Une équipe de recherche dirigée par le Dr. Jeong Min Park de la Division de recherche sur les nanomatériaux du Korea Institute of Materials Science (KIMS), en collaboration avec le Dr. Jaemin Wang et le Prof. Dierk Raabe de l’Institut Max Planck en Allemagne, a développé un modèle basé sur l’intelligence artificielle (IA) capable d’évaluer la probabilité et les caractéristiques des défauts internes lors de la conception des processus. Cette réalisation de recherche devrait considérablement améliorer la fiabilité des pièces de fabrication additive métallique et étendre grandement leur applicabilité pour la production de masse en milieu industriel.
La fabrication additive métallique a attiré l’attention en tant que technologie de production de nouvelle génération capable de fabriquer des composants complexes à haute valeur ajoutée. Cependant, son application industrielle a été limitée en raison des défauts internes microscopiques générés pendant le processus, qui peuvent entraîner la défaillance des composants et la dégradation des performances. L’évaluation conventionnelle de la qualité s’est principalement concentrée sur des indicateurs simples tels que la porosité. En pratique, cependant, l’impact sur les performances mécaniques varie considérablement selon la forme, la taille, l’emplacement et la distribution des défauts.
Pour relever ces défis, l’équipe de recherche a développé un modèle d’intelligence artificielle explicable (Explainable AI) capable d’analyser et de prédire systématiquement les relations entre les conditions de processus de fabrication additive métallique, la morphologie des défauts et les performances mécaniques. Cette approche permet de prédire les défauts internes potentiels et leur impact sur les performances dès l’étape de conception du processus, présentant ainsi un nouveau cadre pour la conception de processus tenant compte des défauts et la gestion de la qualité.
Pour lire la suite : https://www.enerzine.com/lia-predit-la-qualite-des-pieces-metalliques-imprimees-en-3d-tenant-compte-des-defauts/183466-2026-03
