Sebuah tim peneliti yang melibatkan Laboratorium Nasional Argonne dan Universitas Virginia telah mengembangkan metode baru untuk mendeteksi cacat secara real-time pada pencetakan 3D berbasis logam. Metode ini menggabungkan pencitraan sinar-X termografi dan resolusi tinggi dengan pembelajaran mesin untuk mengidentifikasi apa yang disebut pori-pori lubang kunci – cacat struktural yang sering terjadi selama fusi lapisan serbuk laser dan dapat memengaruhi sifat mekanis komponen yang diproduksi secara aditif.
Meskipun sensor termal sudah digunakan di banyak sistem pencetakan 3D modern untuk pemantauan proses, sensor ini umumnya tidak dapat diandalkan untuk mendeteksi pembentukan pori-pori di dalam komponen. Oleh karena itu, para peneliti menggunakan radiasi sinkrotron dari Advanced Photon Source untuk membandingkan gambar sinar-X dari struktur internal dengan suhu permukaan kolam cair. Hal ini menunjukkan bahwa pembentukan pori-pori lubang kunci meninggalkan tanda tangan termal yang khas pada permukaan yang dapat ditangkap oleh kamera.
Model pembelajaran mesin yang dilatih berdasarkan data sinar-X kemudian digunakan untuk memprediksi pembentukan pori dengan resolusi temporal yang tinggi hanya dengan menggunakan informasi termal. Akurasinya cukup memadai untuk mengidentifikasi peristiwa pori pada skala waktu kurang dari satu milidetik. Di masa mendatang, solusi sensor lebih lanjut akan dikembangkan atas dasar ini, yang juga dapat mendeteksi jenis cacat lainnya dan bahkan memungkinkan intervensi selama proses pencetakan di masa mendatang.
Pengembangan ini khususnya relevan untuk aplikasi di bidang kedirgantaraan, teknologi energi dan teknologi medis, di mana integritas struktural komponen penting memainkan peran kunci. Kontrol proses yang lebih dekat dapat mengurangi biaya pasca-pemrosesan dan meningkatkan kualitas komponen – sebuah langkah penting menuju penggunaan industri yang lebih luas dari manufaktur aditif logam.
