WO2022091949A1 - 状態監視システムおよび状態監視方法 - Google Patents

状態監視システムおよび状態監視方法 Download PDF

Info

Publication number
WO2022091949A1
WO2022091949A1 PCT/JP2021/038980 JP2021038980W WO2022091949A1 WO 2022091949 A1 WO2022091949 A1 WO 2022091949A1 JP 2021038980 W JP2021038980 W JP 2021038980W WO 2022091949 A1 WO2022091949 A1 WO 2022091949A1
Authority
WO
WIPO (PCT)
Prior art keywords
modeling
defect
condition monitoring
information
defect state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2021/038980
Other languages
English (en)
French (fr)
Inventor
泰一 竹崎
秀峰 小関
賢治 大津
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Proterial Ltd
Original Assignee
Hitachi Metals Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Metals Ltd filed Critical Hitachi Metals Ltd
Priority to US18/249,264 priority Critical patent/US20230400434A1/en
Priority to JP2022559077A priority patent/JP7359320B2/ja
Priority to EP21886067.4A priority patent/EP4238767A4/en
Publication of WO2022091949A1 publication Critical patent/WO2022091949A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B22F12/90—Means for process control, e.g. cameras or sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y99/00—Subject matter not provided for in other groups of this subclass
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/20—Direct sintering or melting
    • B22F10/28—Powder bed fusion, e.g. selective laser melting [SLM] or electron beam melting [EBM]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F2999/00—Aspects linked to processes or compositions used in powder metallurgy
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/10—Processes of additive manufacturing
    • B29C64/141—Processes of additive manufacturing using only solid materials
    • B29C64/153—Processes of additive manufacturing using only solid materials using layers of powder being selectively joined, e.g. by selective laser sintering or melting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0231—Composite or layered materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Definitions

