JP2021088736A - 品質予測システム - Google Patents
品質予測システム Download PDFInfo
- Publication number
- JP2021088736A JP2021088736A JP2019218783A JP2019218783A JP2021088736A JP 2021088736 A JP2021088736 A JP 2021088736A JP 2019218783 A JP2019218783 A JP 2019218783A JP 2019218783 A JP2019218783 A JP 2019218783A JP 2021088736 A JP2021088736 A JP 2021088736A
- Authority
- JP
- Japan
- Prior art keywords
- modeling
- data
- quality
- modeled object
- posture
- 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
- 238000004519 manufacturing process Methods 0.000 claims abstract description 95
- 238000012549 training Methods 0.000 claims abstract description 31
- 238000000465 moulding Methods 0.000 claims abstract 14
- 239000000843 powder Substances 0.000 claims description 75
- 238000010801 machine learning Methods 0.000 claims description 48
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 29
- 239000000463 material Substances 0.000 claims description 24
- 230000001678 irradiating effect Effects 0.000 claims description 10
- 238000002844 melting Methods 0.000 claims description 8
- 230000008018 melting Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 13
- 230000036544 posture Effects 0.000 description 92
- 229910052751 metal Inorganic materials 0.000 description 26
- 239000002184 metal Substances 0.000 description 26
- 238000007689 inspection Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 11
- 230000003028 elevating effect Effects 0.000 description 6
- 238000003754 machining Methods 0.000 description 6
- 238000000151 deposition Methods 0.000 description 4
- 239000011347 resin Substances 0.000 description 4
- 229920005989 resin Polymers 0.000 description 4
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011261 inert gas Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910001240 Maraging steel Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910001315 Tool steel Inorganic materials 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 229910001026 inconel Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- 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
Abstract
Description
品質予測システムは、粉末床溶融結合方式又は指向性エネルギー堆積方式を採用することにより、3Dの造形物を付加製造する付加製造方法に適用される。本例では、粉末床溶融結合方式のうちのSLMを用いた付加製造装置の場合を例に挙げて説明するが、付加製造装置が粉末床溶融結合方式のうちのEMBを用いても良い。尚、材料粉末については、本例では、金属粉末を例示するが、樹脂粉末であっても良い。
品質予測システム100は、後に詳述する1又は複数の付加製造装置1と、3D造形モデル生成装置2と、検査装置3と、機械学習装置110とを備えて構成される。
付加製造装置1の構成について図面を参照しながら説明する。付加製造装置1は、SLM方式を採用し、層状に配置された材料粉末としての金属粉末Pに光ビームを照射することを繰り返すことによって造形物Wを造形する(製造する)装置である。
付加製造装置1による造形物Wの製造方法について、図2を参照して説明する。粉末供給装置30における供給テーブル32を下方に位置決めした状態で、粉末収納容器31内で金属粉末Pを収納させる。供給テーブル32を上昇させて、所望量の金属粉末Pが粉末収納容器31の開口部から盛り出た状態とする。同時に、造形物支持装置20において、ベース23が昇降テーブル22の上面に取り付けられ、ベース23の上面が、造形用容器21の開口部より僅かに下方に位置するように、昇降テーブル22を位置決めする。
