Sistemas de feedback baseados em visão computacional para impressoras 3D

Não há muito tempo, a impressão 3D era usada principalmente para testar ideias e criar modelos. Agora, é utilizada para criar produtos reais e funcionais em áreas como saúde e manufacturing. De modelos dentários a peças mecânicas, tornou-se uma forma prática e fiável de produzir itens do mundo real.

À medida que mais empresas começam a usar a impressão 3D no seu trabalho diário, alguns desafios tornam-se mais visíveis. Às vezes, uma peça não sai exatamente como esperado, e até pequenos problemas de alinhamento ou fluxo de material podem afetar o resultado final.

A Computer vision pode ajudar a resolver muitos destes problemas. Como um ramo da AI, permite que as máquinas interpretem imagens e vídeo. Numa configuração de impressão 3D, a visão computacional pode monitorizar cada camada à medida que é impressa, detetando padrões invulgares ou erros precocemente. Pode até permitir que as impressoras respondam automaticamente, ajudando a manter a qualidade de impressão sem supervisão manual constante.

Neste artigo, vamos explorar como a visão computacional está tornando a impressão 3D mais confiável e veremos exemplos do mundo real que mostram o impacto do monitoramento de impressão 3D com IA em ação. Vamos começar!

O que é impressão 3D?#

A impressão 3D envolve a criação de objetos físicos a partir de designs digitais. Desenvolvida pela primeira vez na 1980s, a tecnologia de impressão tem avançado rapidamente nos últimos anos. Ao contrário da impressão normal, que coloca tinta numa superfície plana, a impressão 3D constrói objetos camada por camada utilizando materiais como plástico, resina ou metal. Este método também é chamado de fabrico aditivo.

Uma impressora 3D típica possui partes fundamentais como a mesa de impressão, o extrusor e o bico. Esses componentes trabalham juntos para moldar o material de impressão e formar o produto final.

O processo de impressão começa com um 3D model digital, normalmente criado utilizando software especializado. Este modelo é depois fatiado em camadas finas, e a impressora lê o ficheiro para depositar o material uma camada de cada vez até o objeto estar concluído.

Hoje em dia, indústrias como a saúde, a automóvel e a aerospace utilizam a impressão 3D para produzir ferramentas, peças e dispositivos médicos personalizados. Também é amplamente utilizada no design de produtos, prototipagem e educação.

Fig 1. Componentes de uma impressora 3D.

Os desafios do controle de qualidade de impressão 3D em tempo real#

Embora a impressão 3D seja um processo bastante direto e interessante, as coisas nem sempre saem perfeitamente. A maioria dos problemas acontece durante a impressão ou logo depois. Sem as ferramentas certas, esses problemas podem ser fáceis de perder. Isso é especialmente verdadeiro quando você está tentando produzir produtos em maior escala.

Aqui estão alguns dos desafios mais comuns relacionados ao controle de qualidade de impressão 3D em tempo real:

• Desalinhamento de camadas: Pequenos desvios no movimento da impressora podem fazer com que as camadas sejam empilhadas de forma desigual. Isso também pode levar a impressões fracas ou distorcidas.
• Empenamento (Warping): As bordas de uma impressão podem enrolar ou levantar da mesa de impressão devido ao resfriamento irregular durante o processo.
• Extrusão inconsistente: O fluxo de material pode começar e parar de forma imprevisível. Isso resulta em lacunas ou pontos finos no objeto final.
• Identificação manual de peças: Após a impressão, os trabalhadores muitas vezes precisam classificar ou etiquetar as peças à mão. Esse processo é demorado e pode levar a erros de troca.
• Problemas de escala: À medida que o volume de peças impressas aumenta, o rastreio e o quality control tornam-se mais difíceis sem automação.

O papel da visão computacional na impressão 3D#

A visão computacional desempenha um papel fundamental na melhoria do funcionamento da impressão 3D. Ela ajuda a monitorar cada camada, detectar defeitos precocemente e ajustar as impressões conforme progridem.

A seguir, vamos analisar mais de perto como a IA de visão aprimora a precisão, a consistência e a automação em aplicações reais de impressão 3D.

Detecção automatizada de defeitos na manufatura aditiva#

Se você já assistiu a um vídeo de uma impressora 3D em ação, sabe que ela constrói objetos uma camada de cada vez. Esse método camada por camada é o que dá à impressão 3D sua flexibilidade, mas também significa que as coisas podem dar errado se apenas uma camada não estiver correta.

Um pequeno erro logo no início pode afetar a resistência, a precisão ou a qualidade geral da peça acabada. É por isso que mais fabricantes estão recorrendo à visão computacional para ficar de olho no processo enquanto ele acontece.

As Cameras podem capturar imagens de cada nova camada. Estas imagens são verificadas instantaneamente quanto a defeitos como empenos, falhas ou falta de material. Detetar problemas precocemente ajuda a evitar impressões falhadas e reduz o desperdício. Muitos sistemas utilizam modelos potenciados por IA treinados para detetar alterações subtis na forma ou textura. Se algo parecer incorreto, o sistema alerta o operador de imediato.

Toma o exemplo da Phase3D. O seu sistema de in-situ monitoring utiliza luz estruturada e visão computacional para comparar cada camada impressa com o aspeto que deveria ter. Se houver uma discrepância, o sistema sinaliza-a imediatamente.

Fig 2. Utilizar luz e visão computacional para monitorizar a impressão 3D.

Ao vincular essas anomalias a padrões de falha conhecidos, os operadores podem agir antes que a impressão termine. Isso é especialmente impactante em setores como aeroespacial e defesa, onde a precisão e a confiabilidade são críticas. Também melhora a rastreabilidade e apoia uma produção mais eficiente e escalável.

