Cómo las capacidades avanzadas de análisis CT respaldan la colaboración y la calidad del producto

Aug 22, 2023

Fuente: Volume Graphics, Hexagon y Getty Images

Los fabricantes utilizan con mayor frecuencia la tomografía computarizada (TC) industrial y el análisis de datos para inspeccionar los productos finales. Esto se hace en lotes, al azar o en momentos determinados que sirven para análisis estadísticos o estándares simples de aprobación/rechazo. La tecnología también tiene un papel importante en I+D y creación de prototipos para verificar la calidad metalúrgica interior de una pieza antes de bloquear un proceso o una geometría desafiante.

Limitar el análisis de TC a solo series e inspecciones puntuales finales pasa por alto las contribuciones adicionales profundas que su software asociado puede hacer como una potente ayuda de colaboración multidisciplinaria, de extremo a extremo, interconectando el diseño y la fabricación e incluso los servicios forenses de campo con valiosas datos de calidad y especificaciones de piezas.

El vasto bucle digital en dominios clave en los que el análisis CT puede desempeñar un papel le permite aportar conocimientos críticos al diseño desde la simulación integrada y las pruebas de metrología virtual, así como todas las fases del examen del proceso y las mejoras relacionadas. El software ofrece dimensiones y tolerancias geométricas (GD&T) reales tal como se fabrican para la corrección del modelo y la comprensión de la variación del proceso. Y puede concluir con una inspección final totalmente automatizada y asistida por IA basada en esos resultados altamente precisos.

La vinculación del análisis de TC a través de modelos digitales a través de disciplinas clave puede mejorar todos los aspectos del ciclo del diseño a la producción. Los modelos gemelos digitales (DT) de geometría CAD, junto con sus gemelos de simulación, proceso, material, calidad, fábrica y servicio, permiten un acceso rápido y retroalimentación hacia y desde equipos de colaboración expertos. Los estudios de la comunidad de Diseño para ensamblaje/fabricación han demostrado que el análisis inicial en el diseño ahorra un 40 por ciento en el ciclo total de desarrollo.

El análisis de datos CT puede ayudar a conectar los silos organizacionales, devolver la información al diseño, mejorar la optimización, mejorar la calidad, prevenir fallas tardías en la producción y reducir el tiempo general de desarrollo. Debido a que el tiempo es un factor de costos a menudo más importante que los costos directos, concentrar los esfuerzos en el desarrollo tiene impactos económicos positivos, prolongados y profundos para los fabricantes: la calidad es un requisito previo para la entrada exitosa al mercado, la satisfacción del cliente, la marca y la sostenibilidad empresarial.

Imagen 1. Bucles de productos y ruta de colaboración mediante software de análisis CT. Imagen cortesía de Volume Graphics

Ya sea a través de documentación manual y/o plataformas digitales, los enfoques desde el desarrollo de productos hasta la producción generalmente funcionan en etapas o fases de gestión de lanzamientos, donde el progreso en una decisión de diseño y proceso se analiza, aprueba e implementa en pasos. Lo mejor de estas revisiones secuenciales proporciona una iteración más rápida de nueva información que puede refinar significativamente o incluso redefinir el trabajo conceptual que comprende las primeras elecciones de geometría, materiales y procesos.

La introducción del análisis de TC en los bucles de etapa inicial, la creación de geometría posterior y la simulación de procesos/fabricación mantiene los diseños en marcha al replicar el rendimiento real posterior. Es aquí donde la metrología virtual (detección de fallas y análisis GD&T) predice la calidad del material y los posibles comportamientos del proceso que pueden afectar la forma en que las piezas encajan o se mueven juntas en un ensamblaje.

Si es necesario mejorar alguna área, el análisis de malla y la transformación del producto virtual reintroducen los datos del modelado compensado en la simulación para aproximarse mejor a la integridad geométrica final y los límites/distorsiones del material que surgen del calentamiento, el corte, la impresión con lecho de polvo láser y la fundición. , colocar o moldear una pieza.

Después de esta ronda de validación, el circuito de análisis de CT puede continuar con la creación de prototipos duros y la inspección del primer artículo (FAI) como puerta de la siguiente etapa. Si la simulación actual y las pruebas de metrología virtual del modelo digital se consideran completas, entonces se crea el FAI físico, preferiblemente elaborado mediante el proceso de producción real que se utilizará.

Ahora el mundo digital se encuentra con el mundo real: el análisis CT proporciona a los equipos un escaneo de la superficie tal como se fabrica y una vista interior completa de la pieza, exactamente como lo harán el resultado del diseño y el proceso seleccionado. Se revelan porosidades/inclusiones, grietas, orientaciones de fibras o granos, deformaciones, delaminaciones y áreas de baja densidad y debilidad y se comparan con las especificaciones. Este proceso se reitera con los resultados reintroducidos en la simulación del proceso de fabricación, tantas veces como sea necesario.

