En el campo de la fabricación aditiva, una de las tareas más cruciales es garantizar que los componentes producidos estén libres de defectos. Con la capacidad de crear formas tridimensionales intrincadas y características internas que no son fácilmente visibles, detectar defectos en los componentes fabricados aditivamente puede ser un desafío desalentador. Los métodos de inspección tradicionales pueden quedarse cortos a la hora de identificar defectos ocultos dentro de estas estructuras complejas.
Investigadores de la Universidad de Illinois Urbana-Champaign han desarrollado un método innovador para detectar defectos en componentes fabricados aditivamente. Utilizando el aprendizaje profundo de máquinas, crearon un modelo que puede identificar con precisión defectos en piezas impresas en 3D. A través de simulaciones por computadora, se generaron decenas de miles de defectos sintéticos, cada uno con tamaños, formas y ubicaciones variables. Este conjunto de datos diverso permitió que el modelo de aprendizaje profundo distinguiera entre componentes defectuosos y libres de defectos con alta precisión.
El algoritmo de aprendizaje profundo se puso a prueba utilizando piezas físicas, algunas de las cuales contenían defectos no visibles. De manera sorprendente, la tecnología identificó con éxito cientos de defectos que no habían sido previamente reconocidos. Según William King, líder del proyecto y profesor de Ciencia y Ingeniería Mecánica en Illinois, este enfoque innovador aborda un desafío significativo en la fabricación aditiva. Al aprovechar las simulaciones por computadora y el aprendizaje de máquinas, los investigadores pueden desarrollar rápidamente modelos eficientes para la detección de defectos.
La investigación, publicada en la revista Journal of Intelligent Manufacturing, utilizó tomografía computarizada por rayos X para inspeccionar las características internas de los componentes impresos en 3D. Esta técnica de imagen resultó instrumental para revelar defectos ocultos que de otro modo pasarían desapercibidos. Con la fabricación aditiva facilitando la creación de componentes complejos, herramientas como la tomografía computarizada por rayos X juegan un papel crucial en el control de calidad. El desarrollo de tecnologías para detectar defectos en componentes fabricados aditivamente representa un avance significativo en el campo de la fabricación. Al combinar el aprendizaje profundo de máquinas con técnicas avanzadas de imagen, los investigadores pueden superar los desafíos asociados con la identificación de defectos en estructuras complejas. Este avance no solo mejora los procesos de control de calidad, sino que también allana el camino para una mayor innovación en la fabricación aditiva.
Deja una respuesta