  • the present invention relates to a condition monitoring system and a condition monitoring method, for example, a technique for monitoring the state of three-dimensional laminated modeling.
  • a measured acoustic profile is generated by measuring the acoustic energy generated by the molten pool with a microphone, and the measured acoustic profile is compared with a known reference acoustic profile to obtain defects.
  • a method of determining the presence or absence is shown.
  • a modeling device such as a 3D printer has been used to manufacture a model having a complicated shape.
  • a manufacturing method using such a modeling device is called three-dimensional laminated modeling.
  • a model manufactured by three-dimensional laminated modeling may contain defects.
  • the modeled body generates a peculiar acoustic signal with the occurrence of defects. Therefore, in the method of Patent Document 1, the sound generated during modeling is monitored by a microphone, and the presence or absence of a defect is determined by whether or not the sound includes an acoustic signal associated with the defect. When this method is used, all the shaped objects including defects will be determined to be defective.
  • a modeled body containing defects may be regarded as a non-defective product depending on the degree of defects. Specifically, information such as the number, size, density, position, type (horizontal cracking, vertical cracking, peeling, etc.) of defects, etc., can be determined for determining whether the modeled body is non-defective or defective. It may be desirable to do it comprehensively. For that purpose, a mechanism that can perform quality control of the modeled object with optimum specifications that are neither over-specification nor under-specification, in other words, a mechanism that can perform quality control of the modeled object with high accuracy is required.
  • the present invention has been made in view of the above, and one of the objects thereof is to provide a condition monitoring system and a condition monitoring method capable of performing quality control of a modeled body with high accuracy. be.
  • the analysis device includes a memory for storing defect database information representing the correlation between the defect state of the model and the acoustic signal, and the amplitude and frequency of the acoustic signal included in the output signal.
  • defect database information representing the correlation between the defect state of the model and the acoustic signal, and the amplitude and frequency of the acoustic signal included in the output signal.
  • the preparation step to be stored in the memory the detection step of detecting the acoustic signal from the output signal of the acoustic sensor, and the amplitude, frequency, wave number, convergence time, and generation interval of the acoustic signal detected in the detection step.
  • the specific step of specifying the defect state of the model as the specified defect state and the model based on the specified defect state It has a determination step for determining the quality of the above.
  • FIG. 1A It is a schematic diagram which shows the application example of the condition monitoring system by one Embodiment of this invention. It is a schematic diagram which shows the application example of the condition monitoring system in the post-modeling period following FIG. 1A. It is a schematic diagram which shows the application example different from FIG. 1A of the state monitoring system by one Embodiment of this invention. It is a schematic diagram which shows the application example of the condition monitoring system in the post-modeling period following FIG. 2A. It is a waveform diagram which shows an example of the output signal of the acoustic sensor in FIG. 1A, FIG. 1B, FIG. 2A and FIG. 2B. It is a block diagram which shows the structural example of the main part of the analysis apparatus in FIG. 1A, FIG. 1B, FIG.
  • FIG. 2A and FIG. 2B It is a flow diagram which shows an example of the processing content of the state monitoring method using the state monitoring system of FIG. 1A or FIG. 2A. It is a flow chart which shows an example of the processing content of the state monitoring method using the state monitoring system of FIG. 1B or FIG. 2B.
  • FIG. 1A is a schematic diagram showing an application example of a condition monitoring system according to an embodiment of the present invention.
  • FIG. 1B is a schematic diagram showing an application example of a condition monitoring system in the post-modeling period following FIG. 1A.
  • FIG. 1A shows a configuration example of the condition monitoring system 1 during modeling of three-dimensional laminated modeling.
  • FIG. 1A shows a modeling device 10a, a modeling control device 11, and an analysis device 12.
  • the modeling device 10a is, for example, a three-dimensional laminated modeling device (3D printer) for metals using a powder bed melt-bonding method.
  • the energy source 15 irradiates the galvano scanner 16 with an energy beam (for example, laser light).
  • the galvano scanner 16 reflects the energy beam from the energy source 15 in the direction of the work stage 17 while changing the reflection angle.
  • the work stage 17 is provided with a filling tank 18, a workspace 19, and a recovery tank 20.
  • the filling tank 18 is filled with a material powder 42 such as a metal powder, for example.
  • the piston 21 exposes the material powder 42 in the filling tank 18 onto the work stage 17.
  • the roller (or recorder) 24 spreads the exposed material powder 42 on the work stage 17. As a result, the material powder 42 is spread in the workspace 19. At this time, the piston 22 controls the thickness of the material powder 42 spread in the workspace 19. The recovery tank 20 recovers the surplus material powder 42 in the workspace 19 as the roller (recoater) 24 operates.
  • a modeling stage 41 is mounted on the upper part of the piston 22. The modeled body 40 is laminated and modeled on the modeling stage 41 by the powder bed fusion bonding method.
  • the following unit steps are repeatedly executed.
  • the piston 22 and the roller (recoater) 24 spread the material powder 42 in the workspace 19 with a thickness TN equivalent to several tens of microns, and then the galvano scanner 16 sends an energy beam to the material powder 42.
  • the material powder 42 is melt-bonded by irradiation.
  • the modeled body 40 is sequentially laminated and modeled on the modeling stage 41 with the thickness TN as a unit. Further, the shape of the model 40 is determined by controlling the orientation of the galvano scanner 16 based on the CAD data.
  • the modeling control device 11 controls each part of the modeling device 10a so that such a modeling operation is performed.
  • a defect occurs in the modeled body 40 during modeling, a peculiar sound is generated from the defective portion.
  • Typical examples of such defects include solidification cracks and the like that occur in the process of solidification after the material powder 42 is melted due to irradiation with an energy beam. Therefore, in order to capture this sound, in this example, a single or a plurality (plural) acoustic sensors 23 are attached to the lower part of the piston 22.
  • the acoustic sensor 23 is an AE (Acoustic Emission) sensor including, for example, a piezoelectric element such as PZT (lead zirconate titanate).
  • the sound generated from the modeling body 40 propagates to the acoustic sensor 23 via, for example, the modeling stage 41 and the piston 22 which are metal members.
  • the acoustic sensor 23 detects the sound generated from the model 40.
  • the output signal of the acoustic sensor 23 includes an acoustic signal (AE signal) which is a sound peculiar to a defect.
  • the analysis device 12 analyzes the defect of the modeled body 40 generated during the modeling based on this acoustic signal.
  • Such an acoustic sensor 23 and an analysis device 12 constitute a condition monitoring system 1.
  • FIG. 1B shows the state after the modeling of the modeled body 40 is completed by FIG. 1A.
  • the modeling body 40 is removed from the modeling device 10a together with the modeling stage 41.
  • the modeling body 40 and the modeling stage 41 being modeled are in a high temperature state due to the irradiation of the energy beam. Therefore, it is desirable to cool the model 40 and the model stage 41 during the cooling period after modeling (for example, 1 hour or more). During this cooling period, the model 40 may have defects such as delayed cracking due to residual stress.
  • the model 40 may have defects due to changes in the material structure. For example, hydrogen or the like mixed in the material during modeling may diffuse to the grain boundaries, causing hydrogen embrittlement and cracking. Therefore, in the example of FIG. 1B, the acoustic sensor 23 is mounted on the modeling stage 41 after modeling.
  • the analysis device 12 analyzes defects in the modeled body 40 that occur in the post-modeling period, which is a predetermined period after modeling, based on the acoustic signal (AE signal) included in the output signal of the acoustic sensor 23.
  • the post-modeling period corresponds to the above-mentioned cooling period and post-cooling period. Then, after a period after the modeling, the modeling body 40 is separated from the modeling stage 41.
  • the acoustic sensor 23 be mounted at a position close to the model 40. From this point of view, the acoustic sensor 23 may be mounted on the model stage 41 in FIG. 1A as in the case of FIG. 1B. good. However, from the viewpoint of device protection due to a high temperature state, the acoustic sensor 23 may be mounted on the piston 22 as shown in FIG. 1A. Further, since the mounting position of the acoustic sensor 23 is different between FIGS. 1A and 1B, the conditions of the acoustic signal input to the analysis device 12 (for example, the reference amplitude value and the like) may be different. Therefore, from the viewpoint of matching the input conditions of the acoustic signal, in FIG. 1B, a member corresponding to the piston 22 of FIG. 1A may be inserted between the modeling stage 41 and the acoustic sensor 23.
  • FIG. 2A is a schematic diagram showing an application example different from that of FIG. 1A of the condition monitoring system according to the embodiment of the present invention.
  • FIG. 2B is a schematic diagram showing an application example of a condition monitoring system in the post-modeling period following FIG. 2A.
  • FIG. 2A shows a configuration example of the condition monitoring system 1 during modeling of three-dimensional laminated modeling.
  • FIG. 2A shows a modeling device 10b, a modeling control device 11, and an analysis device 12.
  • the modeling device 10b is, for example, a three-dimensional laminated modeling device (3D printer) for metals using a directed energy deposition method, unlike FIG. 1A.
  • the modeling stage 41 is mounted on the work stage 32.
  • the modeling head 30 is provided with an energy nozzle 31, and while injecting a material powder 42 such as metal powder, an energy beam (for example, laser light) from the energy nozzle 31 is directed toward the modeling stage 41 while changing the direction. Irradiate.
  • the direction of the modeling head 30 is controlled based on the CAD data.
  • the directed energy deposition method is a method of irradiating an energy beam while injecting the material powder 42 to deposit the molten metal.
  • the modeling control device 11 controls each part of the modeling device 10b so that such a modeling operation is performed. Further, in this example, a single or a plurality of (singular in this example) acoustic sensors 23 are attached to the work stage 32.
  • the analysis device 12 analyzes the defect of the modeled body 40 generated during modeling based on the acoustic signal included in the output signal of the acoustic sensor 23. Such an acoustic sensor 23 and an analysis device 12 constitute a condition monitoring system 1.
  • FIG. 2B shows the state after the modeling of the modeled body 40 is completed by FIG. 2A.
  • the modeling body 40 is removed from the modeling device 10b together with the modeling stage 41.
  • a post-modeling period (cooling period and post-cooling period) is provided as in the case of FIG. 1B.
  • the acoustic sensor 23 is mounted on the modeling stage 41.
  • the analysis device 12 analyzes the defect of the modeled body 40 generated after modeling based on the acoustic signal included in the output signal of the acoustic sensor 23. After that, the model 40 is separated from the model stage 41.
  • the mounting position of the acoustic sensor 23 can be appropriately changed as in the case of FIGS. 1A and 1B.
  • the energy beam is not limited to the laser beam, and may be, for example, an electron beam or the like.
  • the analysis device 12 in FIGS. 1A and 2A analyzes defects in the modeled body 40 that occur during and after modeling based on the acoustic signal included in the output signal of the acoustic sensor 23.
  • FIG. 3 is a waveform diagram showing an example of the output signal of the acoustic sensor in FIGS. 1A, 1B, 2A and 2B.
  • FIG. 3 shows output signals OT1 and OT2 of the acoustic sensor 23 obtained for different shaped objects [1] and [2], respectively. Further, FIG. 3 shows the output signals OT1 and OT2 obtained in the modeling period T1 and the modeling period T2.
  • the modeling period T1 is a period during modeling of the modeling body 40 as described in FIG. 1A or FIG. 2A.
  • the post-modeling period T2 is a predetermined period after the modeling of the modeled body 40 is completed, and corresponds to the above-mentioned cooling period and post-cooling period.
  • the output signal OT1 obtained from the modeled body [1] contains a large amount of acoustic signal AES in the modeling period T1 and hardly contains the acoustic signal AES in the post-modeling period T2.
  • the output signal OT2 obtained from the modeled body [2] includes a large amount of acoustic signal AES in the post-modeling period T2, and hardly includes the acoustic signal AES in the modeling period T1.
  • the acoustic signal AES is a peculiar sound generated by a defect of the model 40, and each acoustic signal AES is also referred to as a sudden AE signal.
  • the pattern of generation of the acoustic signal AES from the model 40 may be appropriately different depending on the material, shape, and the like of the model 40. Further, one acoustic signal AES in the modeling period T1 often represents one defect.
  • the waveform shape of each acoustic signal AES can be represented by parameters such as amplitude AM, frequency FQ, wave number WN, convergence time TC, and generation interval TB.
  • the amplitude AM is, for example, the maximum value among the amplitude values of each waveform in a waveform having a plurality of cycles included in the acoustic signal AES.
  • the wave number WN is the number of multiple cycles included in this acoustic signal AES.
  • the convergence time TC is the time from when the amplitude of each waveform becomes larger than a predetermined lower limit value (for example, a value for eliminating steady noise) to when it becomes smaller than a predetermined lower limit value.
  • the frequency FQ is the frequency of the acoustic signal AES, and can also be calculated by the wave number WN / convergence time TC.
  • the waveform shape of such an acoustic signal AES may be appropriately different depending on the type of defect (horizontal crack, vertical crack, peeling, etc.), the degree (magnitude) of the defect, and the like.
