WO2024090024A1 - 造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラム - Google Patents

造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラム Download PDF

Info

Publication number
WO2024090024A1
WO2024090024A1 PCT/JP2023/031657 JP2023031657W WO2024090024A1 WO 2024090024 A1 WO2024090024 A1 WO 2024090024A1 JP 2023031657 W JP2023031657 W JP 2023031657W WO 2024090024 A1 WO2024090024 A1 WO 2024090024A1
Authority
WO
WIPO (PCT)
Prior art keywords
defect
support information
modeling
generating
shape model
Prior art date
Application number
PCT/JP2023/031657
Other languages
English (en)
French (fr)
Inventor
翔太 椿
Original Assignee
株式会社神戸製鋼所
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 株式会社神戸製鋼所 filed Critical 株式会社神戸製鋼所
Publication of WO2024090024A1 publication Critical patent/WO2024090024A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/04—Welding for other purposes than joining, e.g. built-up welding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • 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

Definitions

  • the present invention relates to a modeling support information generating method and a modeling support information generating device, a modeling support method and a modeling support device, and a program.
  • Metal additive manufacturing is known as one of the metal processing techniques known as additive manufacturing.
  • a shape model based on 3D data from 3D-CAD or other sources is sliced to a specified thickness to form divided layers with weld beads, and the resulting bead layers are then stacked to create a 3D additive object.
  • the modeled shape is measured with a sensor, and the modeling conditions for the next layer to be formed are adjusted according to the measurement results, improving the quality of the additive object.
  • Patent Document 1 In quality control of such additively manufactured objects, a technology is disclosed in Patent Document 1 in which data measured by a sensor during the manufacturing process is associated with load information and force flow information, and the sensor measurement values are classified and evaluated in terms of their impact on quality.
  • Patent Document 1 identifies high-stress areas based on load information such as von Mises stress, and evaluates the impact of the defects by comparing them with the locations where sensor values that are detrimental to quality occur.
  • this method does not directly evaluate quality, such as the size of the actual defects that occur, but merely extracts events that are expected to be detrimental to quality from the sensor values.
  • converting the above-mentioned load information and sensor value information into the quality of the molded object is a heavy burden, and is particularly unrealistic in sites where additive manufacturing is performed.
  • the present invention aims to provide a modeling support information generation method, a modeling support method, a modeling support information generation device, a modeling support device, and a program that can easily evaluate whether defects that occur are harmful or not, even at the site where additive manufacturing is performed.
  • the present invention comprises the following configurations.
  • a method for generating modeling support information that supports generation of modeling support information including information on defects that may occur in an object to be manufactured by additive manufacturing comprising the steps of: acquiring a shape model of the object and a stress analysis condition for a stress acting on the object; executing a stress analysis based on the shape model and the stress analysis conditions; determining a tolerance limit dimension of the defect for each location of the shape model according to a result of the stress analysis; generating the modeling support information including a distribution image representing a distribution of the allowable limit dimension in a specific region of the shape model; Method for generating modeling support information.
  • a modeling support information generation device that supports generation of modeling support information including information on defects that may occur in a modeled object to be manufactured by additive manufacturing, comprising: an information acquisition unit that acquires a shape model of the object and a stress analysis condition of the stress acting on the object; an analysis unit that executes a stress analysis based on the shape model and the stress analysis conditions; a tolerance calculation unit that calculates a tolerance dimension of the defect for each location of the shape model according to a result of the stress analysis; an image information generating unit that generates the modeling support information including a distribution image representing a distribution of the allowable limit dimension in a specific region of the shape model;
  • a modeling support information generating device comprising: (4) A program for realizing a modeling support information generating function for supporting generation of modeling support information including information on defects that may occur in a modeled object to be manufactured by additive manufacturing, comprising: On the computer, a function of acquiring a shape model of the object and a stress analysis condition of the stress acting on the object; a function of executing a stress analysis
  • the present invention makes it easy to evaluate whether defects that occur are harmful or harmless, even at additive manufacturing sites.
  • FIG. 1 is a functional block diagram of a modeling support information generating apparatus.
  • FIG. 2 is a diagram showing the overall configuration of the layered manufacturing apparatus.
  • FIG. 3 is a flowchart showing a procedure for generating the modeling support information and correcting the modeling plan.
  • FIG. 4 is an explanatory diagram showing a shape model of a shaped object.
  • FIG. 5 is an explanatory diagram showing a geometric model divided into meshes.
  • FIG. 6 is a contour diagram of stress distribution showing an example of the stress analysis result.
  • FIG. 7 is an explanatory diagram showing an analytical model of a buried crack.
  • FIG. 8 is an explanatory diagram showing a distribution image representing the distribution of the allowable limit dimensions.
  • FIG. 1 is a functional block diagram of a modeling support information generating apparatus.
  • FIG. 2 is a diagram showing the overall configuration of the layered manufacturing apparatus.
  • FIG. 3 is a flowchart showing a procedure for generating the modeling support information and correcting the modeling plan.
  • FIG. 9 is an explanatory diagram showing a procedure for generating a composite image by combining a distribution image and defect information.
  • FIG. 10 is an explanatory diagram showing an example of a composite image including defect information.
  • FIG. 11 is an explanatory diagram showing the depth positions of defects detected by the defect detection unit.
  • the modeling support information generating method described here is a method for supporting the generation of modeling support information including information on defects that may occur in an object to be additively manufactured, and converts the information on defects in the object into a form that is easier for users to understand by using stress analysis results. This makes it easier for users to review and correct modeling plans, and enables them to more accurately manufacture a desired model shape.
  • FIG. 1 is a functional block diagram of the modeling support information generating device 100.
  • the modeling support information generating device 100 includes an information acquisition unit 11, an analysis unit 13, an allowable limit calculation unit 15, an image information generating unit 17, and a defect detection unit 19. The details of each unit will be described later, but the functions are outlined as follows.
  • the information acquisition unit 11 acquires a shape model of the object and stress analysis conditions for the stress acting on the object.
  • the analysis unit 13 executes stress analysis based on the shape model and the stress analysis conditions.
  • the allowable limit calculation unit 15 determines the allowable limit dimensions of defects for each location on the shape model according to the results of the stress analysis by the analysis unit 13.
  • the image information generation unit 17 generates modeling support information including a distribution image showing the distribution of the allowable limit dimensions in a specific area of the shape model.
  • the defect detection unit 19 detects defects contained in the object actually produced by additive manufacturing.
  • the modeling support information generated by the modeling support information generating device 100 is output as, for example, display image information.
  • a display device 21 such as a monitor or display board
  • the user is notified of defect information occurring in the model. This makes it easier to visually identify areas in the model to be modeled that are weak or strong in terms of structural strength due to defects.
  • a composite image may be generated by combining the above-mentioned distribution image with the defect detection result from the defect detection unit 19 or the defect prediction result from the analysis unit (defect prediction unit) 13, and this composite image may be displayed on the display device 21. In this case, the user can easily visually determine whether the detected or predicted defect exceeds the allowable limit.
  • the additive manufacturing information generating device 100 and the additive manufacturing device 150 support the work of creating or modifying a modeling plan for an object when additive manufacturing an object using an additive manufacturing device.
  • the additive manufacturing apparatus 200 includes a modeling unit 31 and a modeling control unit 33 that controls the modeling unit 31.
  • the modeling support information generating device 100 may be connected to the modeling control unit 33 to configure a part of the additive manufacturing apparatus 200, or may be provided separately from the additive manufacturing apparatus 200 and connected to the modeling control unit 33 via communication such as a network or a storage medium.
  • the molding unit 31 includes a manipulator 37, a filler metal supply unit 39, a manipulator control unit 41, and a heat source control unit 43.
  • the manipulator control unit 41 controls the manipulator 37 and the heat source control unit 43.
  • a controller (not shown) is connected to the manipulator control unit 41. By operating the controller, the user can instruct the manipulator control unit 41 to perform any operation.
  • the manipulator 37 is, for example, a multi-joint robot, and the torch 35 attached to the tip shaft supports the filler material M so that it can be continuously supplied.
  • the torch 35 holds the filler material M protruding from the tip.
  • the position and posture of the torch 35 can be set arbitrarily in three dimensions within the range of the degrees of freedom of the robot arm that constitutes the manipulator 37.
  • the manipulator 37 has six or more degrees of freedom, and is preferably one that can arbitrarily change the axial direction of the heat source at the tip.
  • the manipulator 37 may take various forms, such as a multi-joint robot with four or more axes as shown in FIG. 2, or a robot equipped with angle adjustment mechanisms for two or more orthogonal axes.
  • the torch 35 has a shield nozzle (not shown), and shielding gas is supplied from the shield nozzle.
  • the shielding gas blocks the atmosphere and prevents oxidation and nitridation of the molten metal during welding, thereby suppressing poor welding.
  • the arc welding method used in this configuration may be either a consumable electrode type such as shielded metal arc welding or carbon dioxide gas arc welding, or a non-consumable electrode type such as TIG (Tungsten Inert Gas) welding or plasma arc welding, and is selected appropriately depending on the object to be formed.
  • TIG Transmissionungsten Inert Gas
  • plasma arc welding gas metal arc welding is used as an example.
  • a contact tip is placed inside the shield nozzle, and a filler material M to which current is supplied is held by the contact tip. While holding the filler material M, the torch 35 generates an arc from the tip of the filler material M in a shielding gas atmosphere.
  • the filler metal supply unit 39 supplies the filler metal M towards the torch 35.
  • the filler metal supply unit 39 includes a reel 39a on which the filler metal M is wound, and a pay-out mechanism 39b that pays out the filler metal M from the reel 39a.
  • the filler metal M is fed to the torch 35 by the pay-out mechanism 39b while being sent in the forward or reverse direction as necessary.
