Intelligent defect detection on a commercial in-situ monitoring system for SLM

The metal Additive Manufacturing is a rapidly growing technology. It offers several advantages with respect to the traditional manufacturing technologies and this is proven by the interest that AM is rapidly gaining in many industrial sectors. However, several barriers for its diffusion are still present, especially in the case of sectors in which defects are not tolerated (e.g. aerospace and bio-medical). The in-situ process monitoring offers unique capability of controlling the process stability reducing scraps and costs, while increasing the build capacity and quality. In this work, a commercial in-situ monitoring system on a Selective Laser Melting (SLM) machine devoted to the production of Ti6Al4V parts has been investigated. This monitoring system is composed of a Near Infrared (NIR) camera and of a Powder Bed camera. The focus of this work is on intelligent algorithms for the automated detection of process defects. The original algorithm proposed by the machine producer has been tested using different case studies involving both volumetric and geometric defects. A sensitivity analysis and a performance characterization study were carried out to assess the strengths and limits of the investigated method. In addition, two novel approaches have been proposed for the automated detection of defects. The first approach is based on a training phase in which the target building conditions are defined. This approach, thanks to a machine learning algorithm, is able to automatically detect volumetric defects. The second approach, instead, relies on layerwise imaging combined with image segmentation to detect geometric defects. A comparison analysis was carried to determine the benefits and the practical advantages provided by the proposed methods and their suitability to be combined with commercial tools.

La Manifattura Additiva metallica è una tecnologia in rapida crescita. Questa offre vari vantaggi rispetto alle tecnologie di manifattura tradizionali e ciò è provato dall’interesse che l’AM sta rapidamente guadagnando in diversi settori industriali. Ciononostante, sono presenti ancora numerose barriere alla diffusione di questa tecnologia, specialmente nel caso dei settori in cui non sono tollerati i difetti (e.g. aerospaziale e biomedicale). Il monitoraggio di processo in-situ offre la capacità unica di controllare la stabilità del processo riducendo scarti e costi, aumentando la capacità costruttiva e la qualità. In questo lavoro è stato studiato un sistema commerciale di monitoraggio in-situ montato su una macchina “Selective Laser Melting” (SLM) dedicata alla stampa in lega Ti6Al4V. Questo sistema di monitoraggio è composto da una camera nel vicino infrarosso (NIR) e da una camera sul letto di polvere. Il fulcro di questo lavoro riguarda gli algoritmi intelligenti per il rilevamento autonomo dei difetti di processo. L’algoritmo originale proposto dal produttore della macchina è stato esaminato usando casi studio che analizzano sia i difetti volumetrici che quelli geometrici. È stata condotta un’analisi di sensitività e una caratterizzazione delle prestazioni per valutare i punti di forza e i limiti di questo metodo. Inoltre, due nuovi approcci sono stati proposti per il rilevamento automatizzato dei difetti. Il primo approccio si basa su una fase di allenamento in cui le condizioni obiettivo di processo sono definite. Questo approccio, grazie ad un algoritmo di apprendimento automatico, è capace di identificare autonomamente i difetti volumetrici. Il secondo approccio alternativo è invece basato su immagini di ogni strato, combinate con una segmentazione di immagini, per rilevare difetti geometrici. È stata effettuata un’analisi comparativa per determinare i benefici offerti dai metodi proposti e la loro sostenibilità per una combinazione con strumenti commerciali.