上述したように、付加製造による造形物Wは、光ビームが照射されることにより金属粉末Pが溶融し、その後に溶融した金属粉末Pが固化することで形成される。ところで、金属粉末Pが溶融した後に固化する際、即ち、放熱する際には、造形物Wは僅かながら収縮する。このため、造形物Wには、収縮に伴う変形力が発生する。そして、このような変形力が大きくなると、歪が大きくなって造形物Wの形状精度が悪化したり、割れが発生したりする。ここで、造形物Wの収縮即ち変形力は、金属粉末Pが溶融固化する体積に応じて変化し、溶融固化する体積が大きい程、収縮(変形力)が大きくなる。
サポート部材Sは、ベース23上において、造形物Wの形状精度の確保及び割れの発生を防止して造形物Wを支持するために用いられる。サポート部材Sは、複数のバリエーション(種類)を有する。サポート部材Sは、例えば、図3及び図4に示すように、柱状に設けることができる。又、サポート部材Sは、図5に例を示すように、メッシュ状に設けることができる。更には、サポート部材Sは、図6に示すように、太さを異ならせて設けることができる。尚、サポート部材Sの他の形状について、例えば、特開2019−81923号公報に詳細に開示された形状を採用することができる。
次に、図7を参照しながら、機械学習装置110(図1を参照)の構成を説明する。図7に示すように、機械学習装置110は、学習フェーズを実行可能な学習処理装置210と、推論フェーズを実行可能な品質予測装置220と、データベース230とを備える。ここで、学習処理装置210は、上述した品質予測システム100における第一サーバ111に相当する。又、品質予測装置220は、上述した品質予測システム100における第二サーバ112に相当する。又、データベース230は、付加製造装置1が造形物Wを造形(製造)するごとに得られる造形時データ及び造形品質データを更新可能に記憶して蓄積する。
(8−1.第一例)
機械学習装置110の第一例について、図9A及び図9Bを用いて説明する。第一例の機械学習装置110は、学習済みモデルを用いて予測される造形物Wの造形品質即ち形状精度及び割れの有無に基づいて、造形物Wを造形(製造)する際の造形姿勢を決定する。
上述した第一例においては、評価部224が造形物Wの造形品質が基準品質を満たすと予測される場合の造形姿勢データを決定するようにした。ところで、付加製造においては、造形中において造形物Wを支持するサポート部材Sを複数種類のうちから適切に選択して設定することにより、造形物Wの造形品質をより確実に維持することができる。そこで、第二例においては、第一例と同様に学習済みモデルを用いて予測される造形物Wの造形品質が基準品質を満たす場合に、評価部224が造形姿勢データを決定し且つサポート部材Sを決定する。
上述した第一例においては造形物W(3Dモデル)の造形姿勢を決定し、上述した第二例において造形物W(3Dモデル)の造形姿勢を決定すると共にサポート部材Sを決定するようにした。第三例においては、図11A及び図11Bに示すように第一段階として造形物Wの造形姿勢を決定し、その後、図11C及び図11Dに示すように第二段階として造形姿勢に応じたサポート部材Sを決定する。
品質予測システム100によれば、機械学習装置110が造形姿勢データ(又は/及びサポート種類データ)を含む造形時データ及び造形品質データを訓練データセットとする機械学習を行うことにより学習済みモデルを生成することができる。ここで、生成された学習モデルは、付加製造中における造形物Wの造形姿勢(又は/及びサポート部材S)と造形物Wの造形品質との関係を定義するモデルとなる。そして、品質予測システム100は、生成された学習済みモデルと、新たに造形物Wを製造する際の造形時データとに基づいて造形物Wの造形品質を予測することができる。この場合、品質予測システム100は、造形時データに含まれる造形姿勢データ(又は/及びサポート種類データ)をパラメータとして変化させることにより、造形姿勢(又は/及びサポート部材S)に応じた造形物Wの複数の造形品質を予測することができる。
上記説明においては、材料粉末を金属粉末Pとした。しかし、材料粉末としては、例えば、樹脂材料を用いても良い。樹脂材料を用いる場合、付加製造として、上記説明のような粉末床溶融結合方式の付加製造装置を用いて造形物を製造することに代えて、例えば、溶剤に溶解した樹脂材料を噴出させて造形物を造形(製造)するインクジェット方式を用いることもできる。
Claims (13)
- 材料粉末に光ビームを照射し、前記材料粉末を溶融固化することによって、造形物を製造する付加製造装置に適用され、
前記造形物を製造した際にベースに対する造形姿勢を表す造形姿勢データを含む造形時データと製造された前記造形物の品質を表す造形品質データとを訓練データセットとする機械学習を行うことにより生成された学習済みモデルを記憶する学習済みモデル記憶部と、
前記学習済みモデルと新たに前記造形物を製造する際に用いる前記造形時データとを用いて、前記造形姿勢データをパラメータとして変化させた場合における各々の前記造形物の前記品質を予測する品質予測部と、
を備える、品質予測システム。 - 予測された各々の前記造形物の前記品質について、予め設定された基準品質を満たす前記品質に対応する前記造形姿勢を評価する評価部を備えた、請求項1に記載の品質予測システム。
- 前記造形時データは、前記造形物の製造時に前記ベース上にて前記造形物を支持する複数種類のサポート部材を識別するサポート種類データを含んでおり、
前記品質予測部は、前記造形時データに含まれる前記造形姿勢データ及び前記サポート種類データをパラメータとして変化させた場合における各々の前記造形物の前記品質を予測する、請求項1又は2に記載の品質予測システム。 - 予測された各々の前記造形物の前記品質について、予め設定された基準品質を満たす前記品質に対応する前記造形姿勢及び前記サポート部材を評価する評価部を備えた、請求項3に記載の品質予測システム。
- 前記評価部による評価結果に対応する前記造形時データを出力する出力部を備え、