  • the degree (magnitude) of the defect is reflected in the amplitude AM.
  • the generation interval TB of the acoustic signal AES may differ depending on, for example, the type of defect.
  • the generation interval TB of the acoustic signal AES represents, here, the time interval between the time when the acoustic signal AES of interest is generated and the time when the previous acoustic signal AES is generated.
  • FIG. 4 is a block diagram showing a configuration example of a main part of the analysis device in FIGS. 1A, 1B, 2A and 2B.
  • the analysis device 12 shown in FIG. 4 includes a signal processing circuit 50, a defect information analyzer 51, a memory 52, and a notification device 53.
  • the signal processing circuit 50 receives the output signal OT of the acoustic sensor 23 and detects the acoustic signal AES included in the output signal OT.
  • the signal processing circuit 50 detects waveform shape parameters such as amplitude AM, frequency FQ, wave number WN, convergence time TC, and generation interval TB with respect to the detected acoustic signal AES, and an acoustic parameter signal including each parameter.
  • the signal processing circuit 50 encloses, for example, a filter that removes noise from the received acoustic signal AES, an amplifier that amplifies the filtered signal, a counter that detects the wave number WN from the amplified signal, and an amplified signal. It is equipped with a detector for line detection.
  • the memory 52 is, for example, a flash memory or a non-volatile memory such as a hard disk drive, and stores defect database information 61 (abbreviated as defect DB information 61) and determination criterion information 62.
  • the defect DB information 61 represents the correlation between the defect state DS of the model 40 and the acoustic signal AES (specifically, the acoustic parameter signal APS).
  • the defect state DS represents the type of defect (horizontal crack, vertical crack, peeling, etc.) and the degree of defect (for example, graded size, etc.). That is, the defect DB information 61 represents the correlation between the waveform shape of the acoustic signal AES and the type and degree of the defect.
  • the user creates the defect DB information 61 by deriving this correlation by physical analysis of the defect or the like, and registers it in the memory 52 in advance.
  • the defect information analyzer 51 is typically implemented by program processing using a processor (CPU (Central Processing Unit)) included in a microcontroller, a computer, or the like.
  • a processor Central Processing Unit
  • the mounting form is not limited to this, and a part or all of the defect information analyzer 51 can be mounted by FPGA (Field Programmable Gate Array), ASIC (Application Specific Integrated Circuit), or the like.
  • the defect information analyzer 51 includes a DB reference unit 55, a defect state information creation unit 56, an internal memory 57, a determination unit 58, and a timer 59.
  • the DB reference unit 55 identifies the defect state DS of the model 40 as the specified defect states DSa and DSb by referring to the defect DB information 61 using the acoustic parameter signal APS.
  • the DB reference unit 55 uses at least one of the parameters of the amplitude AM, the frequency FQ, the wave number WN, the convergence time TC, and the generation interval TB of the acoustic signal AES based on the acoustic parameter signal APS to be the defect DB.
  • the defect state DS is specified by referring to the information 61.
  • the defect state DS may have a correlation with some parameters instead of all the parameters (AM, FQ, WN, TC, TB) included in the acoustic parameter signal APS.
  • the defect DB information 61 for example, the correlation between the numerical range of some of the parameters and the defect state DS is determined, and the remaining parameters are defined in Don't Care.
  • the DB reference unit 55 outputs the specified defect state DSa specified in the modeling period T1 and the specified defect state DSb specified in the post-modeling period T2 to the defect state information creating unit 56.
  • the defect state information creation unit 56 creates defect state information DSSa based on the information of the modeling time tm in the modeling period T1 of FIG. 3, and stores it in the internal memory 57.
  • the defect state information DSSa includes one or more correspondences between the specified defect state DSa specified in the modeling period T1 and the modeling time tm. That is, the defect state information DSSa includes, for example, information that a defect of the defect state DSa1 occurs at a certain modeling time tm1 and a defect of the defect state DSa2 occurs at another modeling time tm2.
  • the information of the modeling time tm is obtained from the modeling control device 11.
  • the modeling control device 11 sequentially grasps which position of the modeling body 40 is to be modeled at which modeling time. Therefore, the information of the modeling time tm is equivalent to the information of the modeling position.
  • the defect state information DSSa substantially includes information such as what kind of defect has occurred at which modeling position of the modeled body 40.
  • the defect state information creation unit 56 creates the defect state information DSSb based on the information of the detection time td of the acoustic signal AES in the post-modeling period T2 of FIG. 3, and stores it in the internal memory 57.
  • the defect state information DSSb includes a single or a plurality of correspondences between the identified defect state DSb specified in the post-modeling period T2 and the detection time td. That is, the defect state information DSSb includes, for example, information that a defect in the defect state DSb1 has occurred at a certain detection time td1.
  • the information of the detection time td is obtained from the timer 59.
  • the timer 59 starts the timer operation, for example, at the start of the post-modeling period T2.
  • the information on the modeling position is unknown.
  • the determination unit 58 determines the quality of the modeled body 40 based on the defect state information DSSa including the identified defect state DSa and the determination reference information 62 in the memory 52 for the modeling period T1. Further, the determination unit 58 determines the quality of the modeled body 40 based on the defect state information DSSb including the specified defect state DSb and the determination reference information 62 in the memory 52 for the post-modeling period T2.
  • the determination unit 58 determines, for example, the quality or quality grade of the model 40.
  • the determination standard information 62 includes a determination standard such as a defective product when a number of defects having a certain specified defect state DSa occur for the modeling period T1 and a predetermined modeling time tm. Judgment criteria such as defective products if defects occur at (that is, modeling position) are appropriately determined.
  • a judgment standard such as a defective product when a number of defects having a certain specified defect state DSb occur or more is appropriately defined for the post-modeling period T2.
  • a determination criterion is appropriately determined for the post-modeling period T2, such as a defective product if a number of defects having a certain specified defect state DSb occur within a certain period.
  • the defect having a predetermined specified defect state DSa and the defect having a predetermined specified defect state DSb are targeted for the modeling period T1 and the modeling period T2.
  • Judgment criteria such as defective products are set as appropriate when the total value is more than one.
  • the determination unit 58 determines the quality of the modeled body 40 by collating the determination standard information 62 with the defect state information DSSa and DSSb. Further, when determining the quality grade of the modeled body 40, such determination criteria may be subdivided and determined.
  • the quality of the model 40 is determined not only by the presence or absence of defects as in Patent Document 1, but also by the size and type of defects (horizontal) obtained from the specified defect states DSa and DSb for each application of the model 40. It is desirable to perform it based on cracks, vertical cracks, peeling, etc.). For example, depending on the use of the modeled body 40, if it is a predetermined type of small defect, it may be regarded as a non-defective product.
  • the quality of the model 40 is determined by integrating the information such as the number, size, density, position, and type of defects obtained from the defect state information DSSa and DSSb.
  • the quality of the model 40 is determined by integrating the information such as the number, size, density, position, and type of defects obtained from the defect state information DSSa and DSSb.
  • the modeling position for example, the modeling position where stress is easily applied, it may be better to consider even a small defect to be a defective product.
  • the determination unit 58 outputs the quality determination result QR determined in this way to the notification device 53.
  • the notification device 53 is, for example, a display or the like.
  • the notification device 53 notifies the user of the quality determination result QR of the modeled body 40. Further, the notification device 53 may notify the user of the defect state information DSSa and DSSb. In this case, the user can grasp the tendency of occurrence of defects based on the defect state information DSSa and DSSb, and appropriately reflect them in, for example, improving the quality of the three-dimensional laminated modeling process.
  • FIG. 5 is a flow chart showing an example of the processing content of the condition monitoring method using the condition monitoring system of FIG. 1A or FIG. 2A.
  • step S100 preparation step
  • the user stores in advance the defect DB information 61 representing the correlation between the defect state DS of the model 40 and the acoustic signal AES in the memory 52.
  • step S101 the condition monitoring system 1 waits for the start of the modeling period T1 shown in FIG.
  • the condition monitoring system 1 repeatedly executes the processes of steps S102 to S106 until the modeling period T1 ends (step S107).
  • step S102 the analysis device 12 (specifically, the signal processing circuit 50) monitors the output signal OT of the acoustic sensor 23.
  • step S103 detection step
  • the signal processing circuit 50 detects the acoustic signal AES from the output signal OT of the acoustic sensor 23.
  • step S104 the signal processing circuit 50 detects the parameters of the amplitude AM, the frequency FQ, the wave number WN, the convergence time TC, and the generation interval TB with respect to the detected acoustic signal AES.
  • step S105 the analyzer 12 (specifically, the defect information analyzer 51) refers to the defect DB information 61 using at least one of the parameters detected in step S104.
  • the defective state DS is specified as the identified defective state DSa.
  • step S106 the defect information analyzer 51 creates defect state information DSSa in which the identified defect state DSa identified in step S105 and the modeling time tm from the modeling control device 11 are associated with each other. Is stored in the internal memory 57.
  • step S107 the modeling period T1 ends in step S107.
  • step S108 determination step
  • the defect information analyzer 51 determines the quality of the completed model 40 based on the defect state information DSSa created and stored in step S106.
  • step S108 the defect information analyzer 51 recognizes the type and degree of defects and the number of defects generated based on the identified defect state DSa included in the defect state information DSSa, for example. Then, by collating with the determination standard information 62, the quality, grade, and the like of the model 40 are determined. Alternatively, the defect information analyzer 51 recognizes what kind of defect has occurred at which modeling position in the modeled body 40 based on the identified defect state DSa included in the defect state information DSSa and the modeling time tm. By collating with the determination standard information 62, the quality, grade, and the like of the model 40 are determined.
  • the analysis device 12 may notify the notification device 53 of the quality determination result QR in step S108 and the defect state information DSSa created in step S106.
  • step S106 the modeling time tm is obtained from the modeling control device 11, but instead, the detection time td of the timer 59 in FIG. 4 may be used. In this case, the timer 59 may start the timer operation by receiving a trigger for starting the modeling from the modeling control device 11.
  • FIG. 6 is a flow chart showing an example of the processing content of the condition monitoring method using the condition monitoring system of FIG. 1B or FIG. 2B.
  • step S200 preparation step
  • the user stores in advance the defect DB information 61 representing the correlation between the defect state DS of the model 40 and the acoustic signal AES in the memory 52.
  • step S201 the condition monitoring system 1 waits for the start of the post-modeling period T2 shown in FIG.
  • the condition monitoring system 1 resets the detection time td of the timer 59 and starts the timer 59 (step S202). After that, the condition monitoring system 1 repeatedly executes the processes of steps S203 to S207 until the post-modeling period T2 ends (step S208).
  • steps S203 to S207 is the same as the processing of S102 to S106 shown in FIG. However, in step S207 (creation step), the detection time td from the timer 59 is used as the time of the defect state information DSSb instead of the modeling time tm from the modeling control device 11 in step S106.
  • step S209 determination step
  • the analyzer 12 (specifically, the defect information analyzer 51) is based on the defect state information DSSb created and stored in step S207.
  • the quality of the completed model 40 is determined.
  • the defect information analyzer 51 recognizes the type and degree of defects and the number of defects generated based on, for example, the identified defect state DSb included in the defect state information DSSb, and collates with the determination standard information 62. By doing so, the quality, grade, etc. of the model 40 are determined.
  • steps S204 to S207 may be collectively performed after the end of the post-modeling period T2, not in real time. That is, the analysis device 12 may analyze the defect of the modeled body 40 offline for the post-modeling period T2 in addition to the modeling period T1.
  • the user can grasp the tendency of occurrence of the defect.
  • the user can improve the three-dimensional laminated molding process by reflecting the tendency of defects to occur, and can improve the quality of the three-dimensional laminated molding process.
  • the present invention is not limited to the above embodiment and can be variously modified without departing from the gist thereof.
  • the above-described embodiments have been described in detail in order to explain the present invention in an easy-to-understand manner, and are not necessarily limited to those having all the described configurations.
  • it is possible to replace a part of the configuration of one embodiment with the configuration of another embodiment and it is also possible to add the configuration of another embodiment to the configuration of one embodiment. ..

