MONITORAGGIO DEL PROCESSO DI DIRECT LASER METAL DEPOSITION MEDIANTE ALGORITMI DI DEEP LEARNING

Al giorno d’oggi l’Additive Manufacturing è molto utilizzato per la produzione di componenti, di diversi materiali, e può essere realizzato impiegando diversi processi. Tra i processi laser che afferiscono all’Additive Manufacturing vi è il DMD (Direct Metal Deposition), che, a fronte di tante potenzialità, relative alla libertà progettuale, al risparmio di materiale, alla possibilità di impiego nell’ambito del repair e del cladding, ha come fattore critico il controllo della qualità del processo/prodotto. Trattandosi di un processo facente uso di un fascio laser e di polveri sottili, la zona di lavoro deve essere confinata e protetta. In tale contesto risulta importante riuscire a trovare un metodo di monitoraggio in-situ che agisca in tempo reale sulla misurazione e l’analisi di determinati parametri. Alcuni fenomeni che possono generare un difetto sono rilevabili da eventuali operatori che osservano il processo da apposite finestre di ispezione; altri, invece, sono rilevabili solo attraverso una misurazione di grandezze ben precise, da effettuarsi in remoto. A tale scopo può essere quindi utilizzata l’intelligenza artificiale (IA). L’obiettivo di questo studio è l’ottenimento di un modello di IA in grado di monitorare alcuni parametri di processo e identificare autonomamente le situazioni di avvertimento o pericolo, tramite opportune videocamere poste a visione del processo. Per rispondere a tale bisogno è stata effettuata una ricerca sui vari algoritmi di machine learning presenti ed è stato impostato un modello in grado di riconoscere i vari elementi presenti nelle immagini, consentendo di ottenere delle immagini etichettate. Successivamente sulle immagini etichettate è stato effettuato uno studio volto a misurare i parametri di interesse, per la rilevazione di situazioni fuori controllo che potrebbe inficiare il risultato della lavorazione.