Additive Manufacturing (AM) includes a group of technologies that are attracting an increasing interest from industry, and especially from high value-added industrial sectors. The main benefits of AM are related to the high geometrical complexity, low material waste and hight versatility. Among the available technologies, metal laser powder bed fusion (L-PBF) processes enable the fabrication of parts with complex geometries, good accuracy and advantageous strength-to-weight. However, there are still different kinds of defects that can negatively affect the quality of the obtained products, such as internal porosities, distortions and surface irregularities. A viable solution for the quality enhancement of fabricated parts and a better comprehension of L-PBF process’ dynamics is the in-situ monitoring, employing different types of sensors (for example optical, thermal, and acoustic sensors). In particular, the layer-wise fabrication approach offers the opportunity to carry out measurements during the process itself, allowing to anticipate the detection of potential defects and, if possible, to implement an active control method. However, a robust and accurate correlation between anomalies detected during the process and actual defects is still missing. One important issue is the registration between datasets acquired in different moments, which is complicated by the deformations that might occur after the consolidation of a specific layer or at the end of the fabrication itself. This thesis work has the aim to develop an experimental methodology for the accuracy enhancement of data alignment between in-process and post-process measurements. To achieve this goal, a new geometry was designed to define robust and reliable correlations between in-situ detected anomalies and defects observed after the process. The development of this methodology started from a detailed definition of the design guidelines, considering both the L-PBF process’ needs and the metrological requirements. After demonstrating the effectiveness of the proposed methodology through experiments, the method was implemented to compare long exposure images acquired layer-by-layer during the process with the corresponding cross-sections reconstructed by X-ray computed tomography after the fabrication. This thesis also concerned the development of algorithms for innovative analyses of long exposure images, aiming at segmenting the anomalies of interest and extrapolating useful information to support the identification of their causes.

La fabbricazione additiva (additive manufacturing, AM) comprende un insieme di tecnologie che stanno attirando un crescente interesse da parte di molteplici settori industriali, specialmente in campi applicativi ad elevato valore aggiunto. I benefici principali dell’AM comprendono la notevole complessità geometrica ottenibile, il ridotto spreco di materiale e la grande versatilità. Tra le diverse soluzioni disponibili, i processi di laser powder bed fusion (L-PBF) di materiali metallici consentono di realizzare prodotti caratterizzati da geometrie complesse, buona accuratezza e da un rapporto favorevole tra proprietà meccaniche e peso. Tuttavia, la qualità di tali prodotti risulta ancora spesso penalizzata da difetti di diversa tipologia, quali porosità, distorsioni, irregolarità superficiali ed altro. Una possibile soluzione finalizzata al miglioramento della comprensione delle dinamiche dei processi L-PBF e della qualità dei componenti fabbricati risiede nel monitoraggio in-situ, per il quale possono essere impiegate diverse tipologie di sensori (ad esempio ottici, termici e acustici). In particolar modo, l’approccio basato sulla generazione di strati consecutivi di materiale conferisce la possibilità di condurre delle misure durante il processo stesso, consentendo di anticipare la rilevazione di eventuali difetti e, se possibile, di intervenire con un controllo attivo. Tuttavia, la correlazione tra le anomalie registrate durante il processo e i difetti effettivi risulta ancora difficile da stabilire in modo chiaro e accurato. Questo è dovuto in particolar modo all’allineamento tra dati che sono acquisiti in momenti diversi, in processi in cui possono verificarsi delle deformazioni anche dopo la produzione di un layer specifico o alla fine della fabbricazione stessa. Il presente progetto di tesi si pone l’obiettivo di sviluppare una metodologia sperimentale per migliorare l’accuratezza dell’allineamento tra dati di misura acquisiti in-process e post-process. A tal fine, è stata progettata una geometria ad hoc per consentire di effettuare delle correlazioni robuste ed affidabili tra le anomalie rilevate in-situ ed i difetti riscontrati a valle del processo. Lo sviluppo di tale geometria ha richiesto una stesura precisa dei requisiti di progettazione, che dovevano comprendere sia le necessità legate al processo L-PBF sia le necessità metrologiche. Dopo aver dimostrato sperimentalmente la validità del metodo proposto, esso è stato applicato per confrontare delle immagini ottiche a lunga esposizione acquisite strato dopo strato durante il processo con le sezioni di materiale corrispondenti ricostruite mediante tomografia computerizzata a raggi X al termine della fabbricazione. Il lavoro di tesi ha riguardato anche lo sviluppo di algoritmi per l’analisi degli scatti a lunga esposizione, mirati a segmentare le anomalie di interesse e ad estrapolare informazioni utili per supportare l’individuazione della loro causa.

Monitoraggio del processo in tempo reale e misure tomografiche per migliorare la qualità della fabbricazione additiva di metalli.