  • the pay-out mechanism 39b is not limited to a push type that is disposed on the filler metal supply unit 39 side and pushes out the filler metal M, but may also be a pull type or a push-pull type that is disposed on a robot arm or the like.
  • the heat source control unit 43 is a welding power source that supplies the power required for welding by the manipulator 37.
  • the heat source control unit 43 adjusts the welding current and welding voltage supplied when forming a bead by melting and solidifying the filler metal M.
  • the filler metal supply speed of the filler metal supply unit 39 is adjusted in conjunction with the welding conditions, such as the welding current and welding voltage, set by the heat source control unit 43.
  • the heat source for melting the filler material M is not limited to the arc described above.
  • other heat sources may be used, such as a heating method that combines an arc and a laser, a heating method that uses plasma, or a heating method that uses an electron beam or laser.
  • the amount of heat can be controlled more precisely, and the state of the weld bead to be formed can be more appropriately maintained, contributing to further improving the quality of the additive manufacturing product.
  • the material of the filler material M is not particularly limited, and the type of filler material M used may vary depending on the characteristics of the molded product Wk, such as mild steel, high-tensile steel, aluminum, aluminum alloy, nickel, or nickel-based alloy.
  • the modeling control unit 33 controls all of the above-mentioned units.
  • the additive manufacturing device 200 configured as described above operates according to a modeling program created based on a modeling plan for the object Wk.
  • the modeling program is composed of a large number of command codes, and is created based on an appropriate algorithm depending on various conditions such as the shape, material, and heat input of the object Wk.
  • a linear weld bead B which is a molten solidified body of the filler material M, is formed on the base 45.
  • the manipulator control unit 41 drives the manipulator 37 and the heat source control unit 43 based on a predetermined program provided from the modeling control unit 33.
  • the manipulator 37 moves the torch 35 while melting the filler material M with an arc, according to a command from the manipulator control unit 41, to form the weld bead B.
  • the processing position is moved along a preset modeling path, and a bead is formed by adding molten processing material, filler metal M, to the surface to be modeled.
  • a model Wk of the desired shape is obtained.
  • the modeling control unit 33 receives modeling support information output from the modeling support information generating device 100 and the modeling support device 150.
  • This modeling support information includes the modeling plan and modeling program information described above.
  • the modeling control unit 33 replaces or modifies the prepared modeling program according to the input modeling support information, and drives each part of the modeling unit 31 to perform additive modeling.
  • the modeling support information generating device 100 and the modeling support device 150 are configured by hardware using an information processing device such as a PC (Personal Computer). Each function of the modeling support information generating device 100 and the modeling support device 150 is realized by a control unit (not shown) reading out a program having a specific function stored in a storage device (not shown) and executing the program. Examples of the control unit include a processor such as a CPU (Central Processing Unit) or an MPU (Micro Processor Unit), or a dedicated circuit.
  • a CPU Central Processing Unit
  • MPU Micro Processor Unit
  • Examples of the storage device include memory such as RAM (Random Access Memory), which is a volatile storage area connected to the processor, and ROM (Read Only Memory), which is a non-volatile storage area, as well as storage such as HDD (Hard Disk Drive) and SSD (Solid State Drive).
  • RAM Random Access Memory
  • ROM Read Only Memory
  • HDD Hard Disk Drive
  • SSD Solid State Drive
  • the modeling support information generating device 100 and the modeling support device 150 may be configured by another computer that is connected to the modeling control unit 33 from a remote location via a network or the like as described above, or may be configured by a computer that is not connected to the modeling control unit 33.
  • the information acquisition unit 11 acquires information on a shape model representing a predicted shape or a target shape of the object Wk formed by a weld bead, a modeling plan for additive manufacturing of the object Wk, and stress analysis conditions (to be described later) (S1).
  • shape model for example, shape data of a three-dimensional CAD can be used. If a modeling plan has not been created, a modeling plan for additive manufacturing of the object Wk is created using a known algorithm in accordance with the shape model and the welding conditions by the modeling unit 31.
  • the analysis unit 13 performs stress analysis based on the stress analysis conditions using the shape model acquired by the information acquisition unit 11 (S2).
  • This stress analysis includes various types of stress analysis, such as analysis of residual stress caused mainly by thermal distortion introduced when additively manufacturing the object Wk, and analysis of stress caused by loads expected to occur in the use state of the object Wk when it is commercialized.
  • the shape model may have a smooth surface after cutting after additive manufacturing, or may have irregularities caused by the weld beads that are layered. If the shape model includes irregularities from the weld beads, the irregularities act as defects such as surface cracks, allowing for a safer evaluation. In particular, it allows for a more appropriate evaluation of components whose surfaces cannot be smoothed by cutting, such as the internal spaces of the object (e.g., internal flow paths, etc.).
  • the above stress analysis conditions include various conditions required for stress analysis, such as 3D mesh division conditions for FEM analysis of the geometric model, constraint conditions, load conditions, and physical property conditions.
  • FIG. 4 is an explanatory diagram showing the shape model MD of the object
  • FIG. 5 is an explanatory diagram showing the mesh-divided shape model MD.
  • the analysis unit 13 divides the shape model MD of the object shown in FIG. 4 into meshes as shown in FIG. 5, and performs stress analysis based on the set stress analysis conditions.
  • Figure 6 is a contour diagram of stress distribution showing an example of the results of stress analysis.
  • the results are shown for only half of the horizontal area, taking advantage of the symmetry of the shape of the object, but the stress analysis is a three-dimensional stress analysis using a shape model to determine the stress distribution in any cross section.
  • Fig. 7 is an explanatory diagram showing an analytical model of a buried crack.
  • the load stress ⁇ a is set to only one axis direction.
  • the stress intensity factor K acting on the crack Cr has the relationship between the load stress ⁇ a and the defect size a (a: equivalent circle diameter of the crack Ck) as shown in formula (1).
  • Fa is a non-dimensional constant that depends on the crack size ratio and the load type.
  • the lower limit value ⁇ k th of the stress intensity factor variation range may be determined in advance for each material used and each structure to be manufactured. For example, a value obtained by subjecting a test specimen of the molded object to a fatigue crack growth test may be used, or a value predicted from past molding results may be used. Note that the test specimen may be prepared by manufacturing a block test specimen with the same material and welding conditions for the filler metal M used in the object to be molded, and cutting out a portion containing a defect from the block test specimen.
  • the non-dimensional constant Fa is a value that is set according to the shape of the defect, and can be set by referring to known standards (for example, in the case of welded structures, the Japan Welding Engineering Society standard WES2805 (2011)).
  • the depth h from the surface of the test specimen to the position of the crack is taken into account in the non-dimensional constant Fa. From the above, if the type of defect (for example, buried crack, surface crack) is identified and the acting stress is determined, the allowable limit dimension of the defect can be identified for each location using equation (2).
  • the image information generating unit 17 generates a distribution image that visualizes the distribution of the determined allowable limit dimensions, and displays the distribution image on the display device 21 (S4).
  • the distribution of the allowable limit dimensions calculated using the stress values determined by the stress analysis is displayed superimposed on the shape model.
  • FIG. 8 is an explanatory diagram showing a distribution image representing the distribution of the allowable limit dimensions.
  • the allowable limit dimensions at each location on the molded object can be calculated from the stress values obtained by stress analysis and formula (2).
  • the image information generating unit 17 classifies the allowable limit dimension values into multiple stages and generates a distribution image that distinguishes each stage. For example, a certain guideline such as 2 mm, 3 mm, and 4 mm is specified as the allowable limit dimensions, and a boundary line of an area corresponding to each guideline is generated.
  • a contour image may be generated in which the same area is displayed in color or shade using a pre-specified color or density. By generating a contour image in which the allowable limit dimensions are divided into multiple stages by color, visibility for the user can be improved.
  • the distribution image may be an emphasis image that emphasizes areas where the value of the allowable limit dimension is smaller than a predetermined threshold value. For example, only the areas where the allowable limit dimension is equal to or less than a predetermined value may be extracted, and the areas may be displayed with a different color or density so that they can be easily distinguished from other areas, or may be displayed on the display device 21 in a noticeable form, such as blinking. This makes it easier for the user to grasp areas where defects are particularly likely to occur.
  • the generated distribution image may be displayed superimposed on a shape model of the object or a mesh-divided model, or on a predicted shape model that represents the predicted shape of the object divided into each layer of weld beads.
  • the allowable defect dimensions can be visually and easily grasped while referring to the size and arrangement of the layered weld beads, allowing for smooth review and correction of the molding conditions.
  • the display format of the distribution image of the allowable limit dimensions is not particularly limited.
  • a contour image may be displayed for a cross section at a specified depth h [mm] from the inspection surface for the defect detection, or for a cross section having an axis in the depth direction.
  • the distribution image may also be multiple images generated by classifying each defect type. By generating a distribution image for each defect type, different judgment criteria can be set for each defect, making it possible to more accurately judge whether a defect is harmful or harmless. Types of defects include surface cracks and internal cracks, and it is preferable to distinguish between these and evaluate them.
  • the defect detection unit 19 creates a block test piece under the same conditions as those for the object to be additively manufactured, and detects defects that occur in the block test piece.
  • the defect detection procedure involves, for example, bringing a phased array probe into contact with the inspection surface, and detecting the size and position (depth) of defects in the block test piece using a vertical inspection method or an angle inspection method.
  • Types of defects that can be detected include blowholes, poor penetration, internal cracks, surface cracks, undercuts, and poor fusion. Note that while the above example shows defect detection using ultrasonic inspection, other methods such as magnetic inspection and eddy current inspection may also be used.
  • the defect detection unit 19 outputs the defect information of the defect detection results described above to the image information generation unit 17. Meanwhile, the tolerance limit calculation unit 15 outputs information on the determined defect tolerance limit dimensions to the image information generation unit 17.