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Mechanical Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Automation & Control Theory (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Powder Metallurgy (AREA)

Abstract

造形体の品質管理を高精度に行うことが可能な状態監視システムおよび状態監視方法を提供する。状態監視システムは、３次元積層造形の状態を監視するものであり、造形体から生じた音を検出する音響センサ２３と、音響センサ２３の出力信号ＯＴに含まれる音響信号ＡＥＳに基づいて造形体の欠陥を解析する解析装置１２と、を備える。解析装置１２において、メモリ５２は、造形体の欠陥状態ＤＳと音響信号ＡＥＳとの相関関係を表す欠陥ＤＢ情報６１を記憶する。欠陥情報分析器５１は、出力信号ＯＴに含まれる音響信号ＡＥＳの振幅、周波数、波数、収束時間、発生間隔のパラメータの内、少なくとも一つのパラメータを用いて欠陥ＤＢ情報６１を参照することで造形体の欠陥状態を特定し、特定済み欠陥状態ＤＳａ，ＤＳｂに基づいて造形体の品質を判定する。

Description

状態監視システムおよび状態監視方法
　本発明は、状態監視システムおよび状態監視方法に関し、例えば、３次元積層造形の状態を監視する技術に関する。
　特許文献１には、付加製造プロセスにおいて、溶融池によって発生した音響エネルギーをマイクロホンで測定することで測定音響プロファイルを生成し、当該測定音響プロファイルと既知の基準音響プロファイルとを比較することで欠陥の有無を判別する方法が示される。
特開２０１７－９４７２８号公報
　近年、複雑な形状を有する造形体を製造するため、３Ｄプリンタ等の造形装置が使用されている。このような造形装置を用いた製造方法は、３次元積層造形と呼ばれる。３次元積層造形で製造された造形体は、欠陥を含む場合がある。一方、造形体は、欠陥の発生に伴い特有の音響信号を発生することが知られている。そこで、特許文献１の方法では、造形中に生じた音をマイクロホンで監視し、この音の中に欠陥に伴う音響信号が含まれるか否かによって欠陥の有無を判別している。この方法を用いる場合、欠陥を含む造形体は、全て不良品と判定されることになる。
　しかし、欠陥を含む造形体は、欠陥の程度等によっては、良品とみなせる場合もある。具体的には、造形体の良品／不良品の判定を、例えば、造形体の用途毎に、欠陥の数、大きさ、密度、位置、種類（横割れ、縦割れ、剥がれなど）等の情報を総合して行うことが望ましい場合がある。そのためには、オーバースペックでもアンダースペックでもない最適なスペックで造形体の品質管理を行える仕組み、言い換えれば、造形体の品質管理を高精度で行えるような仕組みが必要とされる。
　本発明は、このようなことに鑑みてなされたものであり、その目的の一つは、造形体の品質管理を高精度に行うことが可能な状態監視システムおよび状態監視方法を提供することにある。
　本発明のその他の目的と新規な特徴は、本明細書の記述及び添付図面から明らかになるであろう。
　３次元積層造形の状態を監視する状態監視システムであって、造形体から生じた音を検出する音響センサと、前記音響センサの出力信号に含まれる音響信号に基づいて前記造形体の欠陥を解析する解析装置と、を備え、前記解析装置は、前記造形体の欠陥状態と音響信号との相関関係を表す欠陥データベース情報を記憶するメモリと、前記出力信号に含まれる音響信号の振幅、周波数、波数、収束時間、発生間隔のパラメータの内、少なくとも一つのパラメータを用いて前記欠陥データベース情報を参照することで、前記造形体の欠陥状態を特定済み欠陥状態として特定し、前記特定済み欠陥状態に基づいて前記造形体の品質を判定する欠陥情報分析器と、を有する。
　造形体から生じた音を検出する音響センサを用いて３次元積層造形の状態を監視する状態監視方法であって、前記造形体の欠陥状態と音響信号との相関関係を表す欠陥データベース情報を予めメモリに記憶しておく準備ステップと、前記音響センサの出力信号の中から音響信号を検出する検出ステップと、前記検出ステップで検出された音響信号の振幅、周波数、波数、収束時間、発生間隔のパラメータの内、少なくとも一つのパラメータを用いて前記欠陥データベース情報を参照することで、前記造形体の欠陥状態を特定済み欠陥状態として特定する特定ステップと、前記特定済み欠陥状態に基づいて前記造形体の品質を判定する判定ステップと、を有する。
　本願によれば、造形体の品質管理を高精度に行うことが可能になる。
本発明の一実施の形態による状態監視システムの適用例を示す概略図である。 図１Ａに続く造形後期間での状態監視システムの適用例を示す概略図である。 本発明の一実施の形態による状態監視システムの図１Ａとは異なる適用例を示す概略図である。 図２Ａに続く造形後期間での状態監視システムの適用例を示す概略図である。 図１Ａ、図１Ｂ、図２Ａおよび図２Ｂにおける音響センサの出力信号の一例を示す波形図である。 図１Ａ、図１Ｂ、図２Ａおよび図２Ｂにおける解析装置の主要部の構成例を示すブロック図である。 図１Ａまたは図２Ａの状態監視システムを用いた状態監視方法の処理内容の一例を示すフロー図である。 図１Ｂまたは図２Ｂの状態監視システムを用いた状態監視方法の処理内容の一例を示すフロー図である。
　以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図面において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。
　《状態監視システムの構成》
　図１Ａは、本発明の一実施の形態による状態監視システムの適用例を示す概略図である。図１Ｂは、図１Ａに続く造形後期間での状態監視システムの適用例を示す概略図である。図１Ａには、３次元積層造形の造形中における状態監視システム１の構成例が示される。図１Ａには、造形装置１０ａと、造形制御装置１１と、解析装置１２とが示される。造形装置１０ａは、例えば、粉末床溶融結合方式を用いた金属向けの３次元積層造形装置（３Ｄプリンタ）である。
　具体的には、造形装置１０ａにおいて、エネルギー源１５は、ガルバノスキャナ１６へエネルギービーム（例えばレーザ光）を照射する。ガルバノスキャナ１６は、エネルギー源１５からのエネルギービームを作業ステージ１７の方向へ反射角を変えながら反射する。作業ステージ１７には、充填タンク１８と、ワークスペース１９と、回収タンク２０とが設けられる。充填タンク１８には、例えば、金属粉末等の材料粉末４２が充填される。ピストン２１は、この充填タンク１８内の材料粉末４２を作業ステージ１７上に露出させる。
　ローラー（またはリコータ）２４は、この露出された材料粉末４２を作業ステージ１７上に敷き詰める。これにより、材料粉末４２は、ワークスペース１９内に敷き詰められる。この際に、ピストン２２は、ワークスペース１９内に敷き詰める材料粉末４２の厚みを制御する。回収タンク２０は、ローラー（リコータ）２４の動作に伴い、ワークスペース１９で余剰となった材料粉末４２を回収する。ピストン２２の上部には、造形ステージ４１が搭載される。造形体４０は、粉末床溶融結合方式により、この造形ステージ４１上に積層造形される。
　具体的には、粉末床溶融結合方式では、次のような単位工程が繰り返し実行される。各単位工程では、ピストン２２およびローラー（リコータ）２４が、ワークスペース１９内に、数十ミクロン相当の厚みＴＮで材料粉末４２を敷き詰めたのち、ガルバノスキャナ１６が、当該材料粉末４２にエネルギービームを照射することで材料粉末４２を溶融結合する。このような単位工程の繰り返しによって、造形体４０は、厚みＴＮを単位として、造形ステージ４１上に、順次、積層造形される。また、造形体４０の形状は、ガルバノスキャナ１６の向きをＣＡＤデータに基づいて制御することで定められる。