Visão computacional para detecção de erros em impressoras 3D#

Além de alinhar as camadas com precisão, o fluxo dos materiais de impressão também desempenha um grande papel na qualidade final de uma peça impressa em 3D. Se muito ou pouco material for depositado, ou se não pousar exatamente onde deveria, isso pode levar a uma série de problemas.

Alguns problemas comuns relacionados à impressão 3D são o stringing, onde fios finos de material se formam entre as partes; a delaminação, quando as camadas não se unem corretamente; e a subextrusão, onde não é depositado material suficiente. Esses problemas podem enfraquecer a peça ou fazer com que ela falhe completamente.

Os Computer vision models ajudam a resolver isto ao observar cada camada em tempo real. Câmaras e sensores rastreiam a forma como o material está a ser colocado, detetando alterações na forma, fluxo ou textura da superfície à medida que acontecem. Os sistemas básicos conseguem detetar problemas precocemente, enquanto configurações mais avançadas conseguem efetivamente corrigir problemas a meio da impressão, ajustando definições como a velocidade ou o caudal.

Explorando a injeção controlada por visão#

Por exemplo, um sistema desenvolvido por investigadores do MIT, Inkbit e ETH Zurich utiliza quatro câmaras de alta velocidade e dois lasers para escanear constantemente a superfície de impressão. À medida que 16.000 bocais depositam resina, o sistema compara cada camada com o design digital e faz correções instantâneas quando necessário, um processo conhecido como vision-controlled jetting.

Fig 3. Digitalização da superfície de impressão em tempo real.

Este sistema também utiliza cera como material de suporte, que pode ser derretida após a impressão para deixar canais internos complexos. Já foi utilizado para imprimir objetos totalmente funcionais, como uma mão robótica com dedos macios e peças rígidas, ou um robô de seis patas que consegue andar e agarrar objetos. Ao contrário de sistemas mais simples que apenas detetam erros, este corrige-os em tempo real, tornando-o mais fiável para impressão a alta velocidade e alta precision.

Otimização do processo de impressão 3D com IA#

Às vezes, milhares de peças são impressas em um único lote, especialmente na manufatura em larga escala ou em centros de serviço de impressão 3D. Após a impressão, essas peças precisam ser identificadas, classificadas e processadas, o que pode ser demorado e propenso a erros de troca se feito manualmente.

A visão computacional ajuda a automatizar esta fase ao reconhecer e categorizar peças de forma rápida e precisa. Por exemplo, o AM-Vision system utiliza câmaras e tecnologia de correspondência de geometria para comparar cada objeto impresso com o seu modelo CAD. O sistema consegue identificar e ordenar peças em poucos segundos.

Fig 4. Aplicação de visão computacional para reconhecimento e triagem de peças 3D.

A automatização de tarefas pós-impressão acelera os fluxos de trabalho, reduz o trabalho manual e minimiza o risco de erros na sorting and packing. Além da identificação, alguns sistemas também conseguem agrupar peças para passos adicionais como cura, limpeza ou montagem, melhorando ainda mais a eficiência e a consistência no processo de produção.

Tendências emergentes no monitoramento de impressão 3D com IA de visão#

À medida que a IA de visão se torna mais integrada à impressão 3D, ela está impulsionando grandes mudanças na forma como a fabricação opera. Aqui estão algumas tendências importantes que destacam seu impacto crescente:

• Lights-out manufacturing: As fábricas estão a caminhar para operações totalmente automatizadas que exigem pouca ou nenhuma intervenção humana. A IA, a visão computacional e a robótica lidam com tarefas como inspeção, triagem e rastreio de peças, tornando a produção contínua mais viável.
• Crescimento rápido do mercado: Estima-se que o 3D printing market global atinja 134,58 mil milhões de dólares até 2034. Este crescimento está ligado a melhorias na automação e nas ferramentas de Vision AI.
• Manutenção preditiva: Sistemas de visão podem rastrear o desempenho da impressora ao longo do tempo e identificar sinais de desgaste ou falha antes que causem tempo de inatividade. Isso mantém a produção funcionando sem problemas e reduz reparos inesperados.
• Monitorização e controlo remotos: Sistemas de câmaras potenciados por IA permitem aos operadores track o progresso da impressão e receber alertas a partir de qualquer lugar. Isto apoia um fabrico flexível e melhores tempos de resposta.

Principais pontos#

A visão computacional pode ajudar a melhorar todas as etapas do processo de impressão 3D. Ela detecta erros precocemente, monitora impressões em tempo real e oferece suporte a ajustes durante o processo. Essas capacidades levam a uma melhor qualidade das peças, menos falhas e custos de produção mais baixos.

À medida que tecnologias inteligentes se tornam mais comuns nas fábricas, a visão computacional dá às equipes melhor controle e as ajuda a escalar com mais eficiência. Indústrias como aeroespacial, saúde e bens de consumo já confiam nessas ferramentas para atender a rígidos padrões de qualidade e desempenho.

Ao combinar IA com feedback visual em tempo real, a impressão 3D está se tornando mais consistente, eficiente e automatizada, abrindo caminho para uma fabricação mais inteligente.

Quer criar seus próprios projetos de visão computacional? Explore o nosso repositório do GitHub para mergulhar mais fundo na IA e confira as nossas opções de licenciamento. Descubra como a visão computacional na saúde está melhorando a eficiência e explore o impacto da IA no varejo visitando as nossas páginas de soluções! Junte-se à nossa crescente comunidade agora mesmo!