Aprendizagem Profunda de Características Orientada pela Engenharia para Monitoramento do Processo de Fabricação

Resumo A manufatura aditiva (AM) fabrica peças tridimensionais por meio da deposição e solidificação de materiais camada por camada. Devido à complexidade desse processo, a sensorização avançada é cada vez mais empregada para facilitar a visibilidade do sistema, levando a uma grande quantidade de dados de alta dimensionalidade e estrutura complexa. Enquanto o aprendizado profundo traz características atraentes para o monitoramento de processos orientado por dados e previsão de qualidade, atualmente está limitado na capacidade de assimilar conhecimento de engenharia e oferecer interpretabilidade do modelo para compreender as relações processo–qualidade. Além disso, devido às correlações espaçotemporais na AM, uma anomalia na piscina de fusão observada durante a fabricação nem sempre indica características de qualidade anormais. Há uma necessidade urgente de ir além da análise pontual das piscinas de fusão e considerar efeitos espaçotemporais para análise de qualidade. Neste artigo, propomos uma nova estrutura de aprendizado de características orientada pelo conhecimento de engenharia para monitoramento da qualidade na AM. Primeiro, o conhecimento de engenharia é integrado ao aprendizado profundo para delinear várias fontes de variações de processo e extrair características das piscinas de fusão que refletem relações relacionadas à qualidade. Segundo, um modelo de vizinhança 3D é projetado para caracterizar variações espaçotemporais das piscinas de fusão com base em suas características informadas pelo domínio. Os perfis de vizinhança 3D resultantes nos permitem ir além da análise pontual das piscinas de fusão para capturar relações processo–qualidade. Finalmente, construímos um modelo de regressão para prever variações de densidade interna usando perfis de vizinhança 3D. Nossos experimentos demonstram que a estrutura proposta supera significativamente o método tradicional manual e o aprendizado de caixa-preta tanto na capacidade de fornecer características relacionadas à qualidade quanto na previsão de variações de densidade interna.