  • the image information generation unit 17 generates a composite image 59 by incorporating the defect information 57 from the defect detection unit 19 into a distribution image 55 that visualizes the distribution of the tolerance limit dimensions from the tolerance limit calculation unit 15.
  • the distribution image 55 of the allowable limit dimensions is a two-dimensional image showing the distribution of the allowable limit dimensions in a specific region (any surface or cross section) in the shape model of the object to be analyzed, with coordinate axes i, j.
  • the output from the defect detection unit 19 includes information on the coordinates and size of the detected defects. Since the coordinate system of the defect information output from the defect detection unit 19 is different from the coordinate system of the distribution image 55, the image information generation unit 17 converts the defect information output from the defect detection unit 19 into the coordinate system (i, j) of the distribution image 55. In this way, a composite image 59 is generated by superimposing defect information 57 of the detected defect and the defect position Pd(i, j) on the image position of the distribution image 55.
  • FIG. 10 is an explanatory diagram showing an example of a composite image 59 including defect information.
  • this composite image 59 the detection position of the defect and a contour diagram of a distribution image of the allowable limit dimension are superimposed in the same coordinate system.
  • the detected defect is represented in the composite image 59 by the color or density of the allowable limit dimension corresponding to the size of the defect. In this case, it is possible to clearly determine from the composite image 59 whether the detected defect exceeds the allowable limit dimension at the defect position Pd(i,j) (S5).
  • the modeling conditions are changed (S6), and a new modeling plan is created. If the size is equal to or smaller than the allowable limit dimension around the defect, it is determined to be a harmless defect, and the set modeling plan is determined to be the modeling plan to be used for additive manufacturing (S7).
  • the image information generation unit 17 generates a composite image by combining the distribution image of the allowable limit dimensions in the cross section of the block test piece 61 and the defect information, and displays it on the display device 21. Alternatively, it outputs it to another device as image information for display.
  • the image information generation unit 17 may generate a two-dimensional composite image (not shown) for the surface (cross section area shown by the dashed line area Ac) at the depth H where the defect Pd was detected, and compare the distribution of the allowable limit dimensions at the depth H with the size of the defect to determine whether the defect is harmful or harmless.
  • the position of the composite image set on the block test piece 61 can be set on any surface as necessary. This allows the information required for defect evaluation to be freely and selectively extracted.
  • the results of flaw detection inspections performed on the detection surface during additive manufacturing can be easily reflected on the geometric model, making it easier to determine whether the measured defects are harmful or not.
  • the defect information is not limited to being detected by the defect detection unit 19 as described above.
  • the analysis unit 13 is made to function as a defect prediction unit, and the defect prediction result is output to the image information generation unit 17.
  • the image information generation unit 17 generates a composite image by combining this predicted defect information (size and position of the defect) with a distribution image of the allowable limit dimensions, making it possible to determine whether the defect is harmful or harmless, and to confirm the suitability of the modeling plan.
  • both the defect prediction result by the defect prediction unit and the defect detection result by the defect detection unit 19 may be included in the composite image. In that case, defects can be evaluated from the perspectives of both actual measurement and prediction, and modeling plans that suppress the occurrence of defects can be more reliably realized.
  • the modeling support information generating device of this configuration makes it easy to evaluate whether defects that occur are harmful or harmless at the site where additive manufacturing is carried out.
  • a method for generating modeling support information that supports generation of modeling support information including information on defects that may occur in an object to be manufactured by additive manufacturing comprising the steps of: acquiring a shape model of the object and a stress analysis condition for a stress acting on the object; executing a stress analysis based on the shape model and the stress analysis conditions; determining a tolerance limit dimension of the defect for each location of the shape model according to a result of the stress analysis; generating the modeling support information including a distribution image representing a distribution of the allowable limit dimension in a specific region of the shape model; Method for generating modeling support information.
  • the allowable limit dimensions of defects are calculated in accordance with the results of stress analysis based on a shape model of the object, and the distribution of these allowable limit dimensions is generated as a distribution image.
  • This distribution image makes it easier to identify areas that are weak and strong against defects in terms of structural strength.
  • the method for generating modeling support information described in (1) further comprising the steps of: generating a synthetic image by superimposing, on the distribution image, at least one of information on the detection results of defect positions and defect dimensions of defects contained in the additively manufactured object and information on the prediction results of defect positions and defect dimensions of defects predicted to occur in the object by the stress analysis, at an image position corresponding to the defect positions.
  • a composite image can be generated in which at least one of a defect detection result and a defect prediction result is superimposed on a distribution image, which makes it easy to compare defect information with allowable limit dimensions.
  • the distribution image includes a plurality of images generated by classifying the defects according to their types,
  • the specific region of the shape model is within a plane including a depth position of the shape model corresponding to a depth of a defect detection position of the object
  • a composite image is generated by overlaying information on the defect dimensions of a defect onto a distribution image of the allowable limit dimensions within a plane at a depth position corresponding to the defect detection position of a shape model, and the composite image makes it clear whether the defect exceeds the allowable limit dimensions.
  • the object is formed by repeatedly stacking laminar bead layers using a weld bead formed by adding a molten processing material to a surface to be modeled while moving a processing position along a preset modeling path;
  • the method for generating modeling support information according to any one of (1) to (6), wherein the shape model is a predicted shape of the object to be formed by the weld bead.
  • this method for generating modeling support information information for supporting modeling when a model is formed by stacking weld beads is generated.
  • a modeling support information generation device that supports generation of modeling support information including information on defects that may occur in a modeled object to be manufactured by additive manufacturing, comprising: an information acquisition unit that acquires a shape model of the object and a stress analysis condition of the stress acting on the object; an analysis unit that executes a stress analysis based on the shape model and the stress analysis conditions; a tolerance calculation unit that calculates a tolerance dimension of the defect for each location of the shape model according to a result of the stress analysis; an image information generating unit that generates the modeling support information including a distribution image representing a distribution of the allowable limit dimension in a specific region of the shape model;
  • a modeling support information generating device comprising: According to this modeling support information generating device, the allowable limit dimensions of defects are calculated in accordance with the results of stress analysis based on a shape model of the object, and the distribution of these allowable limit dimensions is generated as a distribution image, which makes it easier to identify areas that are weak and strong against defects in terms of structural strength.
  • a defect detection unit that detects a defect included in the object produced by the additive manufacturing; and a defect prediction unit that predicts defects that will occur in the object by stress analysis; Equipped with The modeling support information generating device described in (9), wherein the image information generating unit generates a synthetic image by overlaying defect information including a defect type and a defect position obtained from at least one of the defect detection unit or the defect prediction unit on the distribution image in correspondence with the defect position.
  • a composite image can be generated in which at least one of a defect detection result and a defect prediction result is superimposed on a distribution image, which makes it easy to compare defect information with allowable limit dimensions.
  • a modeling support information generating apparatus according to (9) or (10), a display device for displaying the generated modeling support information;
  • a modeling support device comprising: According to this shaping support device, the generated shaping support information is displayed on a display device, so that the user can easily visually understand the shaping support information.
  • a program for realizing a modeling support information generating function for supporting generation of modeling support information including information on defects that may occur in a modeled object to be manufactured by additive manufacturing comprising: On the computer, a function of acquiring a shape model of the object and a stress analysis condition of the stress acting on the object; a function of executing a stress analysis based on the shape model and the stress analysis conditions; a function of determining an allowable limit dimension of the defect for each location of the shape model according to a result of the stress analysis; a function of generating the modeling support information including a distribution image representing a distribution of the allowable limit dimension in a specific region of the shape model; A program to achieve this.
  • the allowable limit dimensions of defects are determined in accordance with the results of stress analysis based on a geometric model of the object, and the distribution of these allowable limit dimensions is generated as a distribution image.
  • This distribution image makes it easier to identify areas that are weak and strong against defects in terms of structural strength.
  • the program according to (12), includes: a function of detecting defects contained in the object produced by the additive manufacturing process; and A function of predicting defects occurring in the object by stress analysis; a function of generating a composite image by superimposing defect information, including defect types and defect positions obtained from at least one of the defect detection result and the defect prediction result, on the distribution image in correspondence with the defect positions; A program to further realize this goal.
  • This program can generate a composite image in which at least one of the defect detection results and the defect prediction results is superimposed on a distribution image, making it easier to compare defect information with the tolerance limit dimensions.
  • the program according to (12) or (13), includes: Further, a program for realizing a function of displaying the generated modeling support information on a display device. According to this program, the generated shaping support information is displayed on a display device, so that the user can easily visually understand the shaping support information.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Plasma & Fusion (AREA)