A continuación, la información del mundo real del análisis de datos de la tomografía computarizada puede informar a los equipos de toda la organización a través de PLM u otra plataforma de usuario para responder de manera rápida y definitiva a cualquier cambio necesario. El software proporciona la base para una mejora continua durante todo el desarrollo y la producción con comprobaciones de la integridad del material, los problemas del proceso y cualquier análisis de causa raíz necesario para las correcciones de las herramientas, los materiales y los parámetros de diseño, antes, con más tiempo y de forma más rentable que de otra manera.

Con esta fase casi terminada, el ciclo de colaboración pasa a una simulación de rendimiento de la pieza fabricada "tal como está construida". Utilizando modelos reales de geometría y materiales extraídos de las microestructuras medidas de la pieza, el FEA de alta fidelidad se perfecciona para predecir la rigidez, resistencia, fatiga, conductividad térmica, etc., según corresponda.

Imagen 2. Los datos de CT de la metrología de piezas del mundo real informan un análisis FEA de alta fidelidad que a su vez actualiza las plantillas de tensión y fallas anteriores y proporciona las mediciones posteriores necesarias para la inspección final automatizada de las piezas. El software es VGSTUDIO MAX de Volume Graphics. Imagen cortesía de Hexágono

El Análisis de Elementos Finitos (FEA) es una herramienta predictiva de todos los eventos multifísicos que un material y/o un producto puede experimentar tanto en la producción como en el campo. La máxima precisión y valor de FEA se basan en la validación mediante galgas extensométricas, pruebas destructivas, revisiones de correlación y, cada vez más, datos de análisis de CT que generan la verdad sobre el terreno sobre el material final, el proceso y la configuración del producto.

El análisis CT puede servir en cada fase del desarrollo de productos con un programa de mallado FEA incorporado que incluye tecnología GD&T, porque los materiales se distorsionan, expanden y encogen de maneras a veces impredecibles. Captar las dimensiones finales de la superficie y las tolerancias entre las superficies de contacto es crucial para reducir los ciclos de diseño a producción y comprender la variación del proceso de una manera que pueda aislarse, fijarse y rastrearse.

El uso de datos de superficie digitales y escaneos interiores profundos potencia el análisis FEA posterior de alta fidelidad que se utiliza para crear plantillas tanto para el desarrollo inicial como para futuros conceptos de productos y la inspección de producción automatizada.

Imagen 3. La inteligencia artificial y el aprendizaje automático son técnicas poderosas para etiquetar, clasificar datos de calidad, localizar problemas y segmentar defectos para su identificación y acción durante la inspección por TC automatizada. Imagen cortesía de Volume Graphics

La inspección automatizada reduce la intervención humana y reduce los errores y costos gracias a la repetibilidad. El uso de técnicas de inteligencia artificial (IA) y aprendizaje automático (ML) contribuye a la velocidad y precisión de la inspección automatizada.

La IA y el ML entrenados con datos sintéticos ayudan a identificar áreas difíciles o imposibles de detectar y comprender únicamente mediante medios visuales. Los fabricantes necesitan conocer el tamaño, el diámetro, la profundidad y la distancia entre defectos/fallas para predecir su impacto en el rendimiento de la pieza. AI/ML permite que el sistema encuentre defectos más pequeños de manera más confiable y reduzca el tiempo de escaneo. Estos datos se repiten para refinar el análisis FEA. Una vez que se capturan, "clasifican" y "localizan" los patrones, se "segmentan" para una identificación mejor y más rápida. (Ver imagen 3.) Los algoritmos ayudan y son entrenados por el proceso de segmentación CT y luego forman plantillas que sirven para inspección automatizada en línea o en línea.

Los datos del mundo real, nuevamente, son la verdad fundamentada sobre la calidad y la capacidad de una pieza para cumplir con las especificaciones. También se utiliza para alimentar el análisis estadístico de los sistemas de ejecución de fabricación (MES) integrados que monitorean la variación de la máquina y son la base de las iniciativas de la Industria 4.0.

Las baterías de iones de litio para vehículos eléctricos, sistemas de respaldo/almacenamiento de energía domésticos y comerciales, y más, tienen ventajas sobre otros tipos de baterías de metal y plomo, pero también requieren un estricto control de calidad. El análisis CT se puede utilizar desde las primeras etapas de I+D hasta la producción y las inspecciones de fin de vida útil de las baterías de iones de litio. Si bien el software no puede informarnos sobre la electroquímica de la celda, los atributos mecánicos que resultan de esa química sí revelan el estado de la unidad y pueden inspeccionarse en cualquier momento. La fuga térmica, por ejemplo, puede alterar las condiciones mecánicas (y viceversa). Esta es una dinámica entre muchas que se puede medir y compensar en el diseño y/o la producción.

