Sistem Kamera Baru Capai Pemeriksaan Real-Time pada Komponen Cetak 3D, Kecepatan 100.000 Kali Lipat Dibandingkan Manusia

Para peneliti di Lawrence Livermore National Laboratory Amerika Serikat mengembangkan sistem inspeksi berbasis kamera yang mampu memantau proses pembentukan komponen cetak 3D secara berlapis. Sistem ini menggunakan kecerdasan buatan untuk menangkap cacat sebelum komponen meninggalkan printer, dengan fokus pada direct ink writing, yaitu teknik manufaktur aditif yang mendepositasikan material fleksibel atau pasta melalui nosel dalam bentuk filamen tersusun presisi. Menurut peneliti LLNL, pendekatan ini dapat mengurangi waktu dan tenaga kerja yang diperlukan untuk memeriksa komponen rakitan, serta menyediakan cara untuk memeriksa komponen besar dan kompleks yang sulit dijangkau secara menyeluruh oleh computed tomography sinar-X tradisional.

Sistem ini menggabungkan kamera yang dipasang langsung pada printer 3D dengan perangkat segmentasi gambar berbasis machine learning dan computer vision. Perangkat tersebut mampu mengubah ribuan gambar yang ditangkap selama proses pencetakan menjadi pengukuran terperinci dan peta spasial material yang didepositisikan. Pemimpin teknis proyek ini, insinyur AI/ML untuk digital twin LLNL, Brian Weston, menjelaskan hasil tersebut secara sederhana. Sistem ini kini berfungsi layaknya otak yang dilengkapi sepasang mata, yang mampu melihat segala sesuatu selama proses pencetakan.

Teknik direct ink writing dapat memproduksi gasket yang kompleks dan fleksibel, dengan kinerja mekanis yang bergantung pada filamen yang ketebalannya mungkin hanya beberapa persepuluh milimeter. Celah kecil atau filamen yang rusak dapat memengaruhi kinerja komponen jadi. Inspeksi tradisional mengharuskan hasil cetakan dikeluarkan dan diuji secara offline setelah pencetakan selesai, sehingga masalah biasanya baru teridentifikasi setelah manufaktur tuntas.

Kemampuan Inspeksi Real-Time Sistem

Sebagai perbandingan, sistem LLNL menangkap gambar pada setiap lapisan yang didepositisikan. Perangkat lunak ini secara real-time mengidentifikasi filamen yang baru dicetak dan menghitung diameternya, memberikan pemeriksaan awal bagi para insinyur sebelum pengujian hilir yang mahal. Tim menggunakan hampir 15.000 gambar beranotasi manusia untuk melatih model segmentasi gambar mereka, yang mencakup beberapa geometri kisi. Algoritma computer vision kemudian memanfaatkan output model untuk melacak filamen cetak dan mengukur diameternya. Dalam pengujian terhadap 55 komponen, hasil pengukuran otomatis biasanya hanya berselisih beberapa mikrometer dari data pengukuran manual.

Pengukuran manual pada satu gambar besar dapat memakan waktu 20 menit hingga satu jam, sementara proses otomatis menyelesaikan analisis yang sama dalam hitungan milidetik, dengan kecepatan rata-rata sekitar 100.000 kali lipat dibandingkan pengukuran manual.

Untuk menunjukkan skala sistem, para peneliti menerapkannya pada gasket berukuran sekitar 25 sentimeter kali 25 sentimeter (9,8 inci kali 9,8 inci). Mereka mengumpulkan sekitar 2.500 gambar dari satu lapisan, lalu menggabungkan hasil pengukuran menjadi peta spasial bagian dalam komponen tersebut. Peta tersebut mengungkap bahwa diameter filamen berubah secara bertahap dari satu sisi cetakan ke sisi lainnya. Pola ini terlacak pada kemiringan ringan pada platform cetak relatif terhadap nosel. Masalah perangkat keras ini dapat tersamarkan oleh pengukuran rata-rata keseluruhan.

Potensi Aplikasi Teknologi yang Luas

Briana Giraldo, wakil direktur proyek untuk data science, AI, dan manufaktur di LLNL, mengatakan bahwa pentingnya teknologi ini tidak terbatas pada direct ink writing. Teknologi dasarnya dirancang agar dapat diterapkan pada teknik aditif lain, manufaktur subtraktif tradisional, serta sistem lain yang digunakan di laboratorium. Menurut Giraldo, inspeksi in-machine semacam ini merupakan kemampuan dasar untuk otonomi manufaktur yang lebih tinggi, karena sistem otonom tidak dapat beroperasi tanpa pengukuran dan inspeksi yang andal. Kemampuan ini rencananya akan dialihkan ke Kansas City National Security Complex untuk evaluasi sistem terkait produksi.

Dalam jangka panjang, Weston mengatakan bahwa data inspeksi dapat mendukung digital twin dengan menghubungkan struktur terukur komponen dengan prediksi kinerjanya. Koneksi tersebut pada akhirnya memungkinkan sistem membuat keputusan menerima atau menolak secara mandiri selama proses pembangunan komponen. Temuan riset ini telah dipublikasikan di jurnal npj Advanced Manufacturing.

Potensi Masa Depan Teknologi Inspeksi Otomatis

Realisasi sistem kamera baru menandai sebuah kemajuan signifikan dalam teknologi cetak 3D, terutama dalam hal otomatisasi proses inspeksi. Sistem semacam ini tidak hanya dapat meningkatkan efisiensi inspeksi, tetapi juga mampu mendeteksi masalah secara langsung selama proses pencetakan, sehingga menurunkan biaya dan waktu pengujian berikutnya. Seiring dengan perkembangan teknologi lebih lanjut, kemampuan inspeksi ini diharapkan dapat meluas ke teknik manufaktur aditif lainnya, semakin meningkatkan otonomi dan keandalan manufaktur secara keseluruhan, serta memiliki dampak mendalam bagi manufaktur cerdas dan otomasi industri di masa depan.