Abstract

積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成方法は、造形物の形状モデルと造形物に作用する応力の応力解析条件とを取得し、形状モデルと応力解析条件に基づいて応力解析を実行し、応力解析の結果に応じて、形状モデルの場所毎に欠陥の許容限界寸法を求め、形状モデルの特定の領域における許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する。

Description

造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラム
　本発明は、造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラムに関する。
　アディティブマニュファクチャリング(Additive Manufacturing)と呼ばれる金属加工技術の一つとして、金属積層造形技術が知られている。この金属積層造形技術では、３Ｄ－ＣＡＤ等の３次元データを基づく形状モデルを所定の厚さにスライスした分割層を溶接ビードで形成し、得られたビード層を積み重ねることで、３次元の積層造形物の製造を可能にする。また、積層造形物の製造途中で、造形された形状をセンサにより計測し、その計測結果に応じて次に形成する層等に対する造形条件を調整して、積層造形物の品質を高めることも行われている。
　このような積層造形物の品質管理において、造形途中にセンサで計測されるデータを、負荷情報と力流情報とに対応させ、センサによる計測値を品質に対する影響の観点で分類、判定する技術が特許文献１に開示されている。
日本国特開２０１９－１９４０３１号公報
　積層造形物は複雑な形状を実現できる一方で、形状が複雑であるがゆえに造形物に発生した欠陥が有害か無害か判定することの難易度が高い。特許文献１が開示する手法では、ミーゼス応力等の負荷情報を基に高負荷な領域を特定して、品質上不利なセンサ値の発生位置と照らし合わせることで欠陥の影響を評価している。しかしその手法は、実際に発生した欠陥の大きさといった品質を直接評価しているわけではなく、センサ値から品質上不利と見込まれる事象を抽出しているにすぎない。また、上述の負荷情報やセンサ値の情報から造形物の品質へ換算することは負荷が大きく、積層造形を行う現場では特に現実的でない。
　そこで本発明は、積層造形を実施する現場でも、発生する欠陥が有害か無害かを簡便に評価できる造形支援情報生成方法及び造形支援方法、造形支援情報生成装置及び造形支援装置、並びにプログラムを提供することを目的とする。
　本発明は下記の構成からなる。
（１）　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成方法であって、
　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得し、
　前記形状モデルと前記応力解析条件に基づいて応力解析を実行し、
　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求め、
　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する、
造形支援情報生成方法。
（２）　（１）に記載の造形支援情報生成方法により生成された前記造形支援情報を、表示デバイスに表示させる、
造形支援方法。
（３）　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成装置であって、
　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得する情報取得部と、
　前記形状モデルと前記応力解析条件に基づいて応力解析を実行する解析部と、
　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求める許容限界算出部と、
　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する画像情報生成部と、
を備える造形支援情報生成装置。
（４）　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成機能を実現するためのプログラムであって、
　コンピュータに、
　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得する機能と、
　前記形状モデルと前記応力解析条件に基づいて応力解析を実行する機能と、
　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求める機能と、
　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する機能と、
を実現させるためのプログラム。
　本発明によれば、積層造形の現場でも、発生する欠陥が有害か無害かを簡便に評価できる。
図１は、造形支援情報生成装置の機能ブロック図である。 図２は、積層造形装置の全体構成図である。 図３は、造形支援情報の生成と造形計画の修正手順を示すフローチャートである。 図４は、造形物の形状モデルを示す説明図である。 図５は、メッシュ分割した形状モデルを示す説明図である。 図６は、応力解析結果の一例を示す応力分布のコンター図である。 図７は、埋没き裂の解析モデルを示す説明図である。 図８は、許容限界寸法の分布を表す分布画像を示す説明図である。 図９は、分布画像と欠陥情報とを合成した合成画像を生成する手順を示す説明図である。 図１０は、欠陥情報を含む合成画像の一例を示す説明図である。 図１１は、欠陥検出部により検出した欠陥の深さ位置を示す説明図である。
　以下、本発明の実施形態について、図面を参照して詳細に説明する。
　ここで示す造形支援情報生成方法は、積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する方法であって、造形物の欠陥の情報を、応力解析結果を用いてユーザにより理解しやすい形態にする。これにより、ユーザは造形計画の見直しと修正が容易となり、所望の造形形状をより正確に造形できるようになる。
　図１は、造形支援情報生成装置１００の機能ブロック図である。造形支援情報生成装置１００は、情報取得部１１と、解析部１３と、許容限界算出部１５と、画像情報生成部１７と、欠陥検出部１９とを備える。各部の詳細は後述するが、その機能の概略は次の通りである。
　情報取得部１１は、造形物の形状モデルと、造形物に作用する応力の応力解析条件とを取得する。解析部１３は、形状モデルと応力解析条件に基づいて応力解析を実行する。許容限界算出部１５は、解析部１３による応力解析の結果に応じて、形状モデルの場所毎に欠陥の許容限界寸法を求める。画像情報生成部１７は、形状モデルの特定の領域における許容限界寸法の分布を表す分布画像を含む造形支援情報を生成する。欠陥検出部１９は、実際に積層造形された造形物に含まれる欠陥を検出する。
　造形支援情報生成装置１００が生成する造形支援情報は、例えば表示用画像情報として出力される。この表示用画像情報をモニタ、表示盤等の表示デバイス２１に表示することで、造形物に生じる欠陥情報がユーザへ通知される。これにより、造形しようとする造形物における、構造強度上で欠陥に弱い場所、強い場所等を視覚的に特定しやすくなる。また、上記した分布画像に、欠陥検出部１９からの欠陥検出結果又は解析部（欠陥予測部）１３による欠陥予測結果を合成した合成画像を生成し、この合成画像を表示デバイス２１に表示させてもよい。その場合、ユーザは、検出又は予測した欠陥が許容限界を超えているか否かを視覚的に容易に判断できる。
　次に、上記した造形支援情報生成装置１００及び造形支援装置１５０が支援する積層造形の基本工程について説明する。造形支援情報生成装置１００及び造形支援装置１５０は、積層造形装置により造形物を積層造形する際の、造形物の造形計画を作成又は修正する作業を支援する。
（積層造形装置の構成）
　図２は、積層造形装置２００の全体構成図である。積層造形装置２００は、造形部３１と、造形部３１を制御する造形制御部３３とを備える。造形支援情報生成装置１００は、造形制御部３３に接続されて積層造形装置２００の一部を構成してもよく、積層造形装置２００とは離隔して設けられ、ネットワーク等の通信又は記憶媒体を介して造形制御部３３に接続されてもよい。
　造形部３１は、マニピュレータ３７と、溶加材供給部３９と、マニピュレータ制御部４１と、熱源制御部４３とを含んで構成される。
