料特性予測モデルとして使用することができる。
予測値（Y'）は、構築部品の1つ以上の材料特性について算出することができる（ステップ120）。予測値（Y'）は、マシンおよびプロセスパラメータ（x）に、監視されたセンサデータ（δｘ）からのそれらの差を加えた関数であり、所定のターゲット範囲に基づく範囲は、Y'＝Y±Δy=f(x+δx)として表すことができる。
予測値（Y'）が所定のターゲット範囲内にあると判定された場合（ステップ125）、プロセス100はステップ110に戻る。更新されたセンサデータが利用可能である場合、プロセス100は、ループ内でステップ115、120、125を繰り返すことができる。判定（ステップ125）が、予測値（Y'）が所定のターゲット範囲外（例えば、下限指定限界（LSL）より低く、上限指定限界（USL）より高く、または閾値より高い／より低い）であることを示す場合、プロセス100は、制御ユニットをトリガする（ステップ130）。
制御ユニットは、ステップ135で、AMマシンおよび／またはプロセスパラメータ設定をリセットおよび／または補償するためのコマンドを提供する。コマンドは、AMマシンおよびプロセスパラメータから導出されるように選択される。その後、これらのリセット／補正された設定値が、監視されたセンサデータとともに材料予測モデルに提供される。実施形態に従って、この閉フィードバックループの動作は、構築プロセスの間継続することができる。ループは、リアルタイムで、または周期的に、不規則に、または指定された間隔で（例えば、特定の構築マイルストーンに達したときに）発生することができる。
図2は、実施形態による、付加製造機械構築プロセスの制御のためのプロセス200の流れ図である。制御は、実施形態に従った材料特性予測モデルフィードバックに基づいている。ステップ205で、AMマシンおよびプロセスパラメータ設定が取得される。これらのプロセスパラメータ設定は、プロセス200によって制御されるAMマシンの目標パラメータを表す。この実施形態では、プロセスパラメータは、レーザパワー、走査速度、ビーム直径、ガス流れ、粉体層厚さ、構築チャンバ温度などを含むことができる。
ステップ210で、AMマシンおよびプロセスパラメータを監視するセンサからのデータがアクセスされる。センサは、監視される物理的条件パラメータの第2のセットに関するデータを収集する。これらの物理的パラメータは、例えば、材料と機械及びプロセスパラメータとの間の相互作用から達成される溶融プール特性（例えば、幅、深さ、温度、温度勾配）の値である。マシンおよびプロセスパラメータ設定（例えば、機械仕様および／または過去の実験または理論データ）に基づくベースライン溶融プール特性と、構築プロセス中にセンサによって検出される溶融プール特性との間の差（δx）を算出する。
溶融プールの幅、深さ、温度及び勾配のような監視された物理的値（x）、並びにベースライン特性との差異（δx）は、1つ以上の材料特性予測モデル、ステップ215に提供される。
ステップ220で、構築部品の1つまたは複数の材料特性の予測値（Y'）を各特性について算出することができる。予測値(Y')は、ベースラインの物理的条件（すなわち、溶融プール特性）の関数であり、xに、監視されたセンサデータとのそれらの差（すなわち、溶融プール特性の偏差）δxを加えたものであり、所定のターゲット範囲に基づく範囲である。Y'=Y±Δy=f(x+δx)
予測値(Y')が所定のターゲット範囲内にあると判定された場合（ステップ225）、プロセス200はステップ210に戻る。更新されたセンサデータが利用可能である場合、プロセス200は、ループ内でステップ215、220、225を繰り返すことができる。判定（ステップ225）が、予測値(Y')が所定のターゲット範囲外（例えば、指定された下限より低い、指定された上限より高い、または閾値より高い／低い）であることを示す場合、プロセス200は、制御ユニットをトリガする（ステップ230）。
制御ユニットは、ステップ235で、AMマシンおよびプロセスパラメータ設定を変更することによって、溶融プール特性をリセットおよび／または補償するコマンドを提供する。コマンドは、測定されたプロセス変数（または溶融プールシグネチャまたは特性）とAMマシンおよびプロセスパラメータとの間の関係を提供する、マシン仕様および／または歴史的な実験または理論データごとに選択される。その後、これらのリセット／補正された設定値が、監視されたセンサデータとともに材料予測モデルに提供される。実施形態に従って、この閉フィードバックループの動作は、構築プロセスの間継続することができる。ループは、リアルタイムで、または周期的に、不規則に、または指定された間隔で（例えば、特定の構築マイルストーンに達したときに）発生することができる。
図3は、実施形態による、付加製造機械構築プロセスの制御のためのプロセス300の流れ図である。制御は、実施形態に従った材料特性予測モデルフィードバックに基づいている。ステップ305で、AMマシンおよびプロセスパラメータ設定が取得される。これらのプロセスパラメータ設定は、プロセス300によって制御されるAMマシンの目標パラメータを表す。
ステップ310で、AMマシンおよびプロセスパラメータを監視するセンサからのデータがアクセスされる。これらの物理パラメータは、例えば、レーザパワー、走査速度、ビーム直径、ガス流れ、粉体層厚さ、プロセスチャンバ温度の値であり、これらは、マシンおよびプロセスパラメータ設定によって実現される。マシンパラメータ設定と処理パラメータ設定との間の差分（δx1）と、それらの実現値（すなわち、センサによって測定される）とが算出される。
さらに、この実施形態では、AMマシンの他の物理的構築パラメータを監視するセンサからのデータがアクセスされる（ステップ314）。これらの物理パラメータは、例えば、機械及びプロセスパラメータ設定によって実現される溶融プール特性（例えば、幅、深さ、温度、温度勾配）の値とすることができる。段階312において、監視されたセンサデータ溶融プール特性と予測される（基準）溶融プール特性との間の差異（δx2）が算出される。これらの予測される溶融プール特性は、機械及びプロセスパラメータ設定（例えば、機械の仕様及び／又は歴史的、実験的、理論的データ）に基づいている。この差は、溶融プールモデルの自動更新のための入力として提供される（ステップ316）。溶融プールモデルは、ステップ308において、予測される（ベースライン）溶融プール特性を決定する（ステップ312）。
AMマシンおよびプロセスパラメータ設定（x1）、ベースライン溶融プール特性（x2）、センサからの監視された物理値、およびベースライン構成設定からのそれらのそれぞれの差（δx1、δx2）が、1つ以上の材料特性予測モデルに提供される（ステップ320）。
ステップ325で、構築パートの1つまたは複数の特性の特性予測値（Y）を各特性について算出することができる。予測値（Y）は、機械パラメータおよびプロセスパラメータ（x1）、溶融プール特性（x2）およびそれらのそれぞれの監視されたセンサデータからのそれらのそれぞれの差（δx1、δx2）のうちの少なくとも1つの関数であり、所定のターゲット範囲に基づく範囲を有する。Y=Y±Δy=f(x1+x2+δx1+δx2）
この特性予測値（Y）は、1つ又は複数の予測値（Y',Y"）を組み込んだ複合予測であってよい。予測値（Y'）は、予め定められたターゲット範囲を基準とした範囲であり、機械のプロセスパラメータに監視対象センサデータとの差を加えた関数である。Y'=Y1±Δy1=f(x1+δx1)。予測値(Y")は、予め定められたターゲット範囲を基準とした範囲であり、ベースライン溶融プール特性に監視対象センサデータとの差を加えた関数である。Y"=Y2±Δy2=f(x2+δx2)。
実装に従って、ユーザは、1つまたは両方の予測値（Y',Y"）を満たされるべきかどうかを選択することができる。予測された材料特性（Y'）が範囲外である場合、マシンおよびプロセスパラメータ（x1）は、測定された差を補償するように調整されなければならない。予測される材料特性（Y"）が範囲外である場合、溶融プール特性（x2）は、偏差を補償するように調整されなければならず、これはまた、1つ以上のマシンおよびプロセスパラメータ（x1）の調整によって行われ得る。制御を可能にするコマンドは、機械ベースライン設定、履歴実験／理論データ、または機械パラメータとプロセスパラメータとの間の関係および溶融プール特性を確立する予測モデルのいずれかによって決定することができる。
予測値（Y）が所定のターゲット範囲内にあると判定された場合（ステップ330）、プロセス300はステップ305〜316のループに戻る。判定（ステップ330）が、予測値（Y）が所定のターゲット範囲外（例えば、それぞれ、指定された下限より低い、指定された上限より高い、または閾値より高い／低い）であることを示す場合、プロセス300は、制御ユニットをトリガする（ステップ335）。