La optimización de la batería desde el principio del diseño aborda el espaciado de las paredes, los sellos y las tolerancias, la distribución de las celdas químicas, la construcción de viviendas y más. Durante la producción, pueden ocurrir defectos que, una vez detectados, pueden eliminarse tempranamente de la cadena de fabricación. Las delaminaciones, las partículas extrañas localizadas (procedentes del corte) y las irregularidades en las capas del paquete de electrodos son objetivos típicos de inspección. La soldadura de los contactos y el sellado de la carcasa también introducen posibles puntos de falla que pueden provocar cortocircuitos.

El uso de AI/ML ayuda enormemente a comprender la importante complejidad del diseño y la producción de baterías. Con tanto en juego, la automatización del análisis CT y su uso colaborativo mejora el diseño, la fabricación y la inspección final de la batería, lo que permite la mayor confiabilidad y producción eléctrica.

Imagen 4. El software de Volume Graphics permite medir la superposición de los ánodos. Las cantidades de protuberancia se muestran utilizando una escala de colores, que en este ejemplo oscila entre 2 mm (rojo) y 2,68 mm (azul). Una protrusión del ánodo constante y deseada requiere una fabricación e inspección de alta precisión. Imagen cortesía de Volume Graphics, Scan: Waygate Technologies (anteriormente GE Inspection Technologies)

Los avances en mantenimiento, reparación y operaciones (MRO) de palas de turbinas y otras piezas de aeronaves que requieren un uso intensivo de herramientas tendrán importantes impactos económicos mucho más allá de la industria de la aviación.

Boeing y Airbus pretenden alcanzar las cifras de producción de sus aviones anteriores a la COVID, pero han tenido que reducirlas debido a la escasez de motores a reacción. Teniendo en cuenta esta escasez, es fundamental que los programas de MRO mantengan los motores y aviones existentes en funcionamiento el mayor tiempo posible hasta que entren nuevos aviones al mercado.

Imagen 5. Pala de turbina impresa en 3D a partir de Hastelloy X mediante fusión por láser en lecho de polvo (LPBF). Foto cortesía de Velo3D. Tanto las palas nuevas (arriba) como las fuera de servicio reparadas mediante soldadura o deposición de energía dirigida (DED) pueden beneficiarse del análisis CT. Los datos pueden informar a los equipos de diseño, simulación, calidad, fabricación y MRO sobre la calidad real de una pieza.

Las palas de las turbinas son piezas de alto coste y alto desgaste que funcionan en condiciones muy duras. Esto los convierte en un excelente candidato para el análisis. La tomografía computarizada de los álabes de las turbinas que deben inspeccionarse captura la metrología de su superficie y las características internas de la pieza, como el espesor de la pared reparable, junto con datos sobre fallas, defectos y grietas.

Si se decide que una pala se puede restaurar, se crea un modelo CAD directamente a partir de una tomografía computarizada (o STL). A continuación, se utiliza software integrado para soldadura y/o simulación de procesos DED para predecir el resultado de la reparación y las distorsiones por calor en servicio que experimentará la hoja. Después de la reparación física, la hoja se analiza nuevamente para comprobar su calidad. También se somete a una simulación para la fase de mecanizado y se escanea una vez más para determinar si puede volver a entrar en servicio.

El valor de la CT para ejemplos de seguridad de la aviación, como el mantenimiento y reparación de palas de turbinas o trenes de aterrizaje, es claro. Además, se pueden ahorrar grandes gastos evitando nuevas herramientas para piezas heredadas y creando alternativas económicas a la inmovilización de aviones y la reducción de los viajes aéreos.

Imagen 6. Diagrama de flujo del análisis por TC para la reparación de álabes de turbina DED. Imagen cortesía de Volume Graphics

Los avances en el software de análisis de datos y escaneo por TC están enriqueciendo cada fase del desarrollo y fabricación de productos. Los datos de superficies e interiores de CT del mundo real están ayudando a mejorar y validar modelos, simulaciones, materiales, procesos y productos terminados.

El software ha avanzado mucho más allá de la inspección final para conectar múltiples disciplinas en torno a datos confiables, acelerando el desarrollo y garantizando que los fabricantes puedan colaborar mejor para aumentar la calidad y reducir los riesgos.

A su vez, la implementación de IA y ML que respalden la inspección automatizada reducirá los costos y brindará a los fabricantes la mayor confianza en los productos que venden a sus clientes.

Julián Goelz , Gráficos de volumen: parte de Hexagon. Para obtener más información, envíe un correo electrónico a [email protected].