　造形制御装置１１は、このような造形動作が行われるように、造形装置１０ａの各部を制御する。一方、造形中に造形体４０に欠陥が発生すると、欠陥箇所から特有の音が発生する。このような欠陥として、代表的には、エネルギービームの照射に伴い、材料粉末４２が溶融した後に凝固する過程で生じる凝固割れ等が挙げられる。そこで、この音を捕捉するために、この例では、ピストン２２の下部に、単数または複数（この例では複数）の音響センサ２３が装着される。音響センサ２３は、例えば、ＰＺＴ（チタン酸ジルコン酸鉛）等の圧電素子を備えるＡＥ（Acoustic Emission）センサである。
　造形体４０から生じた音は、例えば、金属部材である造形ステージ４１およびピストン２２を介して音響センサ２３に伝播する。音響センサ２３は、この造形体４０から生じた音を検出する。音響センサ２３の出力信号には、欠陥に伴う特有の音である音響信号（ＡＥ信号）が含まれる。解析装置１２は、この音響信号に基づいて造形中に生じた造形体４０の欠陥を解析する。このような音響センサ２３および解析装置１２は、状態監視システム１を構成する。
　図１Ｂには、図１Ａによって造形体４０の造形が完了したのちの状態が示される。造形体４０の造形が完了すると、造形体４０は、造形ステージ４１と共に造形装置１０ａから取り外される。ここで、造形中の造形体４０および造形ステージ４１は、エネルギービームの照射に伴い高温状態となっている。このため、造形後の冷却期間（例えば、１時間以上）で造形体４０および造形ステージ４１を冷却することが望ましい。この冷却期間において、造形体４０には、例えば、残留応力による遅れ割れ等の欠陥が生じ得る。
　さらに、この冷却期間を終えた後の冷却後期間（例えば、１日以上）において、造形体４０には、材料組織の変化に伴う欠陥が生じ得る。例えば、造形時に材料中に混入した水素等が粒界に拡散し、水素脆化を起こして割れる場合等がある。そこで、図１Ｂの例では、造形後において、造形ステージ４１に音響センサ２３が装着される。解析装置１２は、この音響センサ２３の出力信号に含まれる音響信号（ＡＥ信号）に基づいて造形後の所定の期間である造形後期間で生じた造形体４０の欠陥を解析する。造形後期間は、前述した冷却期間および冷却後期間に該当する。そして、当該造形後期間を経たのち、造形体４０は、造形ステージ４１から分断される。
　なお、音響センサ２３は、感度の観点では、造形体４０に近い位置に装着されることが望ましく、この観点では、図１Ａにおいて、図１Ｂの場合と同様に、造形ステージ４１に装着されてもよい。ただし、高温状態に伴うデバイス保護の観点で、音響センサ２３は、図１Ａのように、ピストン２２に装着されるとよい。また、図１Ａと図１Ｂとでは、音響センサ２３の装着位置が異なるため、解析装置１２に入力される音響信号の条件（例えば、基準となる振幅値等）も異なり得る。そこで、音響信号の入力条件を一致させる観点から、図１Ｂにおいて、造形ステージ４１と音響センサ２３との間に図１Ａのピストン２２に相当する部材を挿入してもよい。
　図２Ａは、本発明の一実施の形態による状態監視システムの図１Ａとは異なる適用例を示す概略図である。図２Ｂは、図２Ａに続く造形後期間での状態監視システムの適用例を示す概略図である。図２Ａには、３次元積層造形の造形中における状態監視システム１の構成例が示される。図２Ａには、造形装置１０ｂと、造形制御装置１１と、解析装置１２とが示される。造形装置１０ｂは、例えば、図１Ａとは異なり、指向性エネルギー堆積方式を用いた金属向けの３次元積層造形装置（３Ｄプリンタ）である。
　具体的には、造形装置１０ｂにおいて、作業ステージ３２上には、造形ステージ４１が装着される。一方、造形ヘッド３０は、エネルギーノズル３１を備え、金属粉末等の材料粉末４２を噴射しつつ、エネルギーノズル３１からのエネルギービーム（例えば、レーザ光）を、方向を変えながら造形ステージ４１に向けて照射する。この際に、造形ヘッド３０の方向は、ＣＡＤデータに基づいて制御される。これにより、材料粉末４２は、造形ステージ４１上に溶融結合しながら堆積し、所定の形状を有する造形体４０が造形される。指向性エネルギー堆積方式とは、このように、材料粉末４２を噴射しながらエネルギービームを照射して溶融金属を堆積する方式である。
　造形制御装置１１は、このような造形動作が行われるように、造形装置１０ｂの各部を制御する。また、この例では、作業ステージ３２に、単数または複数（この例では単数）の音響センサ２３が取り付けられる。解析装置１２は、この音響センサ２３の出力信号に含まれる音響信号に基づいて造形中に生じた造形体４０の欠陥を解析する。このような音響センサ２３および解析装置１２は、状態監視システム１を構成する。
　図２Ｂには、図２Ａによって造形体４０の造形が完了したのちの状態が示される。造形体４０の造形が完了すると、造形体４０は、造形ステージ４１と共に造形装置１０ｂから取り外される。そして、図２Ｂにおいて、図１Ｂの場合と同様に、造形後期間（冷却期間および冷却後期間）が設けられる。この際の音響信号を検出するため、図２Ｂの例では、造形ステージ４１に音響センサ２３が装着される。そして、解析装置１２は、この音響センサ２３の出力信号に含まれる音響信号に基づいて造形後に生じた造形体４０の欠陥を解析する。その後、造形体４０は、造形ステージ４１から分断される。
　なお、音響センサ２３の装着位置に関しては、図１Ａおよび図１Ｂの場合と同様に、適宜変更可能である。また、図１Ａおよび図２Ａにおいて、エネルギービームは、レーザ光に限らず、例えば、電子ビーム等であってもよい。
　ここで、例えば、図１Ａおよび図１Ｂに示した適用例では、図１Ａの状態で最初の造形体４０を造形後、図１Ｂの状態で当該最初の造形体４０を冷却するのと並行して、図１Ａの状態で次の造形体４０を造形できる。これによって、装置のスループットを高めることが可能である。ただし、装置のスループットが低くてもよいのであれば、造形体４０を図１Ｂおよび図２Ｂの状態で冷却するのではなく、図１Ａおよび図２Ａの状態のままで冷却してもよい。この場合、図１Ａおよび図２Ａにおける解析装置１２は、音響センサ２３の出力信号に含まれる音響信号に基づいて、造形中および造形後に生じた造形体４０の欠陥を解析する。
　《音響信号（ＡＥ信号）の詳細》
　図３は、図１Ａ、図１Ｂ、図２Ａおよび図２Ｂにおける音響センサの出力信号の一例を示す波形図である。図３には、それぞれ異なる造形体［１］，［２］を対象に得られた音響センサ２３の出力信号ＯＴ１，ＯＴ２が示される。また、図３には、造形期間Ｔ１と造形後期間Ｔ２とで得られた出力信号ＯＴ１，ＯＴ２が示される。造形期間Ｔ１とは、図１Ａまたは図２Ａで述べたように、造形体４０の造形中の期間である。造形後期間Ｔ２とは、図１Ｂまたは図２Ｂで述べたように、造形体４０の造形が完了したのちの所定の期間であり、前述した冷却期間および冷却後期間に該当する。
　造形体［１］から得られる出力信号ＯＴ１は、造形期間Ｔ１に多くの音響信号ＡＥＳを含み、造形後期間Ｔ２には殆ど音響信号ＡＥＳを含まない。一方、造形体［２］から得られる出力信号ＯＴ２は、造形後期間Ｔ２に多くの音響信号ＡＥＳを含み、造形期間Ｔ１には殆ど音響信号ＡＥＳを含まない。なお、音響信号ＡＥＳとは、造形体４０の欠陥に伴い生じた特有の音であり、それぞれの音響信号ＡＥＳは、突発型ＡＥ信号とも呼ばれる。造形体４０からの音響信号ＡＥＳの発生パターンは、造形体４０の材質、形状等に応じて適宜異なり得る。また、造形期間Ｔ１における一つの音響信号ＡＥＳは、一つの欠陥を表す場合が多い。
　ここで、各音響信号ＡＥＳの波形形状は、振幅ＡＭ、周波数ＦＱ、波数ＷＮ、収束時間ＴＣ、発生間隔ＴＢ等のパラメータによって表すことができる。振幅ＡＭは、例えば、音響信号ＡＥＳに含まれる複数周期の波形において、各波形の振幅値の中の最大値である。波数ＷＮは、この音響信号ＡＥＳに含まれる複数周期の数である。収束時間ＴＣは、各波形の振幅が所定の下限値（例えば、定常的なノイズを排除するための値）よりも大きくなったのち、所定の下限値よりも小さくなるまでの時間である。周波数ＦＱは、音響信号ＡＥＳの周波数であり、波数ＷＮ／収束時間ＴＣによっても算出できる。