　マニピュレータ制御部４１は、マニピュレータ３７と熱源制御部４３を制御する。マニピュレータ制御部４１には不図示のコントローラが接続される。ユーザは、コントローラを操作することで、マニピュレータ制御部４１による任意の操作を指示可能となっている。
　マニピュレータ３７は、例えば多関節ロボットであり、先端軸に設けたトーチ３５には、溶加材Ｍが連続供給可能に支持される。トーチ３５は、溶加材Ｍを先端から突出した状態に保持する。トーチ３５の位置及び姿勢は、マニピュレータ３７を構成するロボットアームの自由度の範囲で３次元的に任意に設定可能となっている。マニピュレータ３７は、６軸以上の自由度を有するものが好ましく、先端の熱源の軸方向を任意に変化させられるものが好ましい。マニピュレータ３７は、図２に示す４軸以上の多関節ロボットの他、２軸以上の直交軸に角度調整機構を備えたロボット等、種々の形態でもよい。
　トーチ３５は、不図示のシールドノズルを有し、シールドノズルからシールドガスが供給される。シールドガスは、大気を遮断し、溶接中の溶融金属の酸化、窒化などを防いで溶接不良を抑制する。本構成で用いるアーク溶接法としては、被覆アーク溶接又は炭酸ガスアーク溶接等の消耗電極式、ＴＩＧ（Tungsten Inert Gas）溶接又はプラズマアーク溶接等の非消耗電極式のいずれであってもよく、造形対象に応じて適宜選定される。ここでは、ガスメタルアーク溶接を例に挙げて説明する。消耗電極式の場合、シールドノズルの内部にはコンタクトチップが配置され、電流が給電される溶加材Ｍがコンタクトチップに保持される。トーチ３５は、溶加材Ｍを保持しつつ、シールドガス雰囲気で溶加材Ｍの先端からアークを発生する。
　溶加材供給部３９は、トーチ３５に向けて溶加材Ｍを供給する。溶加材供給部３９は、溶加材Ｍが巻回されたリール３９ａと、リール３９ａから溶加材Ｍを繰り出す繰り出し機構３９ｂとを備える。溶加材Ｍは、繰り出し機構３９ｂによって必要に応じて正方向又は逆方向に送られながらトーチ３５へ送給される。繰り出し機構３９ｂは、溶加材供給部３９側に配置されて溶加材Ｍを押し出すプッシュ式に限らず、ロボットアーム等に配置されるプル式、又はプッシュ－プル式であってもよい。
　熱源制御部４３は、マニピュレータ３７による溶接に要する電力を供給する溶接電源である。熱源制御部４３は、溶加材Ｍを溶融、凝固させるビード形成時に供給する溶接電流及び溶接電圧を調整する。また、熱源制御部４３が設定する溶接電流及び溶接電圧等の溶接条件に連動して、溶加材供給部３９の溶加材供給速度が調整される。
　溶加材Ｍを溶融させる熱源としては、上記したアークに限らない。例えば、アークとレーザーとを併用した加熱方式、プラズマを用いる加熱方式、電子ビーム又はレーザーを用いる加熱方式等、他の方式による熱源を採用してもよい。電子ビーム又はレーザーにより加熱する場合、加熱量を更に細かく制御でき、形成する溶接ビードの状態をより適正に維持して、積層造形物の更なる品質向上に寄与できる。また、溶加材Ｍの材質についても特に限定するものではなく、例えば、軟鋼、高張力鋼、アルミ、アルミ合金、ニッケル、ニッケル基合金など、造形物Ｗｋの特性に応じて、用いる溶加材Ｍの種類が異なっていてもよい。
　造形制御部３３は、上記した各部を統括して制御する。
　上記した構成の積層造形装置２００は、造形物Ｗｋの造形計画に基づいて作成された造形プログラムに従って動作する。造形プログラムは、多数の命令コードにより構成され、造形物Ｗｋの形状、材質、入熱量等の諸条件に応じて、適宜なアルゴリズムに基づいて作成される。この造形プログラムに従って、トーチ３５を移動させつつ、送給される溶加材Ｍを溶融及び凝固させると、溶加材Ｍの溶融凝固体である線状の溶接ビードＢがベース４５上に形成される。つまり、マニピュレータ制御部４１は、造形制御部３３から提供される所定のプログラムに基づいて、マニピュレータ３７と熱源制御部４３を駆動させる。マニピュレータ３７は、マニピュレータ制御部４１からの指令により、溶加材Ｍをアークで溶融させながらトーチ３５を移動させて溶接ビードＢを形成する。
　このように、予め設定された造形パスに沿って加工位置を移動させながら、溶融した加工材料である溶加材Ｍを造形対象面に付加して形成したビードを用いて、層形状のビード層を繰り返し積層することで、目的とする形状の造形物Ｗｋが得られる。
　造形制御部３３には、造形支援情報生成装置１００及び造形支援装置１５０から出力される造形支援情報が入力される。この造形支援情報には上記した造形計画、造形プログラムの情報が含まれる。造形制御部３３は、入力された造形支援情報に応じて、用意された造形プログラムを入れ替え、又は修正して造形部３１の各部を駆動して積層造形を実施させる。
　上記の造形支援情報生成装置１００及び造形支援装置１５０は、例えば、ＰＣ（Personal Computer）などの情報処理装置を用いたハードウェアにより構成される。造形支援情報生成装置１００及び造形支援装置１５０の各機能は、不図示の制御部が不図示の記憶装置に記憶された特定の機能を有するプログラムを読み出し、これを実行することで実現される。制御部としては、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processor Unit）等のプロセッサ、又は専用回路等を例示できる。記憶装置としては、プロセッサに接続される揮発性の記憶領域であるＲＡＭ（Random Access Memory）、不揮発性の記憶領域であるＲＯＭ（Read Only Memory）等のメモリのほか、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等のストレージを例示できる。
　また、造形支援情報生成装置１００及び造形支援装置１５０は、上記した形態のほか、前述したようにネットワーク等を介して遠隔地から造形制御部３３に接続される他のコンピュータにより構成してもよく、造形制御部３３に接続されていないコンピュータにより構成してもよい。
（造形支援情報の生成）
　次に、造形支援情報生成装置１００による造形支援情報の生成手順について、図１に示す各部の構成と共に詳細に説明する。
　図３は、造形支援情報の生成と造形計画の修正手順を示すフローチャートである。まず、情報取得部１１は、溶接ビードにより形成される造形物Ｗｋの予測形状又は目標形状を表す形状モデル、造形物Ｗｋを積層造形するための造形計画、及び後述する応力解析条件の情報を取得する（Ｓ１）。形状モデルとしては、例えば、３次元ＣＡＤの形状データ等を使用できる。造形計画が未作成である場合には、形状モデルと造形部３１による溶接条件とに応じて、公知のアルゴリズムを用いて造形物Ｗｋを積層造形するための造形計画を作成する。
　解析部１３は、情報取得部１１が取得した形状モデルを用いて、応力解析条件に基づいて応力解析を実行する（Ｓ２）。この応力解析は、造形物Ｗｋを積層造形する際に導入される主に熱歪みに起因する残留応力の解析、造形物Ｗｋを製品化した場合に、その使用状態において想定される荷重負荷により生じる応力の解析、等の種々の応力解析が挙げられる。
　また、形状モデルについては、積層造形後に切削加工を施した後の平滑面を有する形状としてもよく、積層される溶接ビードに起因する凹凸を有する形状としてもよい。形状モデルに溶接ビードの凹凸が含まれる場合には、凹凸が表面亀裂のような欠陥として作用するため、より安全側の評価が行える。特に、造形物の内部空間（例えば、内部流路等）にように、切削して表面を平滑化できない部材の評価をより適切に行える。
　上記した応力解析条件には、形状モデルのＦＥＭ解析用の３次元メッシュ分割条件、拘束条件、荷重条件、物性条件等の応力解析に必要とされる各種の条件が挙げられる。
　図４は、造形物の形状モデルＭＤを示す説明図であり、図５は、メッシュ分割した形状モデルＭＤを示す説明図である。解析部１３は、図４に示す造形物の形状モデルＭＤを図５に示すようにメッシュ分割し、設定された応力解析条件に基づいて応力解析を実行する。
　図６は、応力解析結果の一例を示す応力分布のコンター図である。ここでは、造形物の形状の対称性を利用して、水平方向に１／２の領域についてのみ解析した結果を示しているが、応力解析は、形状モデルを用いた３次元応力解析を実施して、任意の断面の応力分布が求められている。
　次に、上記の応力解析結果の情報に基づいて、許容限界算出部１５は、許容される限界の欠陥寸法値を算出する（Ｓ３）。
　図７は、埋没き裂の解析モデルを示す説明図である。このモデルでは説明を簡単にするため、一軸方向のみの負荷応力σａとする。図７に示すような埋没した楕円形状（長軸長さ：２Ｌｃ、短軸長さ２Ｌａ）の非貫通き裂Ｃｋを定義した場合、き裂Ｃｒに作用する応力拡大係数Ｋは、負荷応力σａと欠陥サイズａ（ａ：き裂Ｃｋの相当円直径）と式（１）に示す関係がある。ここで、Ｆａは亀裂寸法比や負荷形式に異存する無次元化定数である。