制御ユニットは、ステップ340で、AMマシンおよびプロセスパラメータ設定を変更することによって、溶融プール特性をリセットおよび／または補償するためのコマンドを提供する。コマンドは、溶融プールの幅／深さ／温度のような溶融プールの特性を、AMマシンとプロセスパラメータ（例えば、レーザパワー、走査速度、ビーム直径、ガス流れなど）の両方の関数として設定するために選択される。その後、これらのリセット／補正された設定値が、モニタされたマシンおよびプロセスパラメータおよび溶融プール特性とともに材料予測モデルに提供される。実施形態に従って、この閉フィードバックループの動作は、構築プロセスの間継続することができる。ループは、リアルタイムで、または周期的に、不規則に、または指定された間隔で（例えば、特定の構築マイルストーンに達したときに）発生することができる。
図4Aは、実施形態に従った、材料パラメータ値に対する速度対パワー応答面400を示す。応答面400は、AM構築中に発生し得るプロセスシフトおよび／またはドリフトの例示である。このシフトおよび／またはドリフトは、構築製品の異常または欠陥をもたらす可能性がある。応答面400は、入力プロセスパラメータが、特定の製品構築のためのCTQ目標を維持するために調整を必要とするかどうかを判定する際に行われる考慮事項を示す。
応答面は、応答面の下限領域406および上限領域408内に位置するターゲット領域402を含む。ターゲット領域は、構築製品パラメータ目標（複数可）である。このターゲットは、製品設計仕様と性能基準に基づくことができる。ベースラインパラメータセット410は、製品構築目標を表す。
AM構築中に、パワー、速度、ビームのシフトおよびドリフトによって、製品構築特性がターゲット製品構築特性から外れることがある。例えば、予測される製品構築特性414は、パワー、速度、およびビーム特性のセンサ読み出しから生じる予測される製品構築特性の代表である。予測構築特性414は、ターゲット領域402内にある。（1つまたは複数の）AMマシンプロセスパラメータ設定を調整する必要はない。差δS1は、ベースラインレーザ走査速度と測定された走査速度との間のデルタを表す。差δP1は、ベースラインレーザパワーと測定レーザパワーとの間のデルタを表す。
予測される製品構築特性418は、パワー、速度、およびビーム特性に対する第2のセンサ読み出しセットから生じる予測される製品構築特性の代表である。予測構築特性418は、ターゲット領域402の外部にある。ターゲット範囲を超えるこの偏位は、AM構築プロセスパラメータの偏差に起因し得る（例えば、マシンおよびプロセスパラメータについての監視されたセンサデータが、元のコマンド設定から予測されるマシンおよびプロセスパラメータとは異なる）。この状況では、制御ユニットがトリガされて（図3、ステップ335）、AMマシンおよびプロセスパラメータ設定をリセットおよび／または補償するためのコマンドを提供する。
差δS2は、ベースラインレーザ走査速度と測定された走査速度との間のデルタを表す。差δP2は、ベースラインレーザパワーと測定レーザパワーとの間のデルタを表す。
図4Bは、実施形態による材料特性についての溶融プール幅対深さ応答面450を示す。応答面450は、AM構築中に発生し得るプロセスシフトおよび／またはドリフトを示す。このシフトおよび／またはドリフトは、構築製品の異常または欠陥をもたらす可能性がある。応答面450は、特定の製品構築のためのCTQ目標を維持するために、入力マシンおよびプロセスパラメータを調整する必要があるかどうかを判定する際に行われる考慮事項を示す。
応答面は、応答面の下限領域456および上限領域458内に位置するターゲット領域452を含む。ターゲット領域は、構築製品特性目標である。このターゲットは、製品設計仕様と性能基準に基づくことができる。ベースラインパラメータセット460は、製品構築目標を表す。
AM構築中に、溶融プールの幅および／または深さのシフトおよび／またはドリフトによって、製品構築特性がターゲットとする製品構築特性から外れる場合がある。例えば、予測される製品構築特性464は、溶融プール幅および／または深さ特性のためのセンサリードアウトから導出される予測される製品構築特性の代表である。
溶融プールセンサの読み取り値から予測される溶融プール特性の導出は、溶融プールモデル及び溶融プール予測モデルに溶融プールセンサの読み取り値を提供することによって達成することができる（図3；ステップ308、316）。
図示の例では、予測構築特性464はターゲット領域452内にある。AMマシンおよびプロセスパラメータの設定を調整する必要はない。差δW1は、ベースライン溶融プール幅と測定溶融プール幅との間のデルタを表す。差δD1は、ベースライン溶融プール深さと測定された溶融プール深さとの間のデルタを表す。
予測される製品構築特性468は、溶融プール幅および／または深さ特性のための第2のセンサ読み出しセットから生じる予測される製品構築特性の代表である。予測構築特性468は、ターゲット領域452の外部にある。ターゲット範囲を超えるこの偏位は、AMマシンおよびプロセスパラメータ（例えば、溶融プール幅および／または深さ特性について監視されたセンサデータ、ならびに／またはマシンおよびプロセスパラメータが、それらのベースライン設定とは異なる）の偏差によって引き起こされる可能性が高い、ベースライン溶融プール幅および／または深さ特性からの偏差に起因し得る。この状況では、制御ユニットがトリガされて（図3；ステップ335）、AMマシンおよびプロセスパラメータ、ならびに／またはベースライン溶融プール幅および／または深さ特性設定をリセットおよび／または補償するためのコマンドを提供する。
差δW2は、ベースライン溶融プール幅と測定溶融プール幅との間のデルタを表す。差δD2は、ベースライン溶融プール深さと測定された溶融プール深さとの間のデルタを表す。
図5は、実施形態による、材料特性予測モデルフィードバック制御を伴う、付加製造機械500の概略図である。エネルギー源505は、光学素子510によって集束され、走査ユニット515に提供されるエネルギー源（例えば、レーザ）を形成することができる。システムおよび方法を具体化することは、エネルギー源の性質および／またはタイプによって限定されないことが容易に理解されるべきである。走査ユニット125は、構築プレート520を横切るx−y平面でビームを走査する。連続する層が生成されると、構築プレート520が下げられ、堆積材料が溶融プール525からリフレッシュされる。
制御ユニット540は、プロセッサユニット541およびメモリユニット542を含むことができる。メモリユニットは、実行可能命令544を記憶することができる。制御プロセッサは、ローカル制御／データネットワーク550および／または電子通信ネットワークを介して、システム500の構成要素と通信することができる。プロセッサユニット541は、実施形態に従って、プロセッサに、付加製造機械500の材料特性予測モデルフィードバック制御を実行させる実行可能命令544を実行することができる。メモリユニット542は、制御プロセッサに、ローカルキャッシュメモリおよび記憶メモリを提供して、例えば、材料特性予測モデル546およびデータレコード548を記憶することができる。
材料特性予測モデル546は、BHM、確率論、人工知能、機械学習、ディープラーニング、および物理ベースの材料特性予測モデルのうちの1つまたは複数を含むことができる。データレコードは、AMマシンおよびプロセスパラメータ設定、センサデータ、製品CADファイルなどのための記憶装置を提供することができる。
実施形態に従って、センサスイート530は、達成／実現されたマシンおよびプロセスパラメータおよび溶融プール特性を監視することができる。センサスイートは、監視／測定されているものに応じて、様々な異なるセンサ技術を含むことができる。例えば、この技術は、光学検出器、イメージ撮像装置、ラインアレイレーザセンサ、フォトダイオード、機械的測定装置、赤外線カメラ、熱電対、ガス流量計、温度及び圧力計等を含むことができる。具現システムおよび方法は、1つのセンサ技術に限定されない。
いくつかの実施形態に従って、不揮発性メモリまたはコンピュータ読み取り可能媒体（例えば、レジスタメモリ、プロセッサ、キャッシュ、RAM、ROM、ハードドライブ、フラッシュメモリ、CD ROM、磁気媒体など）に記憶されたコンピュータプログラムアプリケーションは、上記で開示されているように、AMマシンおよびプロセスパラメータ値調整を予測する方法およびプロセスパラメータ値調整などの本明細書で説明する方法を実行するように、実行時にコントローラまたはプロセッサに命令および／または実行可能プログラム命令を含み得る。
コンピュータ可読媒体は、すべての形態およびタイプのメモリ、ならびに一時的な伝搬信号を除くすべてのコンピュータ可読媒体を含む、一時的でないコンピュータ可読媒体であってもよい。一実施形態では、不揮発性メモリまたはコンピュータ可読媒体は、外部メモリであってもよい。
本明細書では、特定のハードウェアおよび方法を説明したが、本発明の実施形態に従って、任意の数の他の構成を提供することができることに留意されたい。したがって、本発明の基本的な新規な特徴を示し、説明し、指摘してきたが、本発明の思想および範囲から逸脱することなく、図示した実施形態の形態および詳細、ならびにそれらの動作における様々な省略、置換、および変更を当業者が行うことができることを理解されたい。1つの実施形態から別の実施形態への要素の置換もまた、完全に意図される。本発明は、添付の特許請求の範囲、およびその中の列挙の均等物に関してのみ定義される。