　このような音響信号ＡＥＳの波形形状は、欠陥の種類（横割れ、縦割れ、剥がれ等）や、欠陥の程度（大きさ）等に応じて適宜異なり得る。例えば、欠陥の程度（大きさ）は、振幅ＡＭに反映される。また、特に、造形後期間Ｔ２では、例えば、欠陥の種類等に応じて音響信号ＡＥＳの発生間隔ＴＢが異なる場合がある。音響信号ＡＥＳの発生間隔ＴＢとは、ここでは、着目する音響信号ＡＥＳが生じた時点と、その一つ前の音響信号ＡＥＳが生じた時点との時間間隔を表す。
　《解析装置の詳細》
　図４は、図１Ａ、図１Ｂ、図２Ａおよび図２Ｂにおける解析装置の主要部の構成例を示すブロック図である。図４に示す解析装置１２は、信号処理回路５０と、欠陥情報分析器５１と、メモリ５２と、通知装置５３とを備える。信号処理回路５０は、音響センサ２３の出力信号ＯＴを受け、出力信号ＯＴに含まれる音響信号ＡＥＳを検出する。
　また、信号処理回路５０は、検出した音響信号ＡＥＳに対して、振幅ＡＭ、周波数ＦＱ、波数ＷＮ、収束時間ＴＣ、発生間隔ＴＢといった波形形状のパラメータを検出し、各パラメータを含んだ音響パラメータ信号ＡＰＳを出力する。信号処理回路５０は、例えば、受信した音響信号ＡＥＳからノイズを除去するフィルタや、フィルタ後の信号を増幅するアンプや、増幅された信号から波数ＷＮを検出するカウンタや、増幅された信号を包絡線検波する検波器等を備える。
　メモリ５２は、例えば、フラッシュメモリや、ハードディスクドライブ等の不揮発性メモリであり、欠陥データベース情報６１（欠陥ＤＢ情報６１と略す）と、判定基準情報６２とを記憶する。欠陥ＤＢ情報６１は、造形体４０の欠陥状態ＤＳと音響信号ＡＥＳ（詳細には、音響パラメータ信号ＡＰＳ）との相関関係を表す。欠陥状態ＤＳは、欠陥の種類（横割れ、縦割れ、剥がれ等）および欠陥の程度（例えば、段階分けされた大きさ等）を表す。すなわち、欠陥ＤＢ情報６１は、音響信号ＡＥＳの波形形状と、欠陥の種類および程度との相関関係を表す。例えば、ユーザは、欠陥の物理解析等によってこの相関関係を導き出すことで欠陥ＤＢ情報６１を作成し、予めメモリ５２に登録しておく。
　欠陥情報分析器５１は、代表的には、マイクロコントローラや計算機等に含まれるプロセッサ（ＣＰＵ（Central Processing Unit））を用いたプログラム処理によって実装される。ただし、このような実装形態に限らず、欠陥情報分析器５１の一部または全てを、ＦＰＧＡ（Field Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）等で実装することも可能である。
　欠陥情報分析器５１は、ＤＢ参照部５５と、欠陥状態情報作成部５６と、内部メモリ５７と、判定部５８と、タイマ５９とを備える。ＤＢ参照部５５は、音響パラメータ信号ＡＰＳを用いて欠陥ＤＢ情報６１を参照することで、造形体４０の欠陥状態ＤＳを特定済み欠陥状態ＤＳａ，ＤＳｂとして特定する。詳細には、ＤＢ参照部５５は、音響パラメータ信号ＡＰＳに基づく音響信号ＡＥＳの振幅ＡＭ、周波数ＦＱ、波数ＷＮ、収束時間ＴＣ、発生間隔ＴＢのパラメータの内、少なくとも一つのパラメータを用いて欠陥ＤＢ情報６１を参照することで欠陥状態ＤＳを特定する。
　すなわち、欠陥状態ＤＳは、音響パラメータ信号ＡＰＳに含まれる全てのパラメータ（ＡＭ，ＦＱ，ＷＮ，ＴＣ，ＴＢ）ではなく、一部のパラメータと相関関係を有する場合がある。この場合、欠陥ＤＢ情報６１では、例えば、この一部のパラメータにおける数値の範囲と、欠陥状態ＤＳとの相関関係が定められ、残りのパラメータはドントケアに定められる。ＤＢ参照部５５は、造形期間Ｔ１で特定した特定済み欠陥状態ＤＳａと、造形後期間Ｔ２で特定した特定済み欠陥状態ＤＳｂとを欠陥状態情報作成部５６へ出力する。
　欠陥状態情報作成部５６は、図３の造形期間Ｔ１における造形時刻ｔｍの情報に基づいて欠陥状態情報ＤＳＳａを作成し、それを内部メモリ５７に保存する。欠陥状態情報ＤＳＳａは、造形期間Ｔ１で特定された特定済み欠陥状態ＤＳａと造形時刻ｔｍとの対応関係を単数または複数含む。すなわち、欠陥状態情報ＤＳＳａは、例えば、ある造形時刻ｔｍ１で欠陥状態ＤＳａ１の欠陥が発生し、別の造形時刻ｔｍ２で欠陥状態ＤＳａ２の欠陥が発生したといったような情報を含む。
　ここで、造形時刻ｔｍの情報は、造形制御装置１１から得られる。造形制御装置１１は、どの造形時刻で造形体４０のどの位置を造形するかを逐次把握している。このため、造形時刻ｔｍの情報は、造形位置の情報と等価である。これに伴い、欠陥状態情報ＤＳＳａは、実質的に、造形体４０のどの造形位置で、どのような欠陥が発生したといったような情報を含むことになる。
　また、欠陥状態情報作成部５６は、図３の造形後期間Ｔ２における音響信号ＡＥＳの検出時刻ｔｄの情報に基づいて欠陥状態情報ＤＳＳｂを作成し、それを内部メモリ５７に保存する。欠陥状態情報ＤＳＳｂは、造形後期間Ｔ２で特定された特定済み欠陥状態ＤＳｂと検出時刻ｔｄとの対応関係を単数または複数含む。すなわち、欠陥状態情報ＤＳＳｂは、例えば、ある検出時刻ｔｄ１で欠陥状態ＤＳｂ１の欠陥が発生したといったような情報を含む。ここで、検出時刻ｔｄの情報は、タイマ５９から得られる。タイマ５９は、例えば、造形後期間Ｔ２の開始時にタイマ動作を開始する。造形後期間Ｔ２では、造形期間Ｔ１と異なり、造形位置の情報は不明となる。
　判定部５８は、造形期間Ｔ１を対象に、特定済み欠陥状態ＤＳａを含む欠陥状態情報ＤＳＳａと、メモリ５２内の判定基準情報６２とに基づいて、造形体４０の品質を判定する。また、判定部５８は、造形後期間Ｔ２を対象に、特定済み欠陥状態ＤＳｂを含む欠陥状態情報ＤＳＳｂと、メモリ５２内の判定基準情報６２とに基づいて、造形体４０の品質を判定する。
　具体的には、判定部５８は、例えば、造形体４０の良否または品質のグレード等を判定する。造形体４０の良否を判定する場合、判定基準情報６２では、造形期間Ｔ１を対象として、ある特定済み欠陥状態ＤＳａを有する欠陥が何個以上発生したら不良品といった判定基準や、所定の造形時刻ｔｍ（すなわち造形位置）で欠陥が発生したら不良品、といった判定基準が適宜定められる。
　また、別の例として、判定基準情報６２では、造形後期間Ｔ２を対象として、ある特定済み欠陥状態ＤＳｂを有する欠陥が何個以上発生したら不良品、といった判定基準が適宜定められる。あるいは、判定基準情報６２では、造形後期間Ｔ２を対象として、ある一定の期間内に、ある特定済み欠陥状態ＤＳｂを有する欠陥が何個以上発生したら不良品、といった判定基準が適宜定められる。
　さらに、別の例として、判定基準情報６２では、造形期間Ｔ１と造形後期間Ｔ２とを対象として、所定の特定済み欠陥状態ＤＳａを有する欠陥と、所定の特定済み欠陥状態ＤＳｂを有する欠陥との合計値が何個以上発生したら不良品といった判定基準が適宜定められる。判定部５８は、このような判定基準情報６２と欠陥状態情報ＤＳＳａ，ＤＳＳｂとを照合することで造形体４０の良否を判定する。また、造形体４０の品質のグレードを判定する場合、このような判定基準を細分化して定めておけばよい。
　ここで、造形体４０の良否の判定は、特許文献１のような欠陥の有無だけではなく、造形体４０の用途毎に、特定済み欠陥状態ＤＳａ，ＤＳｂから得られる欠陥の大きさや種類（横割れ、縦割れ、剥がれなど）等に基づいて行われることが望ましい。例えば、造形体４０の用途によっては、所定の種類の小程度の欠陥であれば、良品とみなしてよい場合がある。
　さらに、より望ましくは、造形体４０の良否の判定は、欠陥状態情報ＤＳＳａ，ＤＳＳｂから得られる欠陥の数、大きさ、密度、位置、種類等の情報を総合して行われることが望ましい。例えば、高い信頼性を要求されない造形体４０であれば、小程度の欠陥が複数有ったとしても良品とみなしてよい場合がある。ただし、造形位置（例えば、応力が加わり易い造形位置等）によっては、ある程度の小さい欠陥であっても不良品とみなした方がよい場合もある。
　以上のように、多様な判定基準が求められる中、特定済み欠陥状態ＤＳａ，ＤＳｂや欠陥状態情報ＤＳＳａ，ＤＳＳｂを用いることで、ユーザは、造形体４０の用途等に応じて、このような情報に基づく最適な判定基準を、判定基準情報６２として自由に定めることができる。この際の判定基準は、例えば、良否の判定基準や品質のグレードの判定基準等である。その結果、造形体４０の品質管理を高精度に行うことが可能になる。判定部５８は、このようにして定めた品質判定結果ＱＲを通知装置５３へ出力する。
