Un equipo de investigación dirigido por Tao Sun, profesor asociado de ciencia e ingeniería de materiales en la Universidad de Virginia, ha realizado nuevos descubrimientos que pueden expandir la fabricación aditiva en la industria aeroespacial y otras industrias que dependen de piezas metálicas resistentes.
Su artículo revisado por pares se publicó el 6 de enero de 2023 en Ciencia Revista: «El aprendizaje automático ayudó a la detección en tiempo real de la generación de poros de ojo de cerradura en la fusión de lecho de polvo láser». Aborda el problema de detectar la formación de poros de ojo de cerradura, uno de los principales defectos en una técnica de fabricación aditiva común llamada fusión de lecho de polvo láser o LPBF.
Introducido en la década de 1990, LPBF utiliza polvo de metal y láser para imprimir piezas de metal en 3D. Pero los defectos de porosidad siguen siendo un desafío para las aplicaciones sensibles a la fatiga, como las alas de los aviones. Cierta porosidad está asociada con depresiones de vapor profundas y estrechas que son los ojos de cerradura.
La formación y el tamaño del ojo de la cerradura están en función de la potencia del láser y la velocidad de exploración, así como de la capacidad de los materiales para absorber la energía del láser. Si las paredes del ojo de la cerradura son estables, mejora la absorción del láser del material circundante y mejora la eficiencia de fabricación del láser. Sin embargo, si las paredes se tambalean o colapsan, el material se solidifica alrededor del ojo de la cerradura, atrapando la bolsa de aire dentro de la capa de material recién formada. Esto hace que el material sea más frágil y más propenso a agrietarse bajo el estrés ambiental.
Sun y su equipo, incluido el profesor de ciencia e ingeniería de materiales Anthony Rollett de la Universidad Carnegie Mellon y la profesora de ingeniería mecánica Lianyi Chen de la Universidad de Wisconsin-Madison, desarrollaron un enfoque para detectar el momento exacto en que se forma un poro de ojo de cerradura durante el proceso de impresión.
«Al integrar imágenes de rayos X de sincrotrón operando, imágenes de infrarrojo cercano y aprendizaje automático, nuestro enfoque puede capturar la firma térmica única asociada con la generación de poros de ojo de cerradura con una resolución temporal de submilisegundos y una tasa de predicción del 100%», dijo Sun.
Al desarrollar su método de detección de ojo de cerradura en tiempo real, los investigadores también avanzaron en la forma en que se puede utilizar una herramienta de última generación: imágenes de rayos X de sincrotrón operando. Utilizando el aprendizaje automático, también descubrieron dos modos de oscilación del ojo de la cerradura.
«Nuestros hallazgos no solo hacen avanzar la investigación de fabricación aditiva, sino que también pueden servir prácticamente para expandir el uso comercial de LPBF para la fabricación de piezas metálicas», dijo Rollett. Rollet también es codirector del NextManufacturing Center en CMU.
«La porosidad en las piezas metálicas sigue siendo un obstáculo importante para una adopción más amplia de la técnica LPBF en algunas industrias. La porosidad tipo ojo de cerradura es el tipo de defecto más desafiante cuando se trata de detección en tiempo real utilizando sensores a escala de laboratorio porque ocurre estocásticamente debajo de la superficie», dijo Sun. dicho. «Nuestro enfoque proporciona una solución viable para la detección de alta fidelidad y alta resolución de la generación de poros de ojo de cerradura que se puede aplicar fácilmente en muchos escenarios de fabricación aditiva».
