Os processos baseados em laser para metais são considerados especialmente versáteis na indústria. Os lasers, por exemplo, podem ser usados para criar peças mais complexas usando os elementos corretos de sola-soldagem juntos ou usando a limpeza de impressão 3D, de forma clara e automática. É por isso que os processos a laser são usados em vários setores, como indústrias automotivas e de aviação, onde é necessária a precisão máxima ou para a produção de implantes de titânio personalizados, por exemplo, na tecnologia de tratamento.
No entanto, apesar de suas habilidades, os processos a laser são tecnicamente desafiadores. A interação complexa entre laser e ingredientes torna o processo sensível ao menor desvio – as características do material ou nas configurações dos parâmetros do laser. Até as menores flutuações podem causar erros na produção.
“Para garantir que os processos baseados em laser possam ser usados flexíveis e possam obter resultados consistentes, estamos trabalhando sob melhor entendimento, observação e controle desses processos”, disse Elia Iseli, líder do grupo de pesquisa no Laboratório de Processamento de Materiais Advanced da Thun. De acordo com esses princípios, dois pesquisadores de sua equipe Jiulio Macenelli e as técnicas de produção baseadas em laser de Chang Rajani querem tornar mais acessíveis, mais eficientes e mais acessíveis.
Evapora ou derrete?
Primeiro, dois pesquisadores se concentraram na fabricação aditiva, ou seja, impressão 3D de metais usando lasers. Esse processo, conhecido como fusão de leito de pó (PBF), funciona um pouco separadamente com a impressão 3D convencional. A fina camada de metal em pó derrete nos pontos certos por laser, para que o elemento final seja lentamente “ld lai” deles.
O PBF permite a criação de geometria complexa que raramente é possível com outros processos. Antes do início da produção, no entanto, uma série complexa de testes iniciais é quase sempre necessária. Isso ocorre porque existem dois modos para o processamento de laser de metal, incluindo PBF: Metal no modo de condutividade simplesmente derrete. No modo de fechadura, ele evapora mesmo em alguns casos. O modo de veículo lento é fino e ideal para elementos muito precisos. O modo de buraco da fechadura é um pouco menos preciso, mas mais rápido e adequado para peças de trabalho densas.
O limite entre esses dois modos depende de diferentes parâmetros. A melhor qualidade do produto final requer as configurações corretas – e elas são amplamente alteradas, dependendo do material processado. “Mesmo um novo lote do mesmo pó inicial pode exigir configurações completamente diferentes”, disse Masineli.
Mais boa qualidade, incluindo menos testes
Geralmente, uma série de testes deve ser realizada antes de cada lote para determinar as melhores configurações para os elementos e parâmetros relacionados, como a potência do laser. Isso requer uma grande quantidade de material e deve ser monitorado por um especialista. “É por isso que muitas empresas não podem transportar PBF no começo”, disse Masineli.
Masineli e Rajani agora adaptaram esses testes usando o aprendizado de máquina e os dados de sensores ópticos já incluídos nas máquinas a laser. Os pesquisadores usaram seus algoritmos “veja” “ver” “Veja” Estes dados ópticos estão atualmente em qualquer modo de soldagem no laser durante um exame. Com base nisso, o algoritmo determina as configurações para o próximo teste. Reduz o número de testes iniciais exigidos em cerca de dois termos, mantendo a qualidade do produto.
“Esperamos que nosso algoritmo possa usar não especialistas para usar dispositivos PBF”, explica o resumo de Macinelie. O que é necessário para usar o algoritmo no setor é a integração do firmware das máquinas de soldagem a laser pelos fabricantes de dispositivos.
Otimização em tempo real
O PBF não é o único processo a laser que pode ser favorável usando o aprendizado de máquina. Em outro projeto, Rajani e Masineli se concentraram na soldagem a laser – mas um passo adiante. Eles não apenas favorecem os testes iniciais, mas também o processo LD. Mesmo com as configurações ideais, a soldagem a laser pode ser indesejada, por exemplo, se o feixe de laser atingir pequenos defeitos na superfície do metal.
“Não é possível impressionar o processo de soldagem em tempo real”, disse Chang Rajani. “Isso está além do poder dos especialistas humanos”. A velocidade com que os dados precisam ser avaliados e decididos também é um desafio para o computador. É por isso que Rajani e Macenelli usaram um tipo especial de chip de computador para esse fim, a chamada matriz de portão programável em campo (FPGA). “Com o FPGEA, sabemos exatamente quando eles executarão um comando e executarão – o que não é no caso de PCs convencionais”, explicou Macenelli.
No entanto, o FPGA está associado a um PC em seu sistema, que atua como um “cérebro de backup”. Os parâmetros especiais de laser de chip aprenderam com o algoritmo do PC enquanto ocupam a observação e o controle dos parâmetros. “Se estivermos satisfeitos com o desempenho do algoritmo no ambiente virtual do PC, podemos ‘transferi -lo’ para o FPGA e tornar o chip mais inteligente de uma só vez”, explicou Macenelli.
Dois pesquisadores do MPA estão convencidos de que o aprendizado de máquina e a inteligência artificial podem contribuir muito mais para o processamento a laser de metais. É por isso que eles continuam desenvolvendo seus algoritmos e modelos e com a ajuda de parceiros de pesquisa e indústria – estão expandindo a área de aplicação.
