論文の概要: In-process 3D Deviation Mapping and Defect Monitoring (3D-DM2) in High Production-rate Robotic Additive Manufacturing

• arxiv url: http://arxiv.org/abs/2511.05604v1
• Date: Thu, 06 Nov 2025 06:35:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.489386
• Title: In-process 3D Deviation Mapping and Defect Monitoring (3D-DM2) in High Production-rate Robotic Additive Manufacturing
• Title（参考訳）: 高速ロボット添加物製造におけるインプロセス3次元偏差マッピングと欠陥モニタリング(3D-DM2)
• Authors: Subash Gautam, Alejandro Vargas-Uscategui, Peter King, Hans Lohr, Alireza Bab-Hadiashar, Ivan Cole, Ehsan Asadi,
• Abstract要約: 高堆積速度ロボットAMプロセスはビルド速度を大幅に向上させる。 形状の精度を維持することは依然として重要な課題である。 本研究では,成長部分の取得と再構築を行うリアルタイムモニタリングシステムを提案する。
• 参考スコア（独自算出の注目度）: 38.106912827988154
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Additive manufacturing (AM) is an emerging digital manufacturing technology to produce complex and freeform objects through a layer-wise deposition. High deposition rate robotic AM (HDRRAM) processes, such as cold spray additive manufacturing (CSAM), offer significantly increased build speeds by delivering large volumes of material per unit time. However, maintaining shape accuracy remains a critical challenge, particularly due to process instabilities in current open-loop systems. Detecting these deviations as they occur is essential to prevent error propagation, ensure part quality, and minimize post-processing requirements. This study presents a real-time monitoring system to acquire and reconstruct the growing part and directly compares it with a near-net reference model to detect the shape deviation during the manufacturing process. The early identification of shape inconsistencies, followed by segmenting and tracking each deviation region, paves the way for timely intervention and compensation to achieve consistent part quality.
• Abstract（参考訳）: アダプティブ・マニュファクチャリング (AM) は、レイヤーワイド・デポジションを通じて複雑でフリーフォームなオブジェクトを生産するデジタル・マニュファクチャリング技術である。 コールドスプレー添加物製造(CSAM)のようなハイデポジション速度のロボットAM(HDRRAM)プロセスは、単位時間当たりの大量の材料を提供することで、ビルド速度を著しく向上させる。 しかし、特に現在のオープンループシステムのプロセス不安定性のため、形状精度の維持は依然として重要な課題である。 エラーの伝播を防止し、部分品質を確保し、処理後要件を最小限に抑えるためには、これらの偏差を検出することが不可欠である。 本研究では,成長部位の取得と再構成を行うリアルタイムモニタリングシステムを提案するとともに,製造過程における形状ずれを検出するためのニアネット参照モデルと直接比較する。 形状の不整合の早期同定と、各偏差領域の分割と追跡は、時間的介入と補償の道を切り開いて、一貫した部分品質を達成する。

関連論文リスト

• Triad: Empowering LMM-based Anomaly Detection with Vision Expert-guided Visual Tokenizer and Manufacturing Process [67.99194145865165]
  LLaVAモデルのAnyRes構造を変更し、既存のIADモデルによって同定された潜在的な異常領域をLMMに提供します。 欠陥の発生が製造プロセスと密接に関連していることを考えると,製造駆動型IADパラダイムを提案する。 本稿では、エキスパート誘導型領域トークン化と製造プロセスを組み合わせたLMMに基づく新しい手法であるTriadを提案する。
  論文  参考訳（メタデータ） (2025-03-17T13:56:57Z)
• Detecting Defective Wafers Via Modular Networks [24.679212395163688]
  本稿では,製造プロセスの構造を具現化した時系列段階データセットを用いて学習したモジュールネットワーク(MN)を提案する。 これはKQI予測をステージモジュールの組み合わせとして分解し、組成半導体製造をシミュレートする。
  論文  参考訳（メタデータ） (2025-01-06T20:11:37Z)
• Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
  オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。 モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。 実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:58:27Z)
• Investigation on domain adaptation of additive manufacturing monitoring systems to enhance digital twin reusability [12.425166883814153]
  機械学習(ML)ベースのモデリングを使用したデジタルツイン(DT)は、AMプロセスの監視と制御のためにデプロイできる。 メルトプールは、プロセス監視において最もよく見られる物理現象の1つである。 本稿では,AM DTの再利用性を高めるため,異なるAM設定間の知識伝達パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-09-19T13:54:01Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• An unsupervised approach towards promptable defect segmentation in laser-based additive manufacturing by Segment Anything [7.188573079798082]
  我々は、最先端のビジョントランスフォーマー(ViT)ベースのファンデーションモデルを用いて、画像セグメンテーションのためのフレームワークを構築する。 我々は、ラベル付きデータを使わずに高精度に学習し、迅速なチューニングプロセスを導出する。 我々は、現在のレーザー添加物製造プロセスに革命をもたらす可能性のある、リアルタイムな異常検出パイプラインの構築を構想する。
  論文  参考訳（メタデータ） (2023-12-07T06:03:07Z)
• An adaptive human-in-the-loop approach to emission detection of Additive Manufacturing processes and active learning with computer vision [76.72662577101988]
  In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。 このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。 本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
  論文  参考訳（メタデータ） (2022-12-12T15:11:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。