　通知装置５３は、例えば、ディスプレイ等である。通知装置５３は、当該造形体４０の品質判定結果ＱＲをユーザに通知する。また、通知装置５３は、欠陥状態情報ＤＳＳａ，ＤＳＳｂをユーザに通知してもよい。この場合、ユーザは、この欠陥状態情報ＤＳＳａ，ＤＳＳｂに基づいて欠陥の発生傾向を把握し、例えば、３次元積層造形プロセスの品質向上に適宜反映させること等が可能になる。
　《状態監視方法》
　図５は、図１Ａまたは図２Ａの状態監視システムを用いた状態監視方法の処理内容の一例を示すフロー図である。ステップＳ１００（準備ステップ）において、ユーザは、予め、造形体４０の欠陥状態ＤＳと音響信号ＡＥＳとの相関関係を表す欠陥ＤＢ情報６１をメモリ５２に保存しておく。ステップＳ１０１において、状態監視システム１は、図３に示した造形期間Ｔ１の開始を待つ。ステップＳ１０１で造形期間Ｔ１が開始すると、状態監視システム１は、造形期間Ｔ１が終了するまで（ステップＳ１０７）、ステップＳ１０２～Ｓ１０６の処理を繰り返し実行する。
　ステップＳ１０２において、解析装置１２（詳細には信号処理回路５０）は、音響センサ２３の出力信号ＯＴを監視する。ステップＳ１０３（検出ステップ）において、信号処理回路５０は、音響センサ２３の出力信号ＯＴの中から音響信号ＡＥＳを検出する。ステップＳ１０４において、信号処理回路５０は、検出した音響信号ＡＥＳに対して、振幅ＡＭ、周波数ＦＱ、波数ＷＮ、収束時間ＴＣおよび発生間隔ＴＢのパラメータを検出する。
　続いて、ステップＳ１０５（特定ステップ）において、解析装置１２（詳細には欠陥情報分析器５１）は、ステップＳ１０４で検出した各パラメータの少なくとも一つを用いて欠陥ＤＢ情報６１を参照することで、欠陥状態ＤＳを特定済み欠陥状態ＤＳａとして特定する。ステップＳ１０６（作成ステップ）において、欠陥情報分析器５１は、ステップＳ１０５で特定された特定済み欠陥状態ＤＳａと造形制御装置１１からの造形時刻ｔｍとを対応付けた欠陥状態情報ＤＳＳａを作成し、それを内部メモリ５７に保存する。
　以上のような処理が行われたのち、ステップＳ１０７で造形期間Ｔ１が終了する。造形期間Ｔ１が終了した場合、ステップＳ１０８（判定ステップ）において、欠陥情報分析器５１は、ステップＳ１０６で作成および保存された欠陥状態情報ＤＳＳａに基づいて、完成した造形体４０の品質を判定する。
　ステップＳ１０８（判定ステップ）において、具体的には、欠陥情報分析器５１は、例えば、欠陥状態情報ＤＳＳａに含まれる特定済み欠陥状態ＤＳａに基づいて、欠陥の種類および程度や欠陥の発生数を認識し、判定基準情報６２と照合することで造形体４０の良否やグレード等を判定する。または、欠陥情報分析器５１は、欠陥状態情報ＤＳＳａに含まれる特定済み欠陥状態ＤＳａと造形時刻ｔｍとに基づいて、造形体４０におけるどの造形位置にどのような欠陥が発生したかを認識し、判定基準情報６２と照合することで造形体４０の良否やグレード等を判定する。
　その後、図示は省略されているが、解析装置１２は、ステップＳ１０８での品質判定結果ＱＲや、ステップＳ１０６で作成された欠陥状態情報ＤＳＳａを通知装置５３に通知してもよい。
　なお、この例では、造形期間Ｔ１の中で、ステップＳ１０３～ステップＳ１０６の処理をリアルタイムに行う例を示した。ただし、例えば、音響センサ２３の出力信号ＯＴをディジタル値に変換後、一旦、メモリに蓄積し、造形期間Ｔ１の終了後にステップＳ１０３～ステップＳ１０６の処理を纏めて行うようなことも可能である。すなわち、解析装置１２は、造形期間Ｔ１を対象として、造形体４０の欠陥をオフラインで解析してもよい。また、ステップＳ１０６では、造形制御装置１１から造形時刻ｔｍを得たが、その代わりに、図４のタイマ５９の検出時刻ｔｄを用いてもよい。この場合、タイマ５９は、造形制御装置１１から造形開始のトリガを受けて、タイマ動作を開始すればよい。
　図６は、図１Ｂまたは図２Ｂの状態監視システムを用いた状態監視方法の処理内容の一例を示すフロー図である。ステップＳ２００（準備ステップ）において、ユーザは、予め、造形体４０の欠陥状態ＤＳと音響信号ＡＥＳとの相関関係を表す欠陥ＤＢ情報６１をメモリ５２に保存しておく。ステップＳ２０１において、状態監視システム１は、図３に示した造形後期間Ｔ２の開始を待つ。ステップＳ２０１で造形後期間Ｔ２が開始すると、状態監視システム１は、タイマ５９の検出時刻ｔｄをリセットし、タイマ５９をスタートさせる（ステップＳ２０２）。その後、状態監視システム１は、造形後期間Ｔ２が終了するまで（ステップＳ２０８）、ステップＳ２０３～Ｓ２０７の処理を繰り返し実行する。
　ステップＳ２０３～Ｓ２０７の処理は、図５に示したＳ１０２～Ｓ１０６の処理と同様である。ただし、ステップＳ２０７（作成ステップ）では、欠陥状態情報ＤＳＳｂの時刻として、ステップＳ１０６における造形制御装置１１から造形時刻ｔｍの代わりに、タイマ５９からの検出時刻ｔｄが用いられる。
　その後、ステップＳ２０８で造形後期間Ｔ２が終了すると、ステップＳ２０９（判定ステップ）において、解析装置１２（詳細には欠陥情報分析器５１）は、ステップＳ２０７で作成および保存された欠陥状態情報ＤＳＳｂに基づいて、完成した造形体４０の品質を判定する。具体的には、欠陥情報分析器５１は、例えば、欠陥状態情報ＤＳＳｂに含まれる特定済み欠陥状態ＤＳｂに基づいて、欠陥の種類および程度や欠陥の発生数を認識し、判定基準情報６２と照合することで造形体４０の良否やグレード等を判定する。
　なお、図５の場合と同様に、ステップＳ２０４～ステップＳ２０７の処理は、リアルタイムではなく、造形後期間Ｔ２の終了後に纏めて行われてもよい。すなわち、解析装置１２は、造形期間Ｔ１に加えて、造形後期間Ｔ２を対象として、造形体４０の欠陥をオフラインで解析してもよい。
　《実施の形態の主要な効果》
　以上、実施の形態の方式を用いることで、代表的には、造形体の品質管理を高精度に行うことが可能になる。具体的には、特許文献１のような欠陥の有無だけではなく、特定済み欠陥状態ＤＳａ，ＤＳｂや欠陥状態情報ＤＳＳａ，ＤＳＳｂに基づいて得られる、欠陥の数、大きさ、密度、位置、種類等の情報を総合して造形体４０の品質を判定することが可能になる。特に、造形期間Ｔ１に限らず造形後期間Ｔ２で生じた欠陥の情報を反映させて造形体４０の品質を判定することが可能になる。
　また、特定済み欠陥状態ＤＳａ，ＤＳｂを含む欠陥状態情報ＤＳＳａ，ＤＳＳｂを、通知装置５３を介してユーザに通知することで、ユーザは、欠陥の発生傾向を把握することができる。その結果、ユーザは、欠陥の発生傾向を反映して３次元積層造形プロセスを改善することができ、３次元積層造形プロセスの品質を向上させることが可能になる。そして、このような品質判定基準の最適化や、造形プロセスの品質向上によって、各種ロスが減り、コストの低減等が図れる。
　以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。例えば、前述した実施の形態は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施の形態の構成の一部を他の実施の形態の構成に置き換えることが可能であり、また、ある実施の形態の構成に他の実施の形態の構成を加えることも可能である。また、各実施の形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
　１…状態監視システム、１０ａ，１０ｂ…造形装置、１１…造形制御装置、１２…解析装置、２３…音響センサ、４０…造形体、５１…欠陥情報分析器、５２…メモリ、５３…通知装置、６１…欠陥データベース情報、ＡＥＳ…音響信号、ＡＭ…振幅、ＡＰＳ…音響パラメータ信号、ＤＳ…欠陥状態、ＤＳａ，ＤＳｂ…特定済み欠陥状態、ＤＳＳａ，ＤＳＳｂ…欠陥状態情報、ＦＱ…周波数、ＯＴ…音響センサの出力信号、ＱＲ…品質判定結果、Ｔ１…造形期間、Ｔ２…造形後期間、ＴＢ…発生間隔、ＴＣ…収束時間、ＷＮ…波数、ｔｄ…検出時刻、ｔｍ…造形時刻