Figure JPOXMLDOC01-appb-M000001
　式（１）を基礎として、き裂が進展する応力拡大係数範囲ΔＫの下限値をΔＫｔｈと定義すると、欠陥（き裂Ｃｋ）の許容限界寸法ａｔｈは、式（２）で表せる。
Figure JPOXMLDOC01-appb-M000002
　応力拡大係数の変動範囲下限値Δｋｔｈは、使用する材料や造形する構造物ごとに予め定めておいてもよい。例えば、造形物の試験体を疲労亀裂進展試験に供して得られる値を使用してもよく、過去の造形実績等から予測される値を使用するなどしてもよい。なお、試験体については、造形しようとする造形物に用いる溶加材Ｍの材質、溶接条件を揃えてブロック試験体を造形し、そのブロック試験体から欠陥を含有する部分を切り出すなどして準備すればよい。
　また、上記した無次元化定数Ｆａは、欠陥の形状に応じて設定される値であり、公知の規格（例えば、溶接構造物の場合では、日本溶接協会規格　ＷＥＳ２８０５（２０１１））を参照して設定できる。なお、試験体の表面から亀裂の位置までの深さｈは、無次元化定数Ｆａにて考慮される。以上のことから、欠陥種（例えば、埋没亀裂、表面亀裂）を特定し、作用する応力が判明すれば、式（２）により、欠陥の許容限界寸法を場所ごとに特定できる。
　次に、画像情報生成部１７は、求めた許容限界寸法の分布を画像化した分布画像を生成し、分布画像を表示デバイス２１に表示させる（Ｓ４）。ここでは、応力解析により求めた応力値を用いて算出した許容限界寸法の分布を形状モデルに重ね合わせて表示する。
　図８は、許容限界寸法の分布を表す分布画像を示す説明図である。造形物の各場所での許容限界寸法は、応力解析により求めた応力値と式（２）とから算出できる。画像情報生成部１７は、図８に示すように、許容限界寸法の値を複数の段階に分類し、それぞれ段階を区別した分布画像を生成する。例えば、許容限界寸法として２ｍｍ、３ｍｍ、４ｍｍのような一定の目安を指定して、各目安に対応する領域の境界線を生成する。また、各領域を区別するために、同じ領域内を、予め指定した色又は濃度によりカラー又は濃淡表示したコンター画像を生成してもよい。許容限界寸法を複数の段階に色毎に区分したコンター画像を生成することで、ユーザへの視認性を向上させることができる。
　分布画像は、許容限界寸法の値が予め定めた閾値よりも小さい部位を強調した強調画像であってもよい。例えば、許容限界寸法が所定値以下の領域のみを抽出して、その領域を、他の領域と視認性よく区別できるように色又は濃度で差を付けて表示してもよく、ブリンク表示したりする等、目立たせる形態で表示デバイス２１に表示してもよい。これにより、特に欠陥の発生が危惧される領域等をユーザに把握させやすくなる。
　生成した分布画像は、造形物の形状モデル、又はメッシュ分割されたモデルに重ね合わせて表示させてもよく、積層する溶接ビードごとに分割された造形物の予測形状を表す予測形状モデルに重ね合わせて表示させてもよい。予測形状モデルに分布画像を重ねて表示した場合は、積層される溶接ビードのサイズや配置を参照しつつ、許容される欠陥の寸法を視覚的に容易に把握できるため、造形条件の見直し、及び修正が円滑に行える。
　許容限界寸法の分布画像の表示形式については、特に限定されない。例えば、造形物について超音波探傷等の欠陥検出を行う場合、その欠陥検出のための探傷面から指定された深さｈ［ｍｍ］における断面、又は深さ方向の軸を有する断面に対してコンター画像を表示させてもよい。また、分布画像は、欠陥の種類毎に分類して生成した複数の画像であってもよい。欠陥種類毎に分布画像を生成することで、欠陥毎に異なる判定基準を設定でき、欠陥の有害か無害かの判定がより正確となる。欠陥の種類には、表面き裂と内部き裂とが含まれ、これらを区別して評価することが好ましい。
　具体的には、欠陥検出部１９が、積層造形する造形物の造形条件と同じ条件でブロック試験体を造形し、そのブロック試験体に生じた欠陥を検出する。欠陥検出の手順は、例えば、フェーズトアレイ探触子を探傷面に接触させ、垂直探傷方式又は斜角探傷方式により、ブロック試験体内の欠陥の大きさと位置（深さ）を検出する。検出される欠陥の種類としては、ブローホール、溶け込み不良、内部割れ、表面割れ、アンダーカット、融合不良等が挙げられる。なお、上記では超音波探傷による欠陥検出を例示しているが、磁気探傷法、渦電流探傷法等の他の方式であってもよい。
　欠陥検出部１９は、上記した欠陥検出結果の欠陥情報を画像情報生成部１７に出力する。一方、許容限界算出部１５は、求めた欠陥の許容限界寸法の情報を画像情報生成部１７に出力する。画像情報生成部１７は、許容限界算出部１５からの許容限界寸法の分布を画像化した分布画像５５に、欠陥検出部１９からの欠陥情報５７を盛り込んだ合成画像５９を生成する。
　図９は、分布画像５５と欠陥情報５７とを合成して合成画像５９を生成する手順を示す説明図である。許容限界寸法の分布画像５５は、解析対象である造形物の形状モデルにおける特定の領域（任意の表面又は断面）での許容限界寸法の分布を示す２次元画像であり、座標軸をｉ，ｊとする。また、欠陥検出部１９からの出力には、検出した欠陥の座標と大きさの情報が含まれる。欠陥検出部１９から出力される欠陥情報の座標系と分布画像５５の座標系とは異なるため、画像情報生成部１７は、欠陥検出部１９から出力される欠陥情報を分布画像５５の座標系（ｉ，ｊ）に座標変換する。こうして、検出された欠陥の欠陥情報５７と、欠陥の位置Ｐｄ（ｉ，ｊ）とを、分布画像５５の画像位置と重ね合わせて合成した合成画像５９を生成する。
　図１０は、欠陥情報を含む合成画像５９の一例を示す説明図である。この合成画像５９は、欠陥の検出位置と、コンター図である許容限界寸法の分布画像とが同じ座標系で重ね合わされている。また、検出された欠陥は、合成画像５９中に、その欠陥の大きさに対応する許容限界寸法の色又は濃度で表すことが好ましい。その場合、検出された欠陥が、その欠陥の位置Ｐｄ（ｉ，ｊ）における許容限界寸法を超えているか否かを合成画像５９から明瞭に判別できる（Ｓ５）。つまり、検出された欠陥が、その欠陥の大きさが欠陥周囲の許容限界寸法を超えている場合は有害な欠陥であると判定し、造形条件を変更して（Ｓ６）、再度造形計画を作成する。欠陥周囲の許容限界寸法以下である場合は無害な欠陥であると判定し、設定した造形計画をそのまま積層造形に用いる造形計画として決定する（Ｓ７）。
　図１１は、欠陥検出部１９により検出した欠陥の深さ位置を示す説明図である。欠陥検出部１９は、探触子をブロック試験体６１の探傷面６１ａに接触させ、探傷子から発信した超音波がブロック内部の欠陥Ｐｄに反射して戻ってくる時間と強さを計測する。この計測結果から欠陥Ｐｄの大きさと位置とが求められる。画像情報生成部１７は、図１１に示すように、ブロック試験体６１の断面において、その断面での許容限界寸法の分布画像と欠陥情報とを合成した合成画像を生成して表示デバイス２１に表示させる。又は、他の機器へ表示用画像情報として出力する。さらに、画像情報生成部１７は、欠陥Ｐｄが検出された深さＨの面内（破線領域Ａｃで示す断面領域）について、図示しない２次元の合成画像を生成して、深さＨでの許容限界寸法の分布と欠陥の大きさを対比することで、欠陥が有害か無害かを判定してもよい。このように、ブロック試験体６１に設定する合成画像の位置は、必要に応じて任意の面に設定できる。これにより、欠陥評価に必要な情報を自由に選択的に抽出できる。また、積層造形中に探傷面から探傷検査を行った結果を形状モデル上に反映させやすく、計測された欠陥が有害か無害かを判定しやすくなる。
　さらに、欠陥情報は、上記のように欠陥検出部１９により検出することに限らない。例えば、解析部１３が行う応力解析において、応力値によっては欠陥の発生が予測できる場合もある。その場合、解析部１３を欠陥予測部として機能させ、画像情報生成部１７に欠陥予測結果を出力する。画像情報生成部１７が、この予測された欠陥情報（欠陥の大きさ、位置）と許容限界寸法の分布画像とを合成した合成画像を生成することで、欠陥の有害、無害を判別でき、造形計画の是非を確認できる。また、欠陥予測部による欠陥予測結果と、欠陥検出部１９による欠陥検出結果とを共に合成画像に含ませてもよい。その場合、より実測と予測の双方の観点から欠陥を評価でき、欠陥の発生を抑えた造形計画をより確実に実現できる。
　このように、本構成の造形支援情報生成装置によれば、積層造形を実施する現場において、発生する欠陥が有害か無害かを簡便に評価できる。
　本発明は上記の実施形態に限定されるものではなく、実施形態の各構成を相互に組み合わせること、及び明細書の記載、並びに周知の技術に基づいて、当業者が変更、応用することも本発明の予定するところであり、保護を求める範囲に含まれる。