５００ 付加製造機械
５２０ 構築プレート
５２５ 溶融プール
５３０ センサスイート
５４０ 制御ユニット
５４１ プロセッサユニット
５４２ メモリユニット
機械パラメータのプロセスシフトは、付加製造（AM）作業中の共通の不可避の問題である。機械パラメータのこのシフトは、不確実な部品品質、部品間のばらつき、および性能をもたらす可能性がある。製造中の部品の特性および性能（例えば、密度、引張強度、疲労寿命など）は、AMプロセスパラメータに大きく依存するので、プロセスパラメータの予測外のシフトまたはドリフトは、AM動作歩留まりに有害であり得る。
従来、AM製造部品は、全体的な構築品質を評価するために完全にプリントされた後に、非破壊的および／または犠牲的に評価される。この構築後の物理的および機械的試験ならびに材料特性決定プロセスは、非常に費用がかかり、時間がかかり、非効率的である。この構築後の従来のアプローチの下では、プロセスシフトのために生じた小さな欠陥のために部品を廃棄することができ、したがって、付加プロセスの歩留まりが低くなる。
当該技術分野から欠けているのは、所望の部品性能及び材料特性を満たすために構築中にAMプロセスパラメータに対する調整が必要であるかどうかを決定するために、プロセスパラメータを監視してシフトを定量化し、且つ、プロセスパラメータにおける定量化されたシフト／ドリフトを、部品の特性の評価のために予測モデルに適用するアプローチである。
実施システムおよび方法は、AMプロセスパラメータ（例えば、レーザパワー、走査速度、スポットサイズなど）、プロセス変数およびシグネチャ（溶融プール形状、幅および深さ、温度プロファイル、温度勾配など）を監視して、公称値からの偏差を識別することによって、付加製造（AM）構築プロセス中に部品品質を制御する。実施形態は、1つまたは複数の特性の監視された情報を材料性能予測モデルに適用する。実施形態に従って、AMマシンのための入力プロセスパラメータ設定は、生産部品の特性を改善するために、プロセスにおける偏差を修正するために調整され得る。
実施形態に従って、材料特性予測モデルは、構築プロセス中に材料品質を維持するための設定を提供するために、AM機械フィードバック制御ループに組み込まれる。部品の品質および／または性能に対する制御は、材料特性予測モデルの結果に基づいて、AM入力パラメータをリアルタイムで（すなわち、構築動作中に）調整することによって得られる。実施形態によれば、これらの予測結果は、プロセスパラメータのシフトおよび／またはドリフトのリアルタイム測定によって通知される。リアルタイムでのプロセスパラメータの修正は、潜在的な部品故障を減らすことができ、従って、生産歩留まりを増加させる。このリアルタイム修正は、高価で、労力と時間がかかり、後工程の部品検査と試験を減らす（または排除する）ことができる。
実施形態によれば、予測モデルは、直接および／または間接技術によって測定されるプロセス入力パラメータ、例えば、レーザパワー、走査速度、スポットサイズの測定のための物理的センサによる直接測定、または、例えば、溶融プールの深さおよび幅、絶対温度、ならびに温度勾配のプロセスシグネチャの間接測定を提供される。実施形態に従って、測定入力から部品特性（例えば、異常、静的引張／圧縮特性、疲労寿命など）を予測することができる。部品の予測特性が所定のターゲット範囲外（または所望のクリティカル対品質（CTQ）仕様から離れている）であることが判明した場合、コントローラは、所望のCTQを満たすようにAMマシンの入力パラメータを調整することができる。
実施形態に従って、AM構築パラメータ（マシンおよびプロセスパラメータの両方）の特性（すなわち、レーザパワーの安定性、ビーム直径の一貫性およびピーク強度、走査速度の一様性、ガス流れの一様性、粉末拡散の一様性、構築材料の特性など）から、生産部品の特性のためのターゲット範囲を予め決めることができる。これらの構築関連パラメータ特性から、理想的な結果を算出することができ、算出された結果への許容範囲の割り当ては、所定のターゲット範囲を提供する。構築プロセス中に、AMマシンおよびプロセスパラメータについて収集されたセンサデータが予測モデルに提供され、その後、これを使用して、測定されたマシンおよびプロセスパラメータに基づいて生産パーツの特性が予測される。部品の予測された特性が所定のターゲット範囲外である場合、機械への変更およびプロセスパラメータが算出され、制御ユニットに提供される。実装によっては、各部品特性が独自のターゲット範囲を持つことができる。各特性がそれ自体の所定のターゲット範囲内にあるように、機械パラメータおよびプロセスパラメータのそれぞれに対する正味の調整を、複数の特性の予測から決定することができる。
実施形態によれば、ターゲット範囲は、逆プロセスによって決定することができる。このアプローチの下で、ターゲット範囲は、部品の仕様に基づいて選択される。「逆」予測モデルは、マシンおよびプロセスパラメータを決定して、仕様を満たす部品特性を有する部品を生成することができる。例として、部品が特定の低サイクル疲労寿命を有するように指定される場合、予測モデルは、指定された低サイクル疲労寿命を達成するために必要なプロセスパラメータ値を決定することができる。ターゲット範囲の範囲は、生産部品公差に基づくことができる。
所望の部品性能及び材料特性を満たすために構築中にAMプロセスパラメータに対する調整が必要であるかどうかを決定するために、プロセスパラメータを監視してシフトを定量化し、且つ、プロセスパラメータにおける定量化されたシフト／ドリフトを、部品の特性の評価のために予測モデルに適用する。
実施形態による、付加製造機械構築プロセスの管理のためのフロー図である。 実施形態による、付加製造機械構築プロセスの制御のための第2の流れ図である。 実施形態による、付加製造機械構築プロセスの制御のための第3の流れ図である。 実施形態による材料特性値に対するレーザパワー対走査速度応答面を示す図である。 実施形態による材料特性値に対する溶融プール幅対深さ応答を示す。 実施形態による材料特性予測モデルフィードバック制御を有する付加製造機械システムの概略図である。
図1は、実施形態による、付加製造機械構築プロセスの制御のためのプロセス100の流れ図である。実施方法は、構築材料層を融合および／または溶融するために異なるエネルギー源を実施する他の付加様式（例えば、レーザ、電子ビーム、バインダージェット、指向性エネルギー堆積など）で実施することができる。実施システムおよび方法は、様々な付加様式で実施することができ、様々な材料（例えば、金属、非金属、ポリマー、セラミック、複合材料など）に適用することができる。
AMマシン制御は、実施形態に従った材料特性予測モデルフィードバックに基づくことができる。ステップ105で、AMマシンおよびプロセスパラメータ設定が取得される。これらのマシンおよびプロセスパラメータ設定は、プロセス100によって制御されるAM機械の目標パラメータを表す。一実施形態では、マシンおよびプロセスパラメータは、レーザパワー、レーザ走査速度、ビーム直径、ガス流れ、粉体層厚さ、構築チャンバ温度などを含むことができる。
ステップ110で、AMマシンおよびプロセスパラメータを監視するセンサからのデータがアクセスされる。センサは、監視される物理的条件パラメータの第1のセットに関するデータを収集する。これらの物理的パラメータは、例えば、プロセスパラメータ設定によって達成される（すなわち、実際の、実現された、結果の値）パワー、走査速度、ビーム直径の値である。パラメータ設定値とそれらの実現値との間の差（δx）が算出される。
ステップ115で、AMマシンおよびプロセスパラメータ設定（x）、監視された物理値、およびそれらの差（δx）が、1つまたは複数の材料特性予測モデルに提供される。実施形態に従って、ベイズハイブリッドモデル（BHM）は、予測モデルの中でもあり得る。予測モデルには、BHMに加えて、他の確率的、人工知能、機械学習、深層学習、および物理ベースの材料特性予測モデルを含めることができる。いくつかの実装形態では、2つ以上のタイプの予測モデルを使用して、補正補償値に到達することができる。
BHMモデルは、AMマシンおよびプロセスパラメータの関数として、製品異常（例えば、細孔、亀裂、融着不足、表面粗さ）、物理的および機械的特性等（例えば、硬度、引張、低サイクル疲労、クリープ）の実験的測定を用いて訓練することができる。この訓練は、モデルの使用の前に、最初に行うことができる。実施形態によれば、BHMモデルは、特定の構築プロセス中に更新される必要はない。しかしながら、BHMモデルは、後続の測定からより多くの実験データが利用可能である場合には、後続の構築の前に更新することができ、すなわち、アップグレードをBHMモデルにプッシュすることができる。実施形態によれば、更新されたBHMモデルは、後続の構築プロセスにおいて材料特性予測モデルとして使用することができる。
予測値（Y'）は、構築部品の1つ以上の材料特性について算出することができる（ステップ120）。予測値（Y'）は、マシンおよびプロセスパラメータ（x）に、監視されたセンサデータ（δｘ）からのそれらの差を加えた関数であり、所定のターゲット範囲に基づく範囲は、Y'＝Y±Δy=f(x+δx)として表すことができる。