Claims (10)

  1. 　３次元積層造形の状態を監視する状態監視システムであって、
    　造形体から生じた音を検出する音響センサと、
    　前記音響センサの出力信号に含まれる音響信号に基づいて前記造形体の欠陥を解析する解析装置と、
    を備え、
    　前記解析装置は、
    　前記造形体の欠陥状態と音響信号との相関関係を表す欠陥データベース情報を記憶するメモリと、
    　前記出力信号に含まれる音響信号の振幅、周波数、波数、収束時間、発生間隔のパラメータの内、少なくとも一つのパラメータを用いて前記欠陥データベース情報を参照することで、前記造形体の欠陥状態を特定済み欠陥状態として特定し、前記特定済み欠陥状態に基づいて前記造形体の品質を判定する欠陥情報分析器と、
    を有する、
    状態監視システム。
  2. 　請求項１記載の状態監視システムにおいて、
    　前記音響センサは、前記造形体を造形している期間である造形期間と、前記造形体の造形が完了したのちの所定の期間である造形後期間とで前記出力信号に含まれる音響信号を検出し、
    　前記解析装置は、前記造形期間と前記造形後期間とを対象として前記造形体の欠陥を解析する、
    状態監視システム。
  3. 　請求項２記載の状態監視システムにおいて、
    　前記欠陥情報分析器は、前記造形期間における造形時刻の情報に基づいて、前記造形期間で特定された前記特定済み欠陥状態と前記造形時刻との対応関係を単数または複数含んだ欠陥状態情報を作成し、前記欠陥状態情報に基づいて前記造形体の品質を判定する、
    状態監視システム。
  4. 　請求項２記載の状態監視システムにおいて、
    　前記欠陥情報分析器は、前記造形後期間における前記出力信号に含まれる音響信号の検出時刻の情報に基づいて、前記造形後期間で特定された前記特定済み欠陥状態と前記検出時刻との対応関係を単数または複数含んだ欠陥状態情報を作成し、前記欠陥状態情報に基づいて前記造形体の品質を判定する、
    状態監視システム。
  5. 　請求項１～４のいずれか１項に記載の状態監視システムにおいて、
    　前記解析装置は、さらに、前記欠陥情報分析器による前記造形体の品質判定結果をユーザに通知する通知装置を有する、
    状態監視システム。
  6. 　造形体から生じた音を検出する音響センサを用いて３次元積層造形の状態を監視する状態監視方法であって、
    　前記造形体の欠陥状態と音響信号との相関関係を表す欠陥データベース情報を予めメモリに記憶しておく準備ステップと、
    　前記音響センサの出力信号の中から音響信号を検出する検出ステップと、
    　前記検出ステップで検出された音響信号の振幅、周波数、波数、収束時間、発生間隔のパラメータの内、少なくとも一つのパラメータを用いて前記欠陥データベース情報を参照することで、前記造形体の欠陥状態を特定済み欠陥状態として特定する特定ステップと、
    　前記特定済み欠陥状態に基づいて前記造形体の品質を判定する判定ステップと、
    を有する、
    状態監視方法。
  7. 　請求項６記載の状態監視方法において、
    　前記検出ステップは、前記造形体を造形している期間である造形期間で行われ、
    　前記特定ステップおよび前記判定ステップは、前記造形期間を対象として行われる、
    状態監視方法。
  8. 　請求項７記載の状態監視方法において、さらに、
    　前記造形期間における造形時刻の情報に基づいて、前記特定ステップで特定された前記特定済み欠陥状態と前記造形時刻との対応関係を単数または複数含んだ欠陥状態情報を作成する作成ステップを有し、
    　前記判定ステップでは、前記作成ステップで作成された前記欠陥状態情報に基づいて前記造形体の品質が判定される、
    状態監視方法。
  9. 　請求項６記載の状態監視方法において、
    　前記検出ステップは、前記造形体の造形が完了したのちの所定の期間である造形後期間で行われ、
    　前記特定ステップおよび前記判定ステップは、前記造形後期間を対象として行われる、
    状態監視方法。
  10. 　請求項９記載の状態監視方法において、さらに、
    　前記検出ステップで検出された音響信号の検出時刻の情報に基づいて、前記特定ステップで特定された前記特定済み欠陥状態と前記検出時刻との対応関係を単数または複数含んだ欠陥状態情報を作成する作成ステップを有し、
    　前記判定ステップでは、前記作成ステップで作成された前記欠陥状態情報に基づいて前記造形体の品質が判定される、
    状態監視方法。
PCT/JP2021/038980 2020-10-30 2021-10-21 状態監視システムおよび状態監視方法 Ceased WO2022091949A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/249,264 US20230400434A1 (en) 2020-10-30 2021-10-21 State monitor system and state monitor method
JP2022559077A JP7359320B2 (ja) 2020-10-30 2021-10-21 状態監視システムおよび状態監視方法
EP21886067.4A EP4238767A4 (en) 2020-10-30 2021-10-21 STATE MONITORING SYSTEM AND STATE MONITORING METHOD

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020182154 2020-10-30
JP2020-182154 2020-10-30

Publications (1)

Publication Number Publication Date
WO2022091949A1 true WO2022091949A1 (ja) 2022-05-05

Family

ID=81382410

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/038980 Ceased WO2022091949A1 (ja) 2020-10-30 2021-10-21 状態監視システムおよび状態監視方法

Country Status (4)

Country Link
US (1) US20230400434A1 (ja)
EP (1) EP4238767A4 (ja)
JP (1) JP7359320B2 (ja)
WO (1) WO2022091949A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117805248A (zh) * 2024-02-29 2024-04-02 云耀深维(江苏)科技有限公司 利用声学测量实现增材制造质量监测的方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017094728A (ja) 2015-11-19 2017-06-01 ゼネラル・エレクトリック・カンパニイ 付加製造プロセスのための音響モニタリング方法
WO2020039581A1 (ja) * 2018-08-24 2020-02-27 技術研究組合次世代３Ｄ積層造形技術総合開発機構 情報処理装置、情報処理方法、情報処理プログラム、積層造形装置およびプロセスウィンドウ生成方法
JP2020100884A (ja) * 2018-12-25 2020-07-02 エルジー・ケム・リミテッド 成形装置及び成形体の製造方法
JP2020100879A (ja) * 2018-12-21 2020-07-02 株式会社ジェイテクト 付加製造装置及び付加製造方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11493906B2 (en) * 2020-05-19 2022-11-08 Mistras Group, Inc. Online monitoring of additive manufacturing using acoustic emission methods
EP4027138A1 (en) * 2021-01-07 2022-07-13 GrindoSonic BV Improved additive manufacturing monitoring method and system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017094728A (ja) 2015-11-19 2017-06-01 ゼネラル・エレクトリック・カンパニイ 付加製造プロセスのための音響モニタリング方法
WO2020039581A1 (ja) * 2018-08-24 2020-02-27 技術研究組合次世代３Ｄ積層造形技術総合開発機構 情報処理装置、情報処理方法、情報処理プログラム、積層造形装置およびプロセスウィンドウ生成方法
JP2020100879A (ja) * 2018-12-21 2020-07-02 株式会社ジェイテクト 付加製造装置及び付加製造方法
JP2020100884A (ja) * 2018-12-25 2020-07-02 エルジー・ケム・リミテッド 成形装置及び成形体の製造方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4238767A4

Also Published As

Publication number Publication date
JPWO2022091949A1 (ja) 2022-05-05
EP4238767A1 (en) 2023-09-06
US20230400434A1 (en) 2023-12-14
EP4238767A4 (en) 2024-09-25
JP7359320B2 (ja) 2023-10-11

Similar Documents

Publication Publication Date Title
CN106475558B (zh) 使用原位激光超声测试的自适应增材制造过程
US12105505B2 (en) Online monitoring of additive manufacturing using acoustic emission methods
Qi et al. Adaptive toolpath deposition method for laser net shape manufacturing and repair of turbine compressor airfoils
CN111024736B (zh) 一种激光增材制造的缺陷在线监测方法
AU2014204284B2 (en) Object production using an additive manufacturing process and quality assessment of the object
EP3309544A1 (en) Method and system for in-process monitoring and quality control of additive manufactured parts
US20250196230A1 (en) Additive manufacturing
US20190015901A1 (en) Method for checking a component to be produced in an additive manner, and device
CN111315531A (zh) 用于在增材制造操作期间测量辐射热能的系统和方法
CN107037126A (zh) 用于加性制造过程的声学监测方法
JP2016535690A (ja) 付加製造される部品の品質制御
JP6194044B1 (ja) 三次元造形方法
US10857735B1 (en) Apparatus and method for additive manufacturing and determining the development of stress during additive manufacturing
Wang Three-dimensional vision-based sensing of GTAW: a review
WO2022091949A1 (ja) 状態監視システムおよび状態監視方法
CN111272872A (zh) 裂纹检测方法及装置和增材制造系统
CN117836621A (zh) 状态监视系统和状态监视方法
WO2022159344A1 (en) An additive manufacturing quality analysis system and method
CN115707549A (zh) 电弧焊过程和质量监测的系统、方法和装置
Guerra et al. Off-axis monitoring of the melt pool spatial information in Laser Metal Deposition process
CN113646114A (zh) 检测增材制造中的故障的方法
CN211576985U (zh) 增材制造的缺陷检测装置及缺陷检测系统
Snow et al. Review of In Situ Sensing for Directed Energy Deposition for Industrial Part Quality Assessment
Ribeiro An innovative monitoring method using a software capable of 3D mapping data from laser Directed Energy Deposition (L-DED) process
US20250229492A1 (en) Additive manufacturing diagnostics

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21886067

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022559077

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021886067

Country of ref document: EP

Effective date: 20230530

WWW Wipo information: withdrawn in national office

Ref document number: 2021886067

Country of ref document: EP