BERNARDI, LUCA
2021/2022

Abstract

Additive Manufacturing (AM) includes a group of technologies that are attracting an increasing interest from industry, and especially from high value-added industrial sectors. The main benefits of AM are related to the high geometrical complexity, low material waste and hight versatility. Among the available technologies, metal laser powder bed fusion (L-PBF) processes enable the fabrication of parts with complex geometries, good accuracy and advantageous strength-to-weight. However, there are still different kinds of defects that can negatively affect the quality of the obtained products, such as internal porosities, distortions and surface irregularities. A viable solution for the quality enhancement of fabricated parts and a better comprehension of L-PBF process’ dynamics is the in-situ monitoring, employing different types of sensors (for example optical, thermal, and acoustic sensors). In particular, the layer-wise fabrication approach offers the opportunity to carry out measurements during the process itself, allowing to anticipate the detection of potential defects and, if possible, to implement an active control method. However, a robust and accurate correlation between anomalies detected during the process and actual defects is still missing. One important issue is the registration between datasets acquired in different moments, which is complicated by the deformations that might occur after the consolidation of a specific layer or at the end of the fabrication itself. This thesis work has the aim to develop an experimental methodology for the accuracy enhancement of data alignment between in-process and post-process measurements. To achieve this goal, a new geometry was designed to define robust and reliable correlations between in-situ detected anomalies and defects observed after the process. The development of this methodology started from a detailed definition of the design guidelines, considering both the L-PBF process’ needs and the metrological requirements. After demonstrating the effectiveness of the proposed methodology through experiments, the method was implemented to compare long exposure images acquired layer-by-layer during the process with the corresponding cross-sections reconstructed by X-ray computed tomography after the fabrication. This thesis also concerned the development of algorithms for innovative analyses of long exposure images, aiming at segmenting the anomalies of interest and extrapolating useful information to support the identification of their causes.
2021
Real-time process monitoring and tomographic measurements for quality enhancement of metal laser-powder bed fusion.
La fabbricazione additiva (additive manufacturing, AM) comprende un insieme di tecnologie che stanno attirando un crescente interesse da parte di molteplici settori industriali, specialmente in campi applicativi ad elevato valore aggiunto. I benefici principali dell’AM comprendono la notevole complessità geometrica ottenibile, il ridotto spreco di materiale e la grande versatilità. Tra le diverse soluzioni disponibili, i processi di laser powder bed fusion (L-PBF) di materiali metallici consentono di realizzare prodotti caratterizzati da geometrie complesse, buona accuratezza e da un rapporto favorevole tra proprietà meccaniche e peso. Tuttavia, la qualità di tali prodotti risulta ancora spesso penalizzata da difetti di diversa tipologia, quali porosità, distorsioni, irregolarità superficiali ed altro. Una possibile soluzione finalizzata al miglioramento della comprensione delle dinamiche dei processi L-PBF e della qualità dei componenti fabbricati risiede nel monitoraggio in-situ, per il quale possono essere impiegate diverse tipologie di sensori (ad esempio ottici, termici e acustici). In particolar modo, l’approccio basato sulla generazione di strati consecutivi di materiale conferisce la possibilità di condurre delle misure durante il processo stesso, consentendo di anticipare la rilevazione di eventuali difetti e, se possibile, di intervenire con un controllo attivo. Tuttavia, la correlazione tra le anomalie registrate durante il processo e i difetti effettivi risulta ancora difficile da stabilire in modo chiaro e accurato. Questo è dovuto in particolar modo all’allineamento tra dati che sono acquisiti in momenti diversi, in processi in cui possono verificarsi delle deformazioni anche dopo la produzione di un layer specifico o alla fine della fabbricazione stessa. Il presente progetto di tesi si pone l’obiettivo di sviluppare una metodologia sperimentale per migliorare l’accuratezza dell’allineamento tra dati di misura acquisiti in-process e post-process. A tal fine, è stata progettata una geometria ad hoc per consentire di effettuare delle correlazioni robuste ed affidabili tra le anomalie rilevate in-situ ed i difetti riscontrati a valle del processo. Lo sviluppo di tale geometria ha richiesto una stesura precisa dei requisiti di progettazione, che dovevano comprendere sia le necessità legate al processo L-PBF sia le necessità metrologiche. Dopo aver dimostrato sperimentalmente la validità del metodo proposto, esso è stato applicato per confrontare delle immagini ottiche a lunga esposizione acquisite strato dopo strato durante il processo con le sezioni di materiale corrispondenti ricostruite mediante tomografia computerizzata a raggi X al termine della fabbricazione. Il lavoro di tesi ha riguardato anche lo sviluppo di algoritmi per l’analisi degli scatti a lunga esposizione, mirati a segmentare le anomalie di interesse e ad estrapolare informazioni utili per supportare l’individuazione della loro causa.
Produzione additiva
Monitoraggio
Metrologia
Tomografia a raggi X
File in questo prodotto:
File Dimensione Formato  
Bernardi_Luca.pdf

accesso riservato

Dimensione 21.92 MB
Formato Adobe PDF
21.92 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/29451