予測値（Y'）が所定のターゲット範囲内にあると判定された場合（ステップ125）、プロセス100はステップ110に戻る。更新されたセンサデータが利用可能である場合、プロセス100は、ループ内でステップ115、120、125を繰り返すことができる。判定（ステップ125）が、予測値（Y'）が所定のターゲット範囲外（例えば、下限指定限界（LSL）より低く、上限指定限界（USL）より高く、または閾値より高い／より低い）であることを示す場合、プロセス100は、制御ユニットをトリガする（ステップ130）。
制御ユニットは、ステップ135で、AMマシンおよび／またはプロセスパラメータ設定をリセットおよび／または補償するためのコマンドを提供する。コマンドは、AMマシンおよびプロセスパラメータから導出されるように選択される。その後、これらのリセット／補正された設定値が、監視されたセンサデータとともに材料予測モデルに提供される。実施形態に従って、この閉フィードバックループの動作は、構築プロセスの間継続することができる。ループは、リアルタイムで、または周期的に、不規則に、または指定された間隔で（例えば、特定の構築マイルストーンに達したときに）発生することができる。
図2は、実施形態による、付加製造機械構築プロセスの制御のためのプロセス200の流れ図である。制御は、実施形態に従った材料特性予測モデルフィードバックに基づいている。ステップ205で、AMマシンおよびプロセスパラメータ設定が取得される。これらのプロセスパラメータ設定は、プロセス200によって制御されるAMマシンの目標パラメータを表す。この実施形態では、プロセスパラメータは、レーザパワー、走査速度、ビーム直径、ガス流れ、粉体層厚さ、構築チャンバ温度などを含むことができる。
ステップ210で、AMマシンおよびプロセスパラメータを監視するセンサからのデータがアクセスされる。センサは、監視される物理的条件パラメータの第2のセットに関するデータを収集する。これらの物理的パラメータは、例えば、材料と機械及びプロセスパラメータとの間の相互作用から達成される溶融プール特性（例えば、幅、深さ、温度、温度勾配）の値である。マシンおよびプロセスパラメータ設定（例えば、機械仕様および／または過去の実験または理論データ）に基づくベースライン溶融プール特性と、構築プロセス中にセンサによって検出される溶融プール特性との間の差（δx）を算出する。
溶融プールの幅、深さ、温度及び勾配のような監視された物理的値（x）、並びにベースライン特性との差異（δx）は、1つ以上の材料特性予測モデル、ステップ215に提供される。
ステップ220で、構築部品の1つまたは複数の材料特性の予測値（Y'）を各特性について算出することができる。予測値(Y')は、ベースラインの物理的条件（すなわち、溶融プール特性）の関数であり、xに、監視されたセンサデータとのそれらの差（すなわち、溶融プール特性の偏差）δxを加えたものであり、所定のターゲット範囲に基づく範囲である。Y'=Y±Δy=f(x+δx)
予測値(Y')が所定のターゲット範囲内にあると判定された場合（ステップ225）、プロセス200はステップ210に戻る。更新されたセンサデータが利用可能である場合、プロセス200は、ループ内でステップ215、220、225を繰り返すことができる。判定（ステップ225）が、予測値(Y')が所定のターゲット範囲外（例えば、指定された下限より低い、指定された上限より高い、または閾値より高い／低い）であることを示す場合、プロセス200は、制御ユニットをトリガする（ステップ230）。
制御ユニットは、ステップ235で、AMマシンおよびプロセスパラメータ設定を変更することによって、溶融プール特性をリセットおよび／または補償するコマンドを提供する。コマンドは、測定されたプロセス変数（または溶融プールシグネチャまたは特性）とAMマシンおよびプロセスパラメータとの間の関係を提供する、マシン仕様および／または歴史的な実験または理論データごとに選択される。その後、これらのリセット／補正された設定値が、監視されたセンサデータとともに材料予測モデルに提供される。実施形態に従って、この閉フィードバックループの動作は、構築プロセスの間継続することができる。ループは、リアルタイムで、または周期的に、不規則に、または指定された間隔で（例えば、特定の構築マイルストーンに達したときに）発生することができる。
図3は、実施形態による、付加製造機械構築プロセスの制御のためのプロセス300の流れ図である。制御は、実施形態に従った材料特性予測モデルフィードバックに基づいている。ステップ305で、AMマシンおよびプロセスパラメータ設定が取得される。これらのプロセスパラメータ設定は、プロセス300によって制御されるAMマシンの目標パラメータを表す。
ステップ310で、AMマシンおよびプロセスパラメータを監視するセンサからのデータがアクセスされる。これらの物理パラメータは、例えば、レーザパワー、走査速度、ビーム直径、ガス流れ、粉体層厚さ、プロセスチャンバ温度の値であり、これらは、マシンおよびプロセスパラメータ設定によって実現される。マシンパラメータ設定と処理パラメータ設定との間の差分（δx1）と、それらの実現値（すなわち、センサによって測定される）とが算出される。
さらに、この実施形態では、AMマシンの他の物理的構築パラメータを監視するセンサからのデータがアクセスされる（ステップ314）。これらの物理パラメータは、例えば、機械及びプロセスパラメータ設定によって実現される溶融プール特性（例えば、幅、深さ、温度、温度勾配）の値とすることができる。段階312において、監視されたセンサデータ溶融プール特性と予測される（基準）溶融プール特性との間の差異（δx2）が算出される。これらの予測される溶融プール特性は、機械及びプロセスパラメータ設定（例えば、機械の仕様及び／又は歴史的、実験的、理論的データ）に基づいている。この差は、溶融プールモデルの自動更新のための入力として提供される（ステップ316）。溶融プールモデルは、ステップ308において、予測される（ベースライン）溶融プール特性を決定する（ステップ312）。
AMマシンおよびプロセスパラメータ設定（x1）、ベースライン溶融プール特性（x2）、センサからの監視された物理値、およびベースライン構成設定からのそれらのそれぞれの差（δx1、δx2）が、1つ以上の材料特性予測モデルに提供される（ステップ320）。
ステップ325で、構築パートの1つまたは複数の特性の特性予測値（Y）を各特性について算出することができる。予測値（Y）は、機械パラメータおよびプロセスパラメータ（x1）、溶融プール特性（x2）およびそれらのそれぞれの監視されたセンサデータからのそれらのそれぞれの差（δx1、δx2）のうちの少なくとも1つの関数であり、所定のターゲット範囲に基づく範囲を有する。Y=Y±Δy=f(x1+x2+δx1+δx2）
この特性予測値（Y）は、1つ又は複数の予測値（Y',Y"）を組み込んだ複合予測であってよい。予測値（Y'）は、予め定められたターゲット範囲を基準とした範囲であり、機械のプロセスパラメータに監視対象センサデータとの差を加えた関数である。Y'=Y1±Δy1=f(x1+δx1)。予測値(Y")は、予め定められたターゲット範囲を基準とした範囲であり、ベースライン溶融プール特性に監視対象センサデータとの差を加えた関数である。Y"=Y2±Δy2=f(x2+δx2)。
実装に従って、ユーザは、1つまたは両方の予測値（Y',Y"）を満たされるべきかどうかを選択することができる。予測された材料特性（Y'）が範囲外である場合、マシンおよびプロセスパラメータ（x1）は、測定された差を補償するように調整されなければならない。予測される材料特性（Y"）が範囲外である場合、溶融プール特性（x2）は、偏差を補償するように調整されなければならず、これはまた、1つ以上のマシンおよびプロセスパラメータ（x1）の調整によって行われ得る。制御を可能にするコマンドは、機械ベースライン設定、履歴実験／理論データ、または機械パラメータとプロセスパラメータとの間の関係および溶融プール特性を確立する予測モデルのいずれかによって決定することができる。
予測値（Y）が所定のターゲット範囲内にあると判定された場合（ステップ330）、プロセス300はステップ305〜316のループに戻る。判定（ステップ330）が、予測値（Y）が所定のターゲット範囲外（例えば、それぞれ、指定された下限より低い、指定された上限より高い、または閾値より高い／低い）であることを示す場合、プロセス300は、制御ユニットをトリガする（ステップ335）。
制御ユニットは、ステップ340で、AMマシンおよびプロセスパラメータ設定を変更することによって、溶融プール特性をリセットおよび／または補償するためのコマンドを提供する。コマンドは、溶融プールの幅／深さ／温度のような溶融プールの特性を、AMマシンとプロセスパラメータ（例えば、レーザパワー、走査速度、ビーム直径、ガス流れなど）の両方の関数として設定するために選択される。その後、これらのリセット／補正された設定値が、モニタされたマシンおよびプロセスパラメータおよび溶融プール特性とともに材料予測モデルに提供される。実施形態に従って、この閉フィードバックループの動作は、構築プロセスの間継続することができる。ループは、リアルタイムで、または周期的に、不規則に、または指定された間隔で（例えば、特定の構築マイルストーンに達したときに）発生することができる。
図4Aは、実施形態に従った、材料パラメータ値に対する速度対パワー応答面400を示す。応答面400は、AM構築中に発生し得るプロセスシフトおよび／またはドリフトの例示である。このシフトおよび／またはドリフトは、構築製品の異常または欠陥をもたらす可能性がある。応答面400は、入力プロセスパラメータが、特定の製品構築のためのCTQ目標を維持するために調整を必要とするかどうかを判定する際に行われる考慮事項を示す。
応答面は、応答面の下限領域406および上限領域408内に位置するターゲット領域402を含む。ターゲット領域は、構築製品パラメータ目標（複数可）である。このターゲットは、製品設計仕様と性能基準に基づくことができる。ベースラインパラメータセット410は、製品構築目標を表す。
AM構築中に、パワー、速度、ビームのシフトおよびドリフトによって、製品構築特性がターゲット製品構築特性から外れることがある。例えば、予測される製品構築特性414は、パワー、速度、およびビーム特性のセンサ読み出しから生じる予測される製品構築特性の代表である。予測構築特性414は、ターゲット領域402内にある。（1つまたは複数の）AMマシンプロセスパラメータ設定を調整する必要はない。差δS1は、ベースラインレーザ走査速度と測定された走査速度との間のデルタを表す。差δP1は、ベースラインレーザパワーと測定レーザパワーとの間のデルタを表す。
予測される製品構築特性418は、パワー、速度、およびビーム特性に対する第2のセンサ読み出しセットから生じる予測される製品構築特性の代表である。予測構築特性418は、ターゲット領域402の外部にある。ターゲット範囲を超えるこの偏位は、AM構築プロセスパラメータの偏差に起因し得る（例えば、マシンおよびプロセスパラメータについての監視されたセンサデータが、元のコマンド設定から予測されるマシンおよびプロセスパラメータとは異なる）。この状況では、制御ユニットがトリガされて（図3、ステップ335）、AMマシンおよびプロセスパラメータ設定をリセットおよび／または補償するためのコマンドを提供する。
差δS2は、ベースラインレーザ走査速度と測定された走査速度との間のデルタを表す。差δP2は、ベースラインレーザパワーと測定レーザパワーとの間のデルタを表す。
図4Bは、実施形態による材料特性についての溶融プール幅対深さ応答面450を示す。応答面450は、AM構築中に発生し得るプロセスシフトおよび／またはドリフトを示す。このシフトおよび／またはドリフトは、構築製品の異常または欠陥をもたらす可能性がある。応答面450は、特定の製品構築のためのCTQ目標を維持するために、入力マシンおよびプロセスパラメータを調整する必要があるかどうかを判定する際に行われる考慮事項を示す。
応答面は、応答面の下限領域456および上限領域458内に位置するターゲット領域452を含む。ターゲット領域は、構築製品特性目標である。このターゲットは、製品設計仕様と性能基準に基づくことができる。ベースラインパラメータセット460は、製品構築目標を表す。
AM構築中に、溶融プールの幅および／または深さのシフトおよび／またはドリフトによって、製品構築特性がターゲットとする製品構築特性から外れる場合がある。例えば、予測される製品構築特性464は、溶融プール幅および／または深さ特性のためのセンサリードアウトから導出される予測される製品構築特性の代表である。
溶融プールセンサの読み取り値から予測される溶融プール特性の導出は、溶融プールモデル及び溶融プール予測モデルに溶融プールセンサの読み取り値を提供することによって達成することができる（図3；ステップ308、316）。
図示の例では、予測構築特性464はターゲット領域452内にある。AMマシンおよびプロセスパラメータの設定を調整する必要はない。差δW1は、ベースライン溶融プール幅と測定溶融プール幅との間のデルタを表す。差δD1は、ベースライン溶融プール深さと測定された溶融プール深さとの間のデルタを表す。
予測される製品構築特性468は、溶融プール幅および／または深さ特性のための第2のセンサ読み出しセットから生じる予測される製品構築特性の代表である。予測構築特性468は、ターゲット領域452の外部にある。ターゲット範囲を超えるこの偏位は、AMマシンおよびプロセスパラメータ（例えば、溶融プール幅および／または深さ特性について監視されたセンサデータ、ならびに／またはマシンおよびプロセスパラメータが、それらのベースライン設定とは異なる）の偏差によって引き起こされる可能性が高い、ベースライン溶融プール幅および／または深さ特性からの偏差に起因し得る。この状況では、制御ユニットがトリガされて（図3；ステップ335）、AMマシンおよびプロセスパラメータ、ならびに／またはベースライン溶融プール幅および／または深さ特性設定をリセットおよび／または補償するためのコマンドを提供する。
差δW2は、ベースライン溶融プール幅と測定溶融プール幅との間のデルタを表す。差δD2は、ベースライン溶融プール深さと測定された溶融プール深さとの間のデルタを表す。
図5は、実施形態による、材料特性予測モデルフィードバック制御を伴う、付加製造機械500の概略図である。エネルギー源505は、光学素子510によって集束され、走査ユニット515に提供されるエネルギー源（例えば、レーザ）を形成することができる。システムおよび方法を具体化することは、エネルギー源の性質および／またはタイプによって限定されないことが容易に理解されるべきである。走査ユニット125は、構築プレート520を横切るx−y平面でビームを走査する。連続する層が生成されると、構築プレート520が下げられ、堆積材料が溶融プール525からリフレッシュされる。
制御ユニット540は、プロセッサユニット541およびメモリユニット542を含むことができる。メモリユニットは、実行可能命令544を記憶することができる。制御プロセッサは、ローカル制御／データネットワーク550および／または電子通信ネットワークを介して、システム500の構成要素と通信することができる。プロセッサユニット541は、実施形態に従って、プロセッサに、付加製造機械500の材料特性予測モデルフィードバック制御を実行させる実行可能命令544を実行することができる。メモリユニット542は、制御プロセッサに、ローカルキャッシュメモリおよび記憶メモリを提供して、例えば、材料特性予測モデル546およびデータレコード548を記憶することができる。
材料特性予測モデル546は、BHM、確率論、人工知能、機械学習、ディープラーニング、および物理ベースの材料特性予測モデルのうちの1つまたは複数を含むことができる。データレコードは、AMマシンおよびプロセスパラメータ設定、センサデータ、製品CADファイルなどのための記憶装置を提供することができる。
実施形態に従って、センサスイート530は、達成／実現されたマシンおよびプロセスパラメータおよび溶融プール特性を監視することができる。センサスイートは、監視／測定されているものに応じて、様々な異なるセンサ技術を含むことができる。例えば、この技術は、光学検出器、イメージ撮像装置、ラインアレイレーザセンサ、フォトダイオード、機械的測定装置、赤外線カメラ、熱電対、ガス流量計、温度及び圧力計等を含むことができる。具現システムおよび方法は、1つのセンサ技術に限定されない。
いくつかの実施形態に従って、不揮発性メモリまたはコンピュータ読み取り可能媒体（例えば、レジスタメモリ、プロセッサ、キャッシュ、RAM、ROM、ハードドライブ、フラッシュメモリ、CD ROM、磁気媒体など）に記憶されたコンピュータプログラムアプリケーションは、上記で開示されているように、AMマシンおよびプロセスパラメータ値調整を予測する方法およびプロセスパラメータ値調整などの本明細書で説明する方法を実行するように、実行時にコントローラまたはプロセッサに命令および／または実行可能プログラム命令を含み得る。
コンピュータ可読媒体は、すべての形態およびタイプのメモリ、ならびに一時的な伝搬信号を除くすべてのコンピュータ可読媒体を含む、一時的でないコンピュータ可読媒体であってもよい。一実施形態では、不揮発性メモリまたはコンピュータ可読媒体は、外部メモリであってもよい。
本明細書では、特定のハードウェアおよび方法を説明したが、本発明の実施形態に従って、任意の数の他の構成を提供することができることに留意されたい。したがって、本発明の基本的な新規な特徴を示し、説明し、指摘してきたが、本発明の思想および範囲から逸脱することなく、図示した実施形態の形態および詳細、ならびにそれらの動作における様々な省略、置換、および変更を当業者が行うことができることを理解されたい。1つの実施形態から別の実施形態への要素の置換もまた、完全に意図される。本発明は、添付の特許請求の範囲、およびその中の列挙の均等物に関してのみ定義される。
(付記１)
閉フィードバックループを用いた付加製造機械（AMM）制御の方法であって、
進行中の構築プロセスのためのAMマシンおよびプロセスパラメータ設定を取得し、