　以上の通り、本明細書には次の事項が開示されている。
（１）　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成方法であって、
　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得し、
　前記形状モデルと前記応力解析条件に基づいて応力解析を実行し、
　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求め、
　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する、
造形支援情報生成方法。
　この造形支援情報生成方法によれば、造形物の形状モデルに基づく応力解析結果に応じて欠陥の許容限界寸法を求め、この許容限界寸法の分布を分布画像として生成することで、この分布画像から、構造強度上、欠陥に弱い場所、強い場所を特定しやすくなる。
（２）　前記分布画像は、前記許容限界寸法の値が予め定めた閾値よりも小さい部位を強調した強調画像である、（１）に記載の造形支援情報生成方法。
　この造形支援情報生成方法によれば、分布画像を強調画像にすることで、特に欠陥の発生が危惧される領域等をユーザに把握させやすくなる。
（３）　前記分布画像は、前記許容限界寸法の値を複数の段階に分類し、それぞれの前記段階を色別に区分したコンター画像である、（１）に記載の造形支援情報生成方法。
　この造形支援情報生成方法によれば、分布画像をユーザへの視認性に優れた画像にできる。
（４）　前記積層造形された前記造形物に含まれる欠陥の欠陥位置及び欠陥寸法の検出結果と、前記応力解析により前記造形物に生じると予測された欠陥の欠陥位置及び欠陥寸法の予測結果との少なくとも一方の情報を、前記分布画像上に前記欠陥位置に対応する画像位置で重ね合わせた合成画像を生成する、（１）に記載の造形支援情報生成方法。
　この造形支援情報生成方法によれば、欠陥の検出結果、欠陥の予測結果の少なくとも一方が分布画像上に重ね合わされた合成画像を生成できる。これにより、欠陥情報と許容限界寸法との対比が容易になる。
（５）　前記分布画像は、前記欠陥の種類毎に分類して生成した複数の画像を含み、
　前記欠陥の種類には、表面き裂と内部き裂とが含まれる、（４）に記載の造形支援情報生成方法。
　この造形支援情報生成方法によれば、欠陥毎に異なる判定基準を設定でき、欠陥の有害か無害かの判定がより正確となる。
（６）　前記形状モデルの特定の領域は、前記造形物の欠陥検出位置の深さに対応する前記形状モデルの深さ位置を含む面内であり、
　前記合成画像は、前記面内における前記許容限界寸法の分布画像の、前記欠陥の前記欠陥位置に対応する画像位置に、当該欠陥の前記欠陥寸法の情報を重ね合わせた画像である、（４）に記載の造形支援情報生成方法。
　この造形支援情報生成方法によれば、形状モデルの欠陥検出位置に対応する深さ位置の面内における許容限界寸法の分布画像に、欠陥の欠陥寸法の情報を重ね合わせて合成画像を生成することで、合成画像から、その欠陥が許容限界寸法を超えているか否かが明瞭になる。
（７）　前記造形物は、予め設定された造形パスに沿って加工位置を移動させながら、溶融した加工材料を造形対象面に付加して形成した溶接ビードを用いて層形状のビード層を繰り返し積層して形成され、
　前記形状モデルは、前記溶接ビードにより形成される前記造形物の予測形状である、（１）から（６）のいずれか１つに記載の造形支援情報生成方法。
　この造形支援情報生成方法によれば、溶接ビードを積層して造形物を造形する場合の造形を支援する情報が生成される。
（８）　（１）から（７）のいずれか１つに記載の造形支援情報生成方法により生成された前記造形支援情報を、表示デバイスに表示させる、
造形支援方法。
　この造形支援方法によれば、生成した造形支援情報を表示デバイスに表示することで、ユーザが造形支援情報を視覚的に理解しやすくなる。
（９）　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成装置であって、
　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得する情報取得部と、
　前記形状モデルと前記応力解析条件に基づいて応力解析を実行する解析部と、
　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求める許容限界算出部と、
　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する画像情報生成部と、
を備える造形支援情報生成装置。
　この造形支援情報生成装置によれば、造形物の形状モデルに基づく応力解析結果に応じて欠陥の許容限界寸法を求め、この許容限界寸法の分布を分布画像として生成することで、この分布画像から、構造強度上、欠陥に弱い場所、強い場所を特定しやすくなる。
（１０）　前記積層造形された前記造形物に含まれる欠陥を検出する欠陥検出部と、
　前記造形物に生じる欠陥を応力解析により予測する欠陥予測部と、
を備え、
　前記画像情報生成部は、前記欠陥検出部又は前記欠陥予測部の少なくとも一方から得られる欠陥種類及び欠陥位置を含む欠陥情報を、前記分布画像上に前記欠陥位置に対応させて重ね合わせた合成画像を生成する、（９）に記載の造形支援情報生成装置。
　この造形支援情報生成装置によれば、欠陥の検出結果、欠陥の予測結果の少なくとも一方が分布画像上に重ね合わされた合成画像を生成できる。これにより、欠陥情報と許容限界寸法との対比が容易になる。
（１１）　（９）又は（１０）に記載の造形支援情報生成装置と、
　生成された前記造形支援情報を表示する表示デバイスと、
を備える造形支援装置。
　この造形支援装置によれば、生成した造形支援情報を表示デバイスに表示することで、ユーザが造形支援情報を視覚的に理解しやすくなる。
（１２）　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成機能を実現するためのプログラムであって、
　コンピュータに、
　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得する機能と、
　前記形状モデルと前記応力解析条件に基づいて応力解析を実行する機能と、
　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求める機能と、
　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する機能と、
を実現させるためのプログラム。
　このプログラムによれば、造形物の形状モデルに基づく応力解析結果に応じて欠陥の許容限界寸法を求め、この許容限界寸法の分布を分布画像として生成することで、この分布画像から、構造強度上、欠陥に弱い場所、強い場所を特定しやすくなる。
（１３）　（１２）に記載のプログラムであって、
　前記コンピュータに、
　前記積層造形された前記造形物に含まれる欠陥を検出する機能と、
　前記造形物に生じる欠陥を応力解析により予測する機能と、
　前記欠陥の検出結果又は予測結果の少なくとも一方から得られる欠陥種類及び欠陥位置を含む欠陥情報を、前記分布画像上に前記欠陥位置に対応させて重ね合わせた合成画像を生成する機能と、
を更に実現させるためのプログラム。
　このプログラムによれば、欠陥の検出結果、欠陥の予測結果の少なくとも一方が分布画像上に重ね合わされた合成画像を生成できる。これにより、欠陥情報と許容限界寸法との対比が容易になる。
（１４）　（１２）又は（１３）に記載のプログラムであって、
　前記コンピュータに、
　更に、生成された前記造形支援情報を表示デバイスに表示させる機能を実現させるためのプログラム。
　このプログラムによれば、生成した造形支援情報を表示デバイスに表示することで、ユーザが造形支援情報を視覚的に理解しやすくなる。
　なお、本出願は、２０２２年１０月２６日出願の日本特許出願（特願２０２２－１７１６６９）に基づくものであり、その内容は本出願の中に参照として援用される。
１１　情報取得部
１３　解析部
１５　許容限界算出部
１７　画像情報生成部
１９　欠陥検出部
２１　表示デバイス
２５　トーチ
３１　造形部
３３　造形制御部
３５　トーチ
３７　マニピュレータ
３９　溶加材供給部
３９ａ　リール
３９ｂ　繰り出し機構
４１　マニピュレータ制御部
４３　熱源制御部
４５　ベース
５５　分布画像
５７　欠陥情報
５９　合成画像
６１　ブロック試験体
６１ａ　探傷面
１００　造形支援情報生成装置
１５０　造形支援装置
２００　積層造形装置
Ｂ　溶接ビード
Ｍ　溶加材
ＭＤ　形状モデル
Ｐｄ　欠陥
Ｗｋ　造形物

