文献

J-GLOBAL ID：202102239719211194   整理番号：21A0875020

SLMプロセスのその場監視システム:データ処理のための機械学習モデルの開発の必要性について【JST・京大機械翻訳】

In Situ Monitoring Systems of The SLM Process: On the Need to Develop Machine Learning Models for Data Processing

著者 (6件)： Yadav Pinku (SIRRIS, Rue du Bois Saint-Jean 12, 4102 Seraing, Belgium) ,  Yadav Pinku (CNRS, Arts et Metiers Institute of Technology, University of Bordeaux, Bordeaux INP, INRAE, I2M Bordeaux, F-33400 Talence, France) ,  Rigo Olivier (SIRRIS, Rue du Bois Saint-Jean 12, 4102 Seraing, Belgium) ,  Arvieu Corinne (CNRS, Arts et Metiers Institute of Technology, University of Bordeaux, Bordeaux INP, INRAE, I2M Bordeaux, F-33400 Talence, France) ,  Guen Emilie Le (CNRS, Arts et Metiers Institute of Technology, University of Bordeaux, Bordeaux INP, INRAE, I2M Bordeaux, F-33400 Talence, France) ,  Lacoste Eric (CNRS, Arts et Metiers Institute of Technology, University of Bordeaux, Bordeaux INP, INRAE, I2M Bordeaux, F-33400 Talence, France)
資料名： Crystals (Web)  (Crystals (Web))
巻： 10  号： 6  ページ： 524  発行年： 2020年 
JST資料番号： U7169A  ISSN： 2073-4352  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 近年,技術的進歩は,レーザ粉末床融合プロセスの工業化につながった。進歩,品質保証,信頼性,およびレーザ粉末床融合プロセスの再現性の欠如にもかかわらず,まだ,その全心的採用からリスク回避産業が妨げられている。プロセス誘起欠陥またはドリフトは,最終部品の品質に有害な影響を及ぼし,それは,仕上げ部品の壊滅的破壊に導くことができた。印刷中のプロセスシグネチャを効果的に監視するためのin situモニタリングシステムの開発を導いた。それにもかかわらず,in situデータの後処理と自動化された方法での欠陥検出は,大きな課題である。今日,多くの研究が,この問題を解決し,リアルタイムでプロセスを監視するためのフィードバック制御ループシステムを開発するために,機械学習アプローチを組み込むことに焦点を合わせてきた。本研究では,in situセンシングデバイスによって捕捉されたプロセスシグネチャと,容易で自動化された欠陥検出のためのデータ分析の分野での最近の進歩によってモニターできるプロセス欠陥のタイプをレビューした。また,プロセスをより良く理解するための最も一般的なin situセンシングセンサーの作動原理を論じた。また,レーザ粉末床核融合システムに関する市販のその場監視装置についてもレビューした。このレビューは,粉末床融合技術の総合的なレビューを示す,GrassoとColosimoの仕事によって触発された。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 粉体 ,  印刷 ,  自動化 ,  信頼性 ,  品質保証 ,  再現性 ,  故障検出 ,  核融合 ,  *監視装置 ,  工業化 ,  *データ処理 ,  検出器 ,  *機械学習
準シソーラス用語： 実時間 ,  動作原理 , 【Automatic Indexing@JST】

著者キーワード (4件)： L-PBF ,  in situセンシング ,  品質保証 ,  機械学習

分類 (1件)： 非破壊試験  (HB02030F)

引用文献 (99件)：

• ASTM Standard. ISO/ASTM 52900: 2015 Additive Manufacturing-General Principles-Terminology; ASTM F2792-10e1; ASTM Standard: West Kanshohoken, PA, USA, 2012.
• Mani, M.; Feng, S.; Lane, B.; Donmez, A.; Moylan, S.; Fesperman, R. Measurement Science Needs for Real-Time Control of Additive Manufacturing Powder Bed Fusion Processes. 2015. Available online: https://www.researchgate.net/publication/279178288_Measurement_Science_Needs_for_Real-time_Control_of_Additive_Manufacturing_Powder_Bed_Fusion_Processes (accessed on 17 June 2020).
• Galy, C.; Le Guen, E.; Lacoste, E.; Arvieu, C. Main defects observed in aluminum alloy parts produced by SLM: From causes to consequences. Addit. Manuf. 2018, 22, 165-175.
• Tapia, G.; Elwany, A. A review on process monitoring and control in metal-based additive manufacturing. J. Manuf. Sci. Eng. 2014, 136, 060801.
• Khoda, A.; Ozbolat, I.T.; Koc, B. Designing heterogeneous porous tissue scaffolds for additive manufacturing processes. Comput. Aided Des. 2013, 45, 1507-1523.

タイトルに関連する用語 (6件)： SLM ,  プロセス ,  監視システム ,  機械学習 ,  モデル ,  開発