前記AMM内の被監視物理的条件セットのセンサデータにアクセスし、
予測AMM物理的条件と被監視物理的条件セットの各々の要素との間の各々の差を算出し、
AMマシンおよびプロセスパラメータ設定、被監視物理的条件セット、および前記各々の差を1つまたは複数の材料特性予測モデルに提供し、
被監視物理的条件のうちの1つまたは複数についての各々の予測値を算出し、
各々の前記予測値と各々の所定ターゲット範囲とを比較し、
各々の前記予測値が前記所定ターゲット範囲内にあるという判定に基づいて、前記プロセスパラメータ設定を維持し、
各々の前記予測値のうちの1つまたは複数が前記所定ターゲット範囲外であるという決定に基づいて、前記プロセスパラメータ設定を補償するコマンドを生成し、
前記構築プロセス中に時間間隔で前記閉フィードバックループを繰り返す、
方法。
（付記２）
前記AMマシンおよびプロセスパラメータ設定のうちの少なくとも1つと、前記AMMの履歴実験データセットとから、前記予測AMM物理的条件を決定することを含む、付記１の方法。
（付記３）
前記AMマシンおよびプロセスパラメータ設定に基づく予測部品特性、溶融プール特性、および部品形状に基づいて、前記所定ターゲット範囲を決定することを含む、付記１の方法。
（付記４）
1つもしくは複数の前記材料特性予測モデルは、ベイズハイブリッドモデルを含む、付記１の方法。
（付記５）
1つまたは複数の前記材料特性予測モデル内の各々のモデル化された応答に、前記AMマシンおよびプロセスパラメータ設定の各々1つまたは複数を適用することに基づいて、各々の前記予測値を算出することを含む、付記１の方法。
（付記６）
前記被監視物理的条件のセットは、レーザパワー、ビーム直径、走査速度、ガス流れ、チャンバ温度、および粉末床層厚さのうちの少なくとも1つを含む、付記１の方法。
（付記７）
前記被監視物理的条件のセットは、溶融プール深さ、溶融プール幅、溶融プール温度、および温度勾配のうちの少なくとも1つを含む、付記１の方法。
（付記８）
前記AMマシンおよびプロセスパラメータ設定から予測される溶融プールの物理的条件を推定することを含む、付記７の方法。
（付記９）
被監視物理的条件の第1セットは、レーザパワー、ビーム直径、及び走査速度を含み、
被監視物理的条件の第2セットは、溶融プールの深さ、溶融プールの幅、及び溶融プールの温度及び温度勾配を含み、
予測される溶融プールの物理的条件を前記AMM及びプロセスパラメータ設定から推定する、
付記１の方法。
（付記１０）
プロセッサユニットによって実行されると、プロセッサユニットに、付加製造機械（AMM）制御の方法を実行させる実行可能命令を記憶した非一時的コンピュータ可読媒体であって、
前記方法は、
進行中の構築プロセスのためのAMマシンおよびプロセスパラメータ設定を取得し、
前記AMM内の被監視物理的条件セットのセンサデータへアクセスし、
前記被監視物理的条件セットの要素の各々と、予測されるAMM物理的条件との間の差の各々を算出し、
前記AMマシンおよびプロセスパラメータ設定、被監視物理的条件セット、及び前記差の各々を1つまたは複数の材料特性予測モデルに提供し、
前記被監視物理的条件セットのうちの1つまたは複数についての予測値の各々を算出し、
前記予測値の各々と所定のターゲット範囲の各々とを比較し、
前記予測値の各々が前記所定のターゲット範囲内にあるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を維持し、
前記予測値の各々のうちの1つまたは複数が前記所定のターゲット範囲外であるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を補償するためのコマンドを生成し、
前記構築プロセス中、時間間隔で閉フィードバックループを繰り返す、
非一時的コンピュータ可読媒体。
（付記１１）
前記実行可能命令は、
前記AMMの履歴実験データセット及び前記AMマシンおよびプロセスパラメータ設定のうちの少なくとも1つから、前記予測されるAMMの物理的条件を判定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
付記１０の非一時的コンピュータ可読媒体。
（付記１２）
前記実行可能命令は、
前記AMマシンおよびプロセスパラメータ設定に基づく予測部品特性、部品形状、及び溶融プール特性に基づいて、前記所定のターゲット範囲を判定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
付記１０の非一時的コンピュータ可読媒体。
（付記１３）
前記実行可能命令は、
1つまたは複数の前記材料特性予測モデル内のモデル化された応答の各々に１つまたは複数の前記AMマシンおよびプロセスパラメータ設定の各々を適用することに基づいて、前記予測値の各々を算出することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
付記１０の非一時的コンピュータ可読媒体。
（付記１４）
前記実行可能命令は、
前記被監視物理的条件セットが、レーザパワー、ビーム直径、走査速度、ガス流れ、粉末床層厚、およびプロセスチャンバ温度を含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
付記１０の非一時的コンピュータ可読媒体。
（付記１５）
前記実行可能命令は、
前記被監視物理的条件セットが、溶融プール深さ、溶融プール幅、ならびに溶融プール温度および温度勾配を含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
付記１０の非一時的コンピュータ可読媒体。
（付記１６）
前記実行可能命令は、
前記AMマシンおよびプロセスパラメータ設定から予測される溶融プール物理的条件を推定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、付記１５の非一時的コンピュータ可読媒体。
（付記１７）
前記実行可能命令は、
被監視物理的条件の第1セットは、レーザパワー、ビーム直径、走査速度、ガス流れ、粉体層厚さ、およびプロセスチャンバ温度を含み、
被監視物理的条件の第2セットは、溶融プールの深さ、溶融プールの幅、及び溶融プールの温度及び温度勾配を含み、
前記AMM及びプロセスパラメータ設定から予測される溶融プールの物理的条件を推定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、付記１０の非一時的コンピュータ可読媒体。
（付記１８）
プロセッサとメモリユニットとを含む制御ユニットを有する付加製造機械（AMM）を含み、
前記メモリユニットは、前記プロセッサに方法を実行させる実行可能命令を含み、
前記方法は、
進行中の構築プロセスのためのAMマシンおよびプロセスパラメータ設定を取得し、
前記AMM内の被監視物理的条件セットのためのセンサデータにアクセスし、
予測されるAMM物理的条件と前記被監視物理的条件セットの各々の要素との間の各々の差を算出し、
前記AMマシンおよびプロセスパラメータ設定、被監視物理的条件セット、および各々の差を1つまたは複数の材料特性予測モデルに提供し、
前記被監視物理的条件セットのうちの1つまたは複数についての各々の予測値を算出し、
各々の前記予測値と各々の所定のターゲット範囲とを比較し、
各々の前記予測値が前記所定のターゲット範囲内にあるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を維持し、
各々の前記予測値のうちの1つまたは複数が前記所定のターゲット範囲外にあるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を補償するためのコマンドを生成し、
前記構築プロセス中に時間間隔で閉フィードバックループを繰り返す、
システム。
（付記１９）
前記実行可能命令は、前記プロセッサに前記方法を実行させる命令を含み、
前記方法は、
前記AMマシンおよびプロセスパラメータ設定から前記予測されるAMM物理的条件を判定し、
前記AMマシンおよびプロセスパラメータ設定に基づく予測部品特性、部品形状、および溶融プール特性に基づいて、前記所定のターゲット範囲を判定し、
1つまたは複数の前記材料特性予測モデル内の各々のモデル化された応答に、前記AMマシンおよびプロセスパラメータ設定の1つまたは複数の各々を適用することに基づいて、各々の予測値を算出する、
付記１８のシステム。
（付記２０）
前記実行可能命令は、前記プロセッサに前記方法を実行させる命令を含み、
被監視物理的条件の第1セットは、レーザパワー、ビーム直径、走査速度、ガス流れ、粉体層厚さ、およびプロセスチャンバ温度を含み、
被監視物理的条件の第2セットは、溶融プールの深さ、溶融プールの幅、及び溶融プールの温度及び温度勾配を含み、
前記方法は、
前記AMマシン及びプロセスパラメータ設定から予測される溶融プールの物理的条件を推定する、
付記１８のシステム。
５００ 付加製造機械
５２０ 構築プレート
５２５ 溶融プール
５３０ センサスイート
５４０ 制御ユニット
５４１ プロセッサユニット
５４２ メモリユニット

Claims (20)

  1. 閉フィードバックループを用いた付加製造機械（AMM）制御の方法であって、
    進行中の構築プロセスのためのAMマシンおよびプロセスパラメータ設定を取得し、
    前記AMM内の被監視物理的条件セットのセンサデータにアクセスし、
    予測AMM物理的条件と被監視物理的条件セットの各々の要素との間の各々の差を算出し、
    AMマシンおよびプロセスパラメータ設定、被監視物理的条件セット、および前記各々の差を1つまたは複数の材料特性予測モデルに提供し、
    被監視物理的条件のうちの1つまたは複数についての各々の予測値を算出し、
    各々の前記予測値と各々の所定ターゲット範囲とを比較し、
    各々の前記予測値が前記所定ターゲット範囲内にあるという判定に基づいて、前記プロセスパラメータ設定を維持し、
    各々の前記予測値のうちの1つまたは複数が前記所定ターゲット範囲外であるという決定に基づいて、前記プロセスパラメータ設定を補償するコマンドを生成し、
    前記構築プロセス中に時間間隔で前記閉フィードバックループを繰り返す、
    方法。
  2. 前記AMマシンおよびプロセスパラメータ設定のうちの少なくとも1つと、前記AMMの履歴実験データセットとから、前記予測AMM物理的条件を決定することを含む、請求項1に記載の方法。
  3. 前記AMマシンおよびプロセスパラメータ設定に基づく予測部品特性、溶融プール特性、および部品形状に基づいて、前記所定ターゲット範囲を決定することを含む、請求項1に記載の方法。
  4. 1つもしくは複数の前記材料特性予測モデルは、ベイズハイブリッドモデルを含む、請求項1に記載の方法。
  5. 1つまたは複数の前記材料特性予測モデル内の各々のモデル化された応答に、前記AMマシンおよびプロセスパラメータ設定の各々1つまたは複数を適用することに基づいて、各々の前記予測値を算出することを含む、請求項1に記載の方法。
  6. 前記被監視物理的条件のセットは、レーザパワー、ビーム直径、走査速度、ガス流れ、チャンバ温度、および粉末床層厚さのうちの少なくとも1つを含む、請求項1に記載の方法。
  7. 前記被監視物理的条件のセットは、溶融プール深さ、溶融プール幅、溶融プール温度、および温度勾配のうちの少なくとも1つを含む、請求項１に記載の方法。
  8. 前記AMマシンおよびプロセスパラメータ設定から予測される溶融プールの物理的条件を推定することを含む、請求項7に記載の方法。
  9. 被監視物理的条件の第1セットは、レーザパワー、ビーム直径、及び走査速度を含み、
    被監視物理的条件の第2セットは、溶融プールの深さ、溶融プールの幅、及び溶融プールの温度及び温度勾配を含み、
    予測される溶融プールの物理的条件を前記AMM及びプロセスパラメータ設定から推定する、
    請求項１に記載の方法。
  10. プロセッサユニットによって実行されると、プロセッサユニットに、付加製造機械（AMM）制御の方法を実行させる実行可能命令を記憶した非一時的コンピュータ可読媒体であって、
    前記方法は、
    進行中の構築プロセスのためのAMマシンおよびプロセスパラメータ設定を取得し、
    前記AMM内の被監視物理的条件セットのセンサデータへアクセスし、
    前記被監視物理的条件セットの要素の各々と、予測されるAMM物理的条件との間の差の各々を算出し、
    前記AMマシンおよびプロセスパラメータ設定、被監視物理的条件セット、及び前記差の各々を1つまたは複数の材料特性予測モデルに提供し、
    前記被監視物理的条件セットのうちの1つまたは複数についての予測値の各々を算出し、
    前記予測値の各々と所定のターゲット範囲の各々とを比較し、
    前記予測値の各々が前記所定のターゲット範囲内にあるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を維持し、
    前記予測値の各々のうちの1つまたは複数が前記所定のターゲット範囲外であるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を補償するためのコマンドを生成し、
    前記構築プロセス中、時間間隔で閉フィードバックループを繰り返す、
    非一時的コンピュータ可読媒体。
  11. 前記実行可能命令は、
    前記AMMの履歴実験データセット及び前記AMマシンおよびプロセスパラメータ設定のうちの少なくとも1つから、前記予測されるAMMの物理的条件を判定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
    請求項10に記載の非一時的コンピュータ可読媒体。
  12. 前記実行可能命令は、
    前記AMマシンおよびプロセスパラメータ設定に基づく予測部品特性、部品形状、及び溶融プール特性に基づいて、前記所定のターゲット範囲を判定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
    請求項10に記載の非一時的コンピュータ可読媒体。
  13. 前記実行可能命令は、
    1つまたは複数の前記材料特性予測モデル内のモデル化された応答の各々に１つまたは複数の前記AMマシンおよびプロセスパラメータ設定の各々を適用することに基づいて、前記予測値の各々を算出することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
    請求項10に記載の非一時的コンピュータ可読媒体。
  14. 前記実行可能命令は、
    前記被監視物理的条件セットが、レーザパワー、ビーム直径、走査速度、ガス流れ、粉末床層厚、およびプロセスチャンバ温度を含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
    請求項10に記載の非一時的コンピュータ可読媒体。
  15. 前記実行可能命令は、
    前記被監視物理的条件セットが、溶融プール深さ、溶融プール幅、ならびに溶融プール温度および温度勾配を含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、
    請求項10に記載の非一時的コンピュータ可読媒体。
  16. 前記実行可能命令は、
    前記AMマシンおよびプロセスパラメータ設定から予測される溶融プール物理的条件を推定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、請求項15に記載の非一時的コンピュータ可読媒体。
  17. 前記実行可能命令は、
    被監視物理的条件の第1セットは、レーザパワー、ビーム直径、走査速度、ガス流れ、粉体層厚さ、およびプロセスチャンバ温度を含み、
    被監視物理的条件の第2セットは、溶融プールの深さ、溶融プールの幅、及び溶融プールの温度及び温度勾配を含み、
    前記AMM及びプロセスパラメータ設定から予測される溶融プールの物理的条件を推定することを含む、前記方法を前記プロセッサユニットに実行させるようにさらに構成されている、請求項10に記載の非一時的コンピュータ可読媒体。
  18. プロセッサとメモリユニットとを含む制御ユニットを有する付加製造機械（AMM）を含み、
    前記メモリユニットは、前記プロセッサに方法を実行させる実行可能命令を含み、
    前記方法は、
    進行中の構築プロセスのためのAMマシンおよびプロセスパラメータ設定を取得し、
    前記AMM内の被監視物理的条件セットのためのセンサデータにアクセスし、
    予測されるAMM物理的条件と前記被監視物理的条件セットの各々の要素との間の各々の差を算出し、
    前記AMマシンおよびプロセスパラメータ設定、被監視物理的条件セット、および各々の差を1つまたは複数の材料特性予測モデルに提供し、
    前記被監視物理的条件セットのうちの1つまたは複数についての各々の予測値を算出し、
    各々の前記予測値と各々の所定のターゲット範囲とを比較し、
    各々の前記予測値が前記所定のターゲット範囲内にあるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を維持し、
    各々の前記予測値のうちの1つまたは複数が前記所定のターゲット範囲外にあるという判定に基づいて、前記AMマシンおよびプロセスパラメータ設定を補償するためのコマンドを生成し、
    前記構築プロセス中に時間間隔で閉フィードバックループを繰り返す、
    システム。
  19. 前記実行可能命令は、前記プロセッサに前記方法を実行させる命令を含み、
    前記方法は、
    前記AMマシンおよびプロセスパラメータ設定から前記予測されるAMM物理的条件を判定し、
    前記AMマシンおよびプロセスパラメータ設定に基づく予測部品特性、部品形状、および溶融プール特性に基づいて、前記所定のターゲット範囲を判定し、
    1つまたは複数の前記材料特性予測モデル内の各々のモデル化された応答に、前記AMマシンおよびプロセスパラメータ設定の1つまたは複数の各々を適用することに基づいて、各々の予測値を算出する、
    請求項18に記載のシステム。
  20. 前記実行可能命令は、前記プロセッサに前記方法を実行させる命令を含み、
    被監視物理的条件の第1セットは、レーザパワー、ビーム直径、走査速度、ガス流れ、粉体層厚さ、およびプロセスチャンバ温度を含み、
    被監視物理的条件の第2セットは、溶融プールの深さ、溶融プールの幅、及び溶融プールの温度及び温度勾配を含み、
    前記方法は、
    前記AMマシン及びプロセスパラメータ設定から予測される溶融プールの物理的条件を推定する、
    請求項１８に記載のシステム。
JP2020102487A 2019-06-14 2020-06-12 付加製造機械制御の方法およびシステム Active JP6989078B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/441,792 2019-06-14
US16/441,792 US11144035B2 (en) 2019-06-14 2019-06-14 Quality assessment feedback control loop for additive manufacturing

Publications (2)

Publication Number Publication Date
JP2020203484A true JP2020203484A (ja) 2020-12-24
JP6989078B2 JP6989078B2 (ja) 2022-01-05

Family

ID=70977776

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020102487A Active JP6989078B2 (ja) 2019-06-14 2020-06-12 付加製造機械制御の方法およびシステム

Country Status (4)

Country Link
US (1) US11144035B2 (ja)
EP (1) EP3751367A1 (ja)
JP (1) JP6989078B2 (ja)
CN (1) CN112083650B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7471214B2 (ja) 2020-12-25 2024-04-19 株式会社日立製作所 付加製造条件の探索装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11685121B2 (en) * 2020-08-21 2023-06-27 International Business Machines Corporation Computer controlled selective hardening of 3-dimensional printed objects
CN113779850A (zh) * 2021-09-28 2021-12-10 上海航空工业(集团)有限公司 复合材料结构模型的检测方法、检测装置、设备和介质
WO2023110387A1 (en) * 2021-12-17 2023-06-22 Henkel Ag & Co. Kgaa Method, apparatus and system for use in manufacturing a material
CN114918581B (zh) * 2022-05-13 2024-05-10 中科云谷科技有限公司 焊接参数处理方法、装置、存储介质及处理器
US11731317B1 (en) * 2022-07-08 2023-08-22 The Boeing Company System and method for material manufacturing based on predicted properties of unconsolidated composite material
US20240012399A1 (en) * 2022-07-08 2024-01-11 The Boeing Company Property Prediction For Unconsolidated Composite Materials
CN115415542B (zh) * 2022-07-19 2024-05-03 闽都创新实验室 基于响应面法的双相不锈钢3d打印件性能的预测方法
CN116776647B (zh) * 2023-08-21 2024-01-16 深圳市鑫冠亚科技有限公司 一种复合镍铜铝散热底板的性能预测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109483888A (zh) * 2018-12-03 2019-03-19 西安交通大学 一种激光熔覆增材成形在线监测装置及前瞻-反馈控制方法
JP2019513577A (ja) * 2016-02-18 2019-05-30 ヴェロ・スリー・ディー・インコーポレイテッド 正確な３次元印刷

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE466720T1 (de) 2006-06-20 2010-05-15 Univ Leuven Kath Verfahren und vorrichtung zur in-situ-überwachung und rückkopplungssteuerung selektiver laserpulverbearbeitung
DE102014216567A1 (de) 2014-08-21 2016-02-25 MTU Aero Engines AG Verfahren zur Gütebestimmung eines additiv gefertigten Bauteils
US10112262B2 (en) 2014-10-28 2018-10-30 General Electric Company System and methods for real-time enhancement of build parameters of a component
WO2016094827A1 (en) 2014-12-12 2016-06-16 Velo3D, Inc. Feedback control systems for three-dimensional printing
JP6531821B2 (ja) * 2015-03-23 2019-06-19 日本電気株式会社 予測モデル更新システム、予測モデル更新方法および予測モデル更新プログラム
WO2017055854A1 (en) * 2015-09-30 2017-04-06 Renishaw Plc Improvements in or relating to the control of a chain of machines, including an additive manufacturing machine, in the manufacture of a workpiece
DE102015224130A1 (de) 2015-12-03 2017-06-08 MTU Aero Engines AG Ermitteln einer Scangeschwindigkeit einer Fertigungsvorrichtung zum additiven Herstellen eines Bauteils
US10671931B2 (en) * 2016-01-29 2020-06-02 Microsoft Technology Licensing, Llc Predictive modeling across multiple horizons combining time series and external data
CN105759611A (zh) * 2016-02-29 2016-07-13 华南理工大学 基于遗传算法的压水堆核电站堆芯功率模型预测控制方法
EP3258219A1 (en) 2016-06-15 2017-12-20 Eidgenössische Materialprüfungs- und Forschungsanstalt EMPA In-situ and real time quality control in additive manufacturing process
US11268933B2 (en) 2016-10-27 2022-03-08 Jentek Sensors, Inc. In-process quality assessment for additive manufacturing
US20180185959A1 (en) 2017-01-03 2018-07-05 General Electric Company System and methods for fabricating a component based on local thermal conductivity of a build material
CN106872657B (zh) * 2017-01-05 2018-12-14 河海大学 一种多变量水质参数时序数据异常事件检测方法
US10888924B2 (en) 2017-01-27 2021-01-12 Raytheon Technologies Corporation Control for powder fusion
US10747202B2 (en) * 2017-06-30 2020-08-18 General Electric Company Systems and method for advanced additive manufacturing
US10725459B2 (en) * 2017-08-08 2020-07-28 General Electric Company Identifying and distributing optimal machine parameters within a fleet of additive manufacturing machines
US10710159B2 (en) * 2017-09-06 2020-07-14 General Electric Company Apparatus and method for additive manufacturing with real-time and in-situ adjustment of growth parameters
CN107737927A (zh) 2017-09-22 2018-02-27 南京航空航天大学 一种提高激光熔化沉积成形质量的方法
EP3459715A1 (en) 2017-09-26 2019-03-27 Siemens Aktiengesellschaft Method and apparatus for predicting the occurrence and type of defects in an additive manufacturing process
US10809683B2 (en) * 2017-10-26 2020-10-20 General Electric Company Power system model parameter conditioning tool
EP3495904A1 (en) 2017-12-07 2019-06-12 Siemens Aktiengesellschaft Method and apparatus for predicting manufacturing parameters of a product to be manufactured in a 3d-printing process
US11173656B2 (en) * 2018-04-03 2021-11-16 Ivan Li Chuen YEOH Additive manufacturing system using interlinked repeating subunits
CN109284863A (zh) * 2018-09-04 2019-01-29 南京理工大学 一种基于深度神经网络的电力设备温度预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019513577A (ja) * 2016-02-18 2019-05-30 ヴェロ・スリー・ディー・インコーポレイテッド 正確な３次元印刷
CN109483888A (zh) * 2018-12-03 2019-03-19 西安交通大学 一种激光熔覆增材成形在线监测装置及前瞻-反馈控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7471214B2 (ja) 2020-12-25 2024-04-19 株式会社日立製作所 付加製造条件の探索装置

Also Published As

Publication number Publication date
US20200393813A1 (en) 2020-12-17
EP3751367A1 (en) 2020-12-16
JP6989078B2 (ja) 2022-01-05
US11144035B2 (en) 2021-10-12
CN112083650A (zh) 2020-12-15
CN112083650B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
JP6989078B2 (ja) 付加製造機械制御の方法およびシステム
JP7174108B2 (ja) 付加的に製造された部品の微細構造を制御するための付加製造付加製造システム及び方法
CN111315531B (zh) 用于在增材制造操作期间测量辐射热能的系统和方法
KR102454836B1 (ko) 적층 제조 제어 시스템들
Yeung et al. A meltpool prediction based scan strategy for powder bed fusion additive manufacturing
US10747202B2 (en) Systems and method for advanced additive manufacturing
US11027535B2 (en) Systems and method for advanced additive manufacturing
US20170334144A1 (en) Real-time laser control for powder bed fusion
Renken et al. Development of an adaptive, self-learning control concept for an additive manufacturing process
US20190001658A1 (en) Systems and method for advanced additive manufacturing
EP3710187B1 (en) Methods and systems for repairing powder containment structures
Yavari et al. Thermal modeling in metal additive manufacturing using graph theory–Application to laser powder bed fusion of a large volume impeller
US20200242495A1 (en) System and methods for correcting build parameters in an additive manufacturing process based on a thermal model and sensor data
US11772330B2 (en) Tunable system and method for stress resolution in additive manufacturing
CN113118456A (zh) 用于估算3d打印过程中形成的3d打印物体高度的方法和装置，及3d打印系统
US10884394B2 (en) Additive manufacturing machine calibration based on a test-page based object
Scheideler et al. Quality control of additive manufacturing using statistical prediction methods
US20220284154A1 (en) Thermal modeling of additive manufacturing using progressive horizontal subsections
Park et al. Real-Time Melt Pool Homogenization Through Geometry-Informed Control in Laser Powder Bed Fusion Using Reinforcement Learning
WO2024026100A2 (en) Feedforward control of laser powder bed fusion
Pan et al. A high-confidence geometric compensation approach for improving downward surface accuracy
Huang et al. Multi-data-driven model-based control to improve the accuracy of overhang structures in laser powder bed fusion

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200619

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200619

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210622

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210629

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210927

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20211102

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211118

R150 Certificate of patent or registration of utility model

Ref document number: 6989078

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150