Claims (15)

  1. 　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成方法であって、
    　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得し、
    　前記形状モデルと前記応力解析条件に基づいて応力解析を実行し、
    　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求め、
    　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する、
    造形支援情報生成方法。
  2. 　前記分布画像は、前記許容限界寸法の値が予め定めた閾値よりも小さい部位を強調した強調画像である、
    請求項１に記載の造形支援情報生成方法。
  3. 　前記分布画像は、前記許容限界寸法の値を複数の段階に分類し、それぞれの前記段階を色別に区分したコンター画像である、
    請求項１に記載の造形支援情報生成方法。
  4. 　前記積層造形された前記造形物に含まれる欠陥の欠陥位置及び欠陥寸法の検出結果と、前記応力解析により前記造形物に生じると予測された欠陥の欠陥位置及び欠陥寸法の予測結果との少なくとも一方の情報を、前記分布画像上に前記欠陥位置に対応する画像位置で重ね合わせた合成画像を生成する、
    請求項１に記載の造形支援情報生成方法。
  5. 　前記分布画像は、前記欠陥の種類毎に分類して生成した複数の画像を含み、
    　前記欠陥の種類には、表面き裂と内部き裂とが含まれる、
    請求項４に記載の造形支援情報生成方法。
  6. 　前記形状モデルの特定の領域は、前記造形物の欠陥検出位置の深さに対応する前記形状モデルの深さ位置を含む面内であり、
    　前記合成画像は、前記面内における前記許容限界寸法の分布画像の、前記欠陥の前記欠陥位置に対応する画像位置に、当該欠陥の前記欠陥寸法の情報を重ね合わせた画像である、
    請求項４に記載の造形支援情報生成方法。
  7. 　前記造形物は、予め設定された造形パスに沿って加工位置を移動させながら、溶融した加工材料を造形対象面に付加して形成した溶接ビードを用いて層形状のビード層を繰り返し積層して形成され、
    　前記形状モデルは、前記溶接ビードにより形成される前記造形物の予測形状である、
    請求項１から６のいずれか１項に記載の造形支援情報生成方法。
  8. 　請求項１から６のいずれか１項に記載の造形支援情報生成方法により生成された前記造形支援情報を、表示デバイスに表示させる、
    造形支援方法。
  9. 　請求項７に記載の造形支援情報生成方法により生成された前記造形支援情報を、表示デバイスに表示させる、
    造形支援方法。
  10. 　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成装置であって、
    　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得する情報取得部と、
    　前記形状モデルと前記応力解析条件に基づいて応力解析を実行する解析部と、
    　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求める許容限界算出部と、
    　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する画像情報生成部と、
    を備える造形支援情報生成装置。
  11. 　前記積層造形された前記造形物に含まれる欠陥を検出する欠陥検出部と、
    　前記造形物に生じる欠陥を応力解析により予測する欠陥予測部と、
    を備え、
    　前記画像情報生成部は、前記欠陥検出部又は前記欠陥予測部の少なくとも一方から得られる欠陥種類及び欠陥位置を含む欠陥情報を、前記分布画像上に前記欠陥位置に対応させて重ね合わせた合成画像を生成する、
    請求項１０に記載の造形支援情報生成装置。
  12. 　請求項１０又は１１に記載の造形支援情報生成装置と、
    　生成された前記造形支援情報を表示する表示デバイスと、
    を備える造形支援装置。
  13. 　積層造形する造形物に生じる欠陥の情報が含まれる造形支援情報の生成を支援する造形支援情報生成機能を実現するためのプログラムであって、
    　コンピュータに、
    　前記造形物の形状モデルと前記造形物に作用する応力の応力解析条件とを取得する機能と、
    　前記形状モデルと前記応力解析条件に基づいて応力解析を実行する機能と、
    　前記応力解析の結果に応じて、前記形状モデルの場所毎に前記欠陥の許容限界寸法を求める機能と、
    　前記形状モデルの特定の領域における前記許容限界寸法の分布を表す分布画像を含む前記造形支援情報を生成する機能と、
    を実現させるためのプログラム。
  14. 　請求項１３に記載のプログラムであって、
    　前記コンピュータに、
    　前記積層造形された前記造形物に含まれる欠陥を検出する機能と、
    　前記造形物に生じる欠陥を応力解析により予測する機能と、
    　前記欠陥の検出結果又は予測結果の少なくとも一方から得られる欠陥種類及び欠陥位置を含む欠陥情報を、前記分布画像上に前記欠陥位置に対応させて重ね合わせた合成画像を生成する機能と、
    を更に実現させるためのプログラム。
  15. 　請求項１３又は１４に記載のプログラムであって、
    　前記コンピュータに、
    　更に、生成された前記造形支援情報を表示デバイスに表示させる機能を実現させるためのプログラム。
PCT/JP2023/031657 2022-10-26 2023-08-30 造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラム WO2024090024A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-171669 2022-10-26
JP2022171669A JP2024063592A (ja) 2022-10-26 2022-10-26 造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラム

Publications (1)

Publication Number Publication Date
WO2024090024A1 true WO2024090024A1 (ja) 2024-05-02

Family

ID=90830584

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/031657 WO2024090024A1 (ja) 2022-10-26 2023-08-30 造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラム

Country Status (2)

Country Link
JP (1) JP2024063592A (ja)
WO (1) WO2024090024A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016143137A1 (ja) * 2015-03-12 2016-09-15 株式会社ニコン 三次元造形物製造装置および構造物の製造方法
WO2018181306A1 (ja) * 2017-03-30 2018-10-04 三菱日立パワーシステムズ株式会社 ３次元積層造形条件決定方法、３次元積層造形実行方法、３次元積層造形条件決定装置、および３次元積層造形実行装置
JP2022056810A (ja) * 2020-09-30 2022-04-11 セイコーエプソン株式会社 三次元造形用データの生成方法および三次元造形物の製造方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016143137A1 (ja) * 2015-03-12 2016-09-15 株式会社ニコン 三次元造形物製造装置および構造物の製造方法
WO2018181306A1 (ja) * 2017-03-30 2018-10-04 三菱日立パワーシステムズ株式会社 ３次元積層造形条件決定方法、３次元積層造形実行方法、３次元積層造形条件決定装置、および３次元積層造形実行装置
JP2022056810A (ja) * 2020-09-30 2022-04-11 セイコーエプソン株式会社 三次元造形用データの生成方法および三次元造形物の製造方法

Also Published As

Publication number Publication date
JP2024063592A (ja) 2024-05-13

Similar Documents

Publication Publication Date Title
JP7068950B2 (ja) 溶接設計支援方法、及びプログラム
EP2941677B1 (en) Object production using an additive manufacturing process and quality assessment of the object
US20230294215A1 (en) Defect occurrence prediction method, and defect occurrence prediction device
JP6912636B1 (ja) 積層造形物の製造システム、積層造形物の製造方法、及び積層造形物の製造プログラム
JP6978350B2 (ja) ワーク姿勢調整方法、造形物の製造方法及び製造装置
Zahidin et al. Research challenges, quality control and monitoring strategy for Wire Arc Additive Manufacturing
US20230286075A1 (en) Build plan assistance method and build plan assistance device
JP7422337B2 (ja) リペア溶接制御装置およびリペア溶接制御方法
WO2024090024A1 (ja) 造形支援情報生成方法及び造形支援情報生成装置、造形支援方法及び造形支援装置、並びにプログラム
Steele et al. Development of closed‐loop control of robotic welding processes
WO2023281963A1 (ja) 欠陥監視装置、欠陥監視方法、溶接支援システム及び溶接システム
WO2023068055A1 (ja) 溶接監視方法及び溶接監視装置、並びに積層造形方法及び積層造形装置
JP7343464B2 (ja) 積層造形物の製造方法、積層造形物の製造システム、及び積層造形物の製造プログラム
WO2023204031A1 (ja) 積層造形物の品質管理方法、積層造形物の品質管理装置、プログラム、溶接制御装置及び溶接装置
WO2023153105A1 (ja) 学習装置、欠陥判定装置、学習方法、欠陥判定方法、溶接制御装置及び溶接装置
WO2024018803A1 (ja) 画像情報生成装置及び画像情報生成方法、画像処理装置及び画像処理方法、欠陥予測装置及び欠陥予測方法、並びにプログラム
Chavda et al. A review on parametric optimization of MIG welding for medium carbon steel using FEA-DOE hybrid modeling
WO2023157493A1 (ja) 欠陥検出方法、積層造形物の製造方法、欠陥検出装置及び積層造形装置
WO2022163328A1 (ja) 造形履歴監視装置、造形物の製造システム及び造形履歴監視方法
JP2023010548A (ja) 欠陥監視装置、欠陥監視方法、溶接支援システム及び溶接システム
JP2019141854A (ja) 積層造形物の製造方法及び製造装置
WO2024029276A1 (ja) 制御情報修正方法、制御情報修正装置及びプログラム
WO2024004768A1 (ja) 積層造形装置の制御方法及び制御装置並びにプログラム
CN117580674A (zh) 缺陷监视装置、缺陷监视方法、焊接支援系统以及焊接系统
Cullen Development of a Smart Gas Metal Arc Welding System Using Acoustic Sensing