fr.wedoany.com Rapport : Le Laboratoire national d'Oak Ridge (Oak Ridge National Laboratory, ORNL) a développé un nouveau système de contrôle destiné à la fabrication, capable de détecter et de corriger les erreurs en temps réel lors de l'impression 3D à grande échelle, afin d'améliorer la fiabilité de la fabrication additive.
Ce système aide les fabricants à produire des pièces composites de grande taille en réduisant les défauts, le gaspillage de matériaux et les coûts de production dans le processus de fabrication additive. La fabrication additive à grande échelle dépose des plastiques chauffés couche par couche à l'aide de buses robotisées, pour fabriquer des structures telles que des murs de bâtiments, des pièces de véhicules ou des pièces d'avion. Ce processus nécessite un contrôle strict de variables telles que la température, la vitesse de la buse et le taux de refroidissement, afin de garantir une fusion adéquate des couches sans déformation.
Le système de l'ORNL combine des capteurs traditionnels avec des caméras thermiques à faible coût installées autour de la buse d'impression. La vision par ordinateur — une forme d'intelligence artificielle utilisée pour l'interprétation d'images — permet au système d'analyser les données thermiques en temps réel et de détecter les écarts de température lors du dépôt du matériau. Lorsqu'une incohérence est identifiée, le contrôleur ajuste automatiquement la vitesse d'impression pour garantir que chaque couche refroidisse à la température correcte avant l'application de la couche suivante. Kris Villez, chercheur principal du projet, a indiqué que l'innovation de ce contrôleur réside dans sa capacité à percevoir les conditions en temps réel et à réagir, presque comme un humain contrôlerait le processus : observer et ajuster les réglages jusqu'à obtenir le résultat souhaité.
Chris O'Brien, étudiant diplômé de l'Université du Tennessee à Knoxville (University of Tennessee, Knoxville) collaborant avec les chercheurs de l'ORNL, a souligné que le système est capable de détecter et de corriger des écarts de température de seulement quelques degrés, ce qui est crucial car de petites variations peuvent entraîner la défaillance des pièces. Lors des tests, les chercheurs ont fabriqué une pièce hexagonale plus grande qu'un pneu de camion. Lorsque les conditions d'impression initiales ont entraîné un refroidissement du matériau d'environ 30 % en dessous de la cible avant l'ajout des couches suivantes, le système a automatiquement ajusté la vitesse d'impression pour rétablir les conditions de température appropriées, démontrant ainsi sa capacité de correction en temps réel.
Les chercheurs de l'ORNL ont indiqué que, contrairement à certaines méthodes de surveillance, ce contrôleur ne nécessite pas de réentraînement pour chaque nouveau design, ce qui pourrait réduire les besoins en calcul et améliorer la flexibilité entre différentes imprimantes, matériaux et géométries de pièces. Villez a déclaré que le système est conçu pour être compatible avec toute imprimante composite à grande échelle, tout type de plastique et toute forme.
Cette recherche s'appuie sur des travaux antérieurs de l'ORNL en collaboration avec l'Université Purdue (Purdue University) et l'Université du Maine (University of Maine), qui ont exploré l'utilisation de l'imagerie thermique combinée à la modélisation statistique pour la détection des défauts dans la fabrication additive à grande échelle. Villez a indiqué que la prochaine étape consiste à accroître l'automatisation de l'environnement de fabrication, rendant ces machines plus intelligentes et plus réactives. Le projet implique également les chercheurs de l'ORNL Katie Copenhaver et Alex Roschli, et a reçu le soutien du Bureau des sciences du Département de l'Énergie des États-Unis (U.S. Department of Energy Office of Science) et de son Bureau des technologies avancées des matériaux et de la fabrication (Advanced Materials and Manufacturing Technologies Office). UT-Battelle gère l'ORNL pour le Bureau des sciences du Département de l'Énergie.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