前記付加製造装置は、前記出力部から出力された前記造形時データを用いることにより、新たに前記造形物を製造する、請求項2又は4に記載の品質予測システム。 - 前記出力部は、前記造形物の形状及び前記造形物の製造時に前記ベース上にて前記造形物を支持するサポート部材の形状を表す3Dモデルデータを生成する3D造形モデル生成装置に前記評価結果に対応する前記造形時データを出力する、請求項5に記載の品質予測システム。
- 前記出力部は、前記3D造形モデル生成装置に前記品質予測部による予測結果に対応する前記造形時データを出力する、請求項6に記載の品質予測システム。
- 前記造形時データは、前記造形物を製造する際の造形条件データを含み、
前記造形条件データは、レーザ出力、走査速度、走査ピッチ、照射スポット径、積層厚み、前記材料粉末の種類の少なくとも一つを含む、請求項1−7のうちの何れか一項に記載の品質予測システム。 - 前記造形姿勢データは、前記造形物における基準軸線回りの第一角度、前記基準軸線に直交する第一軸線回りの第二角度、及び、前記基準軸線及び前記第一軸線に直交する第二軸線回りの第三角度の何れかを用いて表される請求項1−8のうちの何れか一項に記載の品質予測システム。
- 前記品質は、前記造形物の製造後形状と基準形状との形状誤差を用いて表される形状精度、及び、前記造形物における割れの有無の何れかを含む、請求項1−9のうちの何れか一項に記載の品質予測システム。
- 前記品質予測システムは、
前記造形姿勢データを含む前記造形時データと前記造形品質データとを訓練データセットとする機械学習を行うことにより前記学習済みモデルを生成し、生成した前記学習済みモデルを前記学習済みモデル記憶部に記憶する学習済みモデル生成部を備える、請求項1−10のうちの何れか一項に記載の品質予測システム。 - 前記学習済みモデル生成部は、
前記付加製造装置によって新たに製造された前記造形物についての前記造形時データ及び前記造形品質データを前記訓練データセットとする機械学習を行うことにより、前記学習済みモデルを更新する、請求項11に記載の品質予測システム。 - 材料粉末に光ビームを照射し、前記材料粉末を溶融固化することによって、造形物を製造する付加製造装置に適用され、
前記造形物を製造した際における造形姿勢を表す造形姿勢データを含む造形時データと製造された前記造形物の品質を表す造形品質データとを訓練データセットとする機械学習を行うことにより前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデルと新たに前記造形物を製造する際に用いる前記造形時データとを用いて、前記造形時データに含まれる前記造形姿勢データをパラメータとして変化させた複数の場合における前記造形物の品質を予測する品質予測部と、
予測された複数の品質について、予め設定された基準品質を満たす品質に対応する前記造形姿勢を評価する評価部と、
を備える、品質予測システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019218783A JP7404833B2 (ja) | 2019-12-03 | 2019-12-03 | 品質予測システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019218783A JP7404833B2 (ja) | 2019-12-03 | 2019-12-03 | 品質予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021088736A true JP2021088736A (ja) | 2021-06-10 |
JP7404833B2 JP7404833B2 (ja) | 2023-12-26 |
Family
ID=76219440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019218783A Active JP7404833B2 (ja) | 2019-12-03 | 2019-12-03 | 品質予測システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7404833B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023127321A1 (ja) * | 2021-12-28 | 2023-07-06 | 株式会社日立製作所 | 付加製造条件探索装置、および、付加製造条件探索方法 |
WO2023163467A1 (ko) * | 2022-02-22 | 2023-08-31 | 주식회사 탑테이블 | 식료품을 인쇄하는 3d 프린터의 인쇄 품질을 예측하는 방법 및 장치 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5615668B2 (ja) | 2010-11-01 | 2014-10-29 | 株式会社キーエンス | 三次元造形装置用の設定データ作成装置、三次元造形装置用の設定データ作成方法及び三次元造形装置用の設定データ作成プログラム並びにコンピュータで読み取り可能な記録媒体 |
EP3014369B1 (en) | 2013-06-26 | 2020-01-08 | Renishaw PLC | Method and apparatus for generating geometric data for use in additive manufacturing |
JP7027221B2 (ja) | 2018-03-29 | 2022-03-01 | 三菱重工業株式会社 | 造形データ生成システム及び造形データ生成方法 |
JP2020015944A (ja) | 2018-07-25 | 2020-01-30 | 株式会社ジェイテクト | 付加製造用学習モデル生成装置、付加製造による造形物の製造条件決定装置および付加製造による造形物の状態推定装置 |
JP2021037716A (ja) | 2019-09-04 | 2021-03-11 | 株式会社荏原製作所 | 機械学習装置、am装置、機械学習方法、および学習モデルの生成方法 |
-
2019
