Additive Manufacturing (AM) – algemeen bekend als 3D-printen – omvat productieprocessen die afhankelijk zijn van een door de gebruiker gedefinieerde set van geoptimaliseerde parameters. Monitoring en controle van deze processen in realtime kan helpen bij het bereiken van operationele stabiliteit en herhaalbaarheid om onderdelen van hoge kwaliteit te produceren. Door in-situ . toe te passen monitoringmethoden tot AM-procedures, kunnen defecten in de geprinte delen worden opgespoord.

In een nieuwe recensie in het Elsevier tijdschrift Materials &Design , Nikhil Gupta, hoogleraar werktuigbouwkunde en ruimtevaarttechniek en directeur van het Composite Materials and Mechanics Laboratory aan de NYU Tandon, en Youssef AbouelNour, een doctoraalstudent onder leiding van Gupta, onderzoeken de toepassing van zowel beeldvormende als akoestische methoden voor de detectie van ondergrondse en interne defecten.

De beeldvormingsmethoden bestaan ​​uit visuele en thermische controletechnieken, zoals optische camera's, infrarood (IR) camera's en röntgenbeeldvorming. De gegevens zijn overvloedig, aangezien er talloze onderzoeken zijn uitgevoerd die de betrouwbaarheid van beeldvormingsmethoden aantonen bij het bewaken van het afdrukproces en de bouwruimte, evenals bij het detecteren van defecten.

Akoestische methoden zijn afhankelijk van akoestische detectietechnologieën en signaalverwerkingsmethoden om respectievelijk akoestische signalen te verwerven en te analyseren. Ruwe akoestische emissiesignalen kunnen correleren met bepaalde defectmechanismen met behulp van methoden voor kenmerkextractie. In hun recensie bespreken Gupta en AbouelNour verwerking, representatie en analyse van de verworven in-situ gegevens van zowel beeldvormende als akoestische methoden. Ze introduceren ook ex-situ testtechnieken als methoden voor verificatie van resultaten verkregen uit in-situ monitoringgegevens.

Onder hun onthullingen:

• In-situ procesbewakingsmethoden kunnen een closed-loop AM-proces creëren dat in staat is om defecten te corrigeren en te controleren, om processtabiliteit en herhaalbaarheid te garanderen
• Integratie van monitoringmethoden en machine learning in het AM-proces kan helpen bij het continu evalueren van de kwaliteit van materiaalafzetting en het ontwikkelen van interventiemethoden om de defecten in-situ te corrigeren
• En het gebruik van röntgencomputertomografie kan leiden tot een diepgaande evaluatie van defecten, evenals een beoordeling van de kwaliteit van in-situ monitoringmethoden.
• De integratie van methoden voor kwaliteitsbewaking met de productiemethoden elimineert de noodzaak om de kwaliteitsbeoordeling afzonderlijk uit te voeren, wat een aanzienlijke hoeveelheid tijd kan besparen.

Inspectie van optische waferdefecten bij het 10 nm-technologieknooppunt en verder