Sorveglianza statistica di dati video per la rilevazione di anomalie termiche nei processi di produzione additiva

Additive manufacturing processes are becoming increasingly popular in the manufacturing industry. This technology allows the creation of complex objects adding material layer by layer, as opposed to traditional manufacturing techniques which require the removal of material from a solid block. However, due to the complexity of this production, anomalies can arise, leading to the deterioration of the final product’s quality. This study takes place in statistical surveillance of video images for the detection of hot spots in laser powder bed fusion processes. Here product’s layers are created by selectively melting interested areas of a powder bed of a certain material. A hot spot occurs when the melted zone remains hot for too long, leading to a slowdown in the material cooling process, and thus to a geometric defect in the final product layer. To detect these anomalies, an extension of the spatiotemporal PCA methodology (ST-PCA, Colosimo and Grasso, 2018) will be proposed. ST-PCA applies a principal component analysis to the videos using spatial and temporal information from the data and introduces an alarm rule based on the k-means clustering method. Starting from the results obtained with ST-PCA, the goal will be to characterize the dynamics of the process under stable conditions and implement the design of a convenient surveillance tool.

L'"additive manufacturing" sta diventando sempre più diffuso nell'industria manifatturiera grazie alla sua capacità di produrre componenti complessi in modo efficiente, utilizzando una tecnologia che realizza gli oggetti aggiungendo materiale in modo incrementale strato dopo strato, al contrario delle tecniche di produzione tradizionali che spesso richiedono la rimozione di materiale da un blocco solido. Tuttavia, durante la produzione, possono insorgere anomalie che portano al peggioramento della qualità del prodotto finale. Questo studio si colloca nell'ambito della sorveglianza statistica di dati video per la rilevazione di anomalie termiche, definite "hot spot", in particolari processi di produzione additiva, chiamati "laser powder bed fusion". In questi processi lo strato del prodotto viene realizzato attraverso la fusione selettiva di alcune zone di un letto di polvere di un certo materiale. L’insorgenza di un "hot spot" si verifica quando la zona fusa rimane calda troppo a lungo, portando ad un rallentamento del processo di raffreddamento del materiale, e quindi ad un successivo difetto geometrico nello strato del prodotto finale. Al fine di rilevare queste anomalie verrà proposta una estensione della metodologia ST-PCA (Colosimo e Grasso, 2018) che applica ai video una analisi delle componenti principali utilizzando le informazioni spaziali e temporali dei dati, e introduce un sistema di allarme, che sfrutta conoscenze ingegneristiche, basato sul metodo di "k-means clustering". Partendo dai risultati ottenuti con la ST-PCA, l’obiettivo sarà quello di caratterizzare la dinamica del processo in condizioni stabili e di implementare il disegno di un conveniente strumento di sorveglianza.