- 2019-12-03 JP JP2019218783A patent/JP7404833B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023127321A1 (ja) * | 2021-12-28 | 2023-07-06 | 株式会社日立製作所 | 付加製造条件探索装置、および、付加製造条件探索方法 |
WO2023163467A1 (ko) * | 2022-02-22 | 2023-08-31 | 주식회사 탑테이블 | 식료품을 인쇄하는 3d 프린터의 인쇄 품질을 예측하는 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP7404833B2 (ja) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6556174B2 (ja) | レーザ粉末ベッド付加製造の多変量統計的プロセス管理 | |
US10921782B2 (en) | Real-time adaptive control of additive manufacturing processes using machine learning | |
US11945031B2 (en) | Laminated molded object production method and production device | |
CN110366463B (zh) | 用于控制增材制造的部件的微结构的系统和方法 | |
JP2020015944A (ja) | 付加製造用学習モデル生成装置、付加製造による造形物の製造条件決定装置および付加製造による造形物の状態推定装置 | |
Ding et al. | Process planning strategy for wire and arc additive manufacturing | |
US11537111B2 (en) | Methods and apparatus for 2-D and 3-D scanning path visualization | |
JP7206895B2 (ja) | 付加製造装置及び付加製造方法 | |
Urbanic et al. | A process planning framework and virtual representation for bead-based additive manufacturing processes | |
JP7404833B2 (ja) | 品質予測システム | |
CN112512729B (zh) | 用于确定针对增材制造方法的构造规范的方法 | |
JP2021009126A (ja) | 付加製造物の品質推定装置 | |
Wegener et al. | A conceptual vision for a bio-intelligent manufacturing cell for Selective Laser Melting | |
JP7197437B2 (ja) | 積層造形物の積層計画方法、積層造形物の製造方法及び製造装置 | |
Mazzucato et al. | Recent advances toward the industrialization of metal additive manufacturing | |
Campocasso et al. | A framework for future CAM software dedicated to additive manufacturing by multi-axis deposition | |
Feng et al. | Activity model for homogenization of data sets in laser-based powder bed fusion | |
Feng et al. | Fundamental requirements for data representations in laser-based powder bed fusion | |
WO2023042387A1 (ja) | 情報処理装置、計測システム、造形システム、情報処理方法、造形方法及び情報出力装置 | |
WO2023127321A1 (ja) | 付加製造条件探索装置、および、付加製造条件探索方法 | |
Czipin | Parameter Optimisation Study for the Finite-Element Analysis of Wire-Arc Additive Manufacturing | |
WO2021176721A1 (ja) | 数値制御装置および付加製造装置の制御方法 | |
Upadhyay | Fast to run model for thermal fields during metal additive manufacturing simulations | |
Yuan | Realization of the true 3D printing using multi directional wire and arc additive manufacturing | |
JP2022102029A (ja) | 付加製造条件の探索装置、付加製造条件の探索方法および標準サンプル |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20210301 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230912 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231019 |
|
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: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231127 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7404833 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |