Nous suivre Industrie Techno

Le deep learning s'allie au jumeau numérique pour corriger en temps réel l'impression 3D

Alexandre Couto
Soyez le premier à réagir

Soyez le premier à réagir

Le deep learning s'allie au jumeau numérique pour corriger en temps réel l'impression 3D

L'algorithme du logiciel Peregrine a détecté une anomalie (à droite, en orange) sur une pièce en cours de production

© Oak Ridge National Laboratory

Contrôler en temps réel la qualité de l'impression 3D sur lit de poudre métallique est un enjeu majeur pour le développement de ce procédé dans de nombreux domaines industriels. Des chercheurs du Oak Ridge National Laboratory (ORNL), aux Etats-Visuels, ont mis au point un procédé associant jumeau numérique et algorithme de deep learning de reconnaissance visuelle pour détecter les anomalies et effectuer des réglages en cours de production.

Si depuis quelques années les applications industrielles de l’impression 3D se multiplient, notamment pour la production de pièces finies, des barrières techniques sont encore à lever pour garantir la qualité des éléments imprimés. Des chercheurs du Oak Ridge National Laboratory (ORNL), centre de recherche basé aux Etats-Unis, ont mis au point un logiciel utilisant la reconnaissance visuelle via des réseaux neuronaux convolutifs pour contrôler et corriger en temps réel la qualité de la production.

Baptisé Peregrine, il permet d’ajuster en cours de production le faisceau laser pour corriger les défauts des pièces fabriquées par fusion laser sur lit de poudre métallique.

Un procédé de fabrication complexe

Ce procédé, qui consiste à fusionner sélectivement de fines particules métalliques, est aujourd’hui utilisé par de nombreux secteurs industriels, comme l’aéronautique, le spatial, le ferroviaire ou encore l’énergie.

Il s’agit cependant d’un processus à la mise en œuvre complexe, et des porosités peuvent se former en surface des pièces si le lit de poudre n’est pas uniforme ou si la matière fondue n’atteint pas la température requise. A l’heure actuelle la qualité de la pièce ne peut être contrôlée qu'en fin de production au moyen d’une tomographie par rayon X, un dispositif encore coûteux.

Le logiciel Peregrine, développé par l’ORNL, collecte et centralise de nombreuses données tout au long du cycle de production de la pièce, allant de la matière utilisée jusqu’aux différentes couches d’impression.

Un réseau neuronal en soutien

Selon les chercheurs de l’ORNL, ces informations permettent de produire un jumeau numérique de la pièce qui servira de modèle à un algorithme de deep learning basé sur un réseau neuronal convolutionnel (DSCNN pour Deep Convolutional Neural Network), afin de juger en temps réel la qualité de l’impression. Des caméras standards allant de 4 à 20 mégapixels ont été utilisées lors des phases de tests afin de produire des images du lit d’impression couche après couche.

Le DSCNN traite les images pixel par pixel en tenant compte de la géométrie de l’objet (bords, lignes, coins et textures…). Si Peregrine détecte une anomalie susceptible d’affecter la qualité de la pièce, il alerte automatiquement les opérateurs afin d’apporter les ajustements nécessaires. A moyen terme, ces réglages devraient être entièrement automatisés.

Une observation de tous les instants 

Selon Luke Scime, responsable de ces travaux à l’ORNL, l’utilisation du deep learning est un enjeu majeur pour le développement de la fabrication additive à l’échelle industrielle. « L’un des défis de la fabrication additive sur lit de poudre est de pouvoir observer des phénomènes de quelques dizaines de microns se produisant en quelques microsecondes. » explique-t-il dans un communiqué diffusé sur le site de l’ORNL, « il faut pouvoir effectuer ces observations pendant toute la durée de la fabrication de la pièce, soit des jours ou des semaines, car un défaut peut se former à tout moment. »

Peregrine a été testé avec succès sur plusieurs imprimantes utilisant la technique de fusion sur lit de poudre, notamment dans le cadre du démonstrateur Transformational Challenge Reactor (TCR) piloté par l’ORNL, qui vise à utiliser la fabrication additive pour mettre au point un micro réacteur nucléaire, performant et peu coûteux.

 

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

L’usinage 4.0, un défi technique qui reste à relever

L’usinage 4.0, un défi technique qui reste à relever

Organisée le 17 novembre par le Centre technique des industries mécaniques (CETIM), la matinée « évolutions et[…]

FormNext 2020: « Une édition a minima, qui recentre la fabrication additive sur des applications clés  », selon Jean-Daniel Penot, de France Additive.

FormNext 2020: « Une édition a minima, qui recentre la fabrication additive sur des applications clés », selon Jean-Daniel Penot, de France Additive.

Après l’Australie, Sodern souhaite déployer sa sonde à neutrons dans les mines des quatre coins du monde

Après l’Australie, Sodern souhaite déployer sa sonde à neutrons dans les mines des quatre coins du monde

La tomographie se rapproche des lignes de production

Focus

La tomographie se rapproche des lignes de production

Plus d'articles