文献

J-GLOBAL ID：202102240079953236   整理番号：21A1949860

付加製造での層毎構築品質の画像誘導変形幾何学解析【JST・京大機械翻訳】

Image-Guided Variant Geometry Analysis of Layerwise Build Quality in Additive Manufacturing

著者 (5件)： Imani Farhad (Pennsylvania State University, State College, PA) ,  Chen Ruimin (Pennsylvania State University, State College, PA) ,  Diewald Evan (Pennsylvania State University, State College, PA) ,  Reutzel Edward (Pennsylvania State University, State College, PA) ,  Yang Hui (Pennsylvania State University, State College, PA)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： MSEC2019  ページ： Null  発行年： 2019年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 付加製造(AM)は,カスタマイズ製品の設計駆動構築における新しいパラダイムである。それにもかかわらず,マスカスタマイゼーションと低容積生産はAM品質保証を極めて困難にする。高度イメージングは,情報可視度を増加させ,製品複雑性に対処し,AMにおけるオンザフライ品質管理を可能にする前例のない機会を提供する。しかし,カスタマイズされたAMビルのin situ画像は,欠陥検出のための深層ニューラルネットワーク(DNN)のような強力な画像ベースの学習法の使用を妨げる高レベルの層から層への形状変化を示す。今までのところ,以前の研究は,画像誘導プロセス監視と制御に及ぼすAMカスタマイゼーションの影響に取り組む方法を調査した。提案した研究は,カスタマイズされたAMビルの品質管理のための,新しいリアルタイムおよびマルチスケールプロセスモニタリング方法論を開発することによって,このギャップを埋めることを狙った。具体的には,コンピュータ支援設計(CAD)ファイルを利用して,形状対画像レジストレーションを行い,レイアワイズ画像における関心領域を明らかにした。次に,階層的ダイアディック分割方法論を開発し,自由形状解析を提供するために,同じ数のピクセルを持つサブ領域への関心の層-層領域を分割した。次に,各カスタマイズサブ領域における複雑な空間パターンを特性化し,計算速度を上げるための半パラメトリックモデルを提案した。最後に,DNNモデルを設計し,欠陥の細粒情報を学習し,検出した。実験結果は,提案したプロセスモニタリングと制御方法論が,92.50±1.03%の精度で各層における欠陥を検出することを示した。これは,構築完了前のAMの層間変動を低減する機会を提供する。また,提案された方法論は,画像ベースのプロセスモニタリングとカスタマイズされた設計による制御を伴う様々な工学と医学分野でも一般的に適用可能である。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *幾何学 ,  CAD【計算機】 ,  品質管理 ,  学習 ,  品質保証 ,  故障検出 ,  画像処理 ,  画素 ,  制御方式 ,  計算機処理速度 ,  可視度 ,  *付加製造
準シソーラス用語： 形状変化 ,  パラメトリックモデル ,  プロセス監視 , 【Automatic Indexing@JST】

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (6件)： 付加製造 ,  層 ,  構築 ,  誘導 ,  幾何学 ,  解析