Hot-Spot Detection in Metal PBF Processes: A Systematic Literature Review of ML-Based Methods

Metal Additive Manufacturing (AM) techniques, often called 3D printing, are innova- tive production processes for crafting metal components through incremental material deposition, layer after layer. These technologies allow the production of complex shapes, lightweight structures, and surface patterns that can not be achieved with traditional methods. Recent technology development has accelerated the industrial adoption of metal AM procedures, particularly Electron Beam Melting and Selective Laser Sintering pro- cesses involving selective melting of metal powders using an external energy source. This thesis undertakes a comprehensive appraisal of powder bed fusion technologies, providing an in-depth evaluation of operational principles, challenges, benefits, and critical issues compared with other processes, the typical defects, and approaches to detect them. The main topic of this thesis is hot spot defect detection. Hot spots are localized areas exhibit- ing elevated temperatures for a sustained time and slower cooling drift, often attributable to their proximity to adjacent loose powder. In metal AM, temperature assumes a par- ticular significance as most defects are due to anomalous thermal conditions. Moreover, a component’s thermal history significantly influences the finished product’s characteristics, including porosity, microstructure, and geometry. Thus, it is essential to correctly under- stand and analyze the thermal history of the printed part, especially during the testing and certification phase. The thesis also presents an algorithm for clustering areas on the build plate that share analogous thermal histories through functional data analysis, and it proposes an implementation of the algorithm in Python.

La manifattura additiva (MA) di materiali metallici, è un approccio inovativo alla pro- duzione che permette di ottenere componenti attraverso la fusione selettiva di polveri metalliche. Queste nuove tecnologie ci permettono di produrre forme estremamente com- plesse che non sarebbe possibile ottenere con le tecniche manifatturiere tradizionali. La recente innovazione tecnologica ha accelerato l’adozione di questi processi in ambito indus- triale, soprattutto l’Electron Beam Melting e il Selective Laser Sintering. Questi processi utilizzano una sorgente esterna di energia concentrata per la fusione selettiva della pol- vere metallica, livello dopo livello. Questa tesi descrive in dettaglio i processi powder bed fusion, e fornisce un quadro dei principi operazionali di base, le sfide, le criticità e i vantaggi rispetto ad altri processi manifatturieri, i difetti tipici che possono verificarsi, e i diversi approcci per individuarli. La tesi si concentra sugli hot-spot, delle aree circo- scritte caratterizzate da un’elevata temperatura sostenuta nel tempo e da un processo di raffreddamento anomalo, spesso relativi a parti circondate da polvere non fusa. Nella MA metallica, la temperatura assume un ruolo critico, in quanto la qualità dei componenti fabbricati è influenzata dal comportamento termico durante la fase di stampa. Infatti, gli hot-spot possono portare a delle modifiche della microstruttura del materiale solidi- ficato, alla formazione di porosità e a difetti geometrici, minando le qualità meccaniche del pezzo. Questa tesi presenta anche un algoritmo per la clusterizzazione delle aree del piatto di stampa caratterizzate da una storia termica simile sfruttando l’analisi funzionale dei profili termici. Infine, la tesi propone un’implementazione dell’algoritmo in Python.