dc.description.abstract | Additiv produksjon (AM) slik som smeltet filamentfabrikasjon (FFF) er en disruptiv
teknologi som introduserer muligheten til å produsere produkter på nye måter. Imidlertid
står den ovenfor utfordringer når det kommer til produktkvalitet og prosessfeil på grunn
av kompleksiteten av å kontrollere en FFF prosess. Dette har resultert i en betydelig
mengde med forskning rundt overvåkningssystemene for FFF. Likevel er forskningen
primært fokusert på implementeringen av eksterne sensorer heller enn å bruke intern
data fra FFF maskiner. Derfor sikter denne studien seg mot å undersøke potensiale for å
innhente data for muligheten for å oppdage prosessfeil. De studerte maskinene er Prusa
i3 MK3S, Markforged Mark Two, og Ultimaker 3 Extended. Det eksperimentelle arbeidet
besto av å lage et datainnsamlingssystem basert på eksisterende systemer, printing og
datainnhenting. Til slutt var de printeded modellene fra hver maskin målt in en
koordinatmålemaskin (CMM). Metodene brukt for innhenting av data var bruken av
programmeringsgrensesnitt (API), og nettskraping. I tillegg var en dataanalyse utført fra
de innhentede dataene for å analysere kvaliteten på dataene.
Resultatene av studien viser at det er mulig å innhente intern data fra maskinene, som
ikke bare inkluderer sensorisk data, men også ytterlige data fra maskinen. For å kunne
hente inn dataen er det behov for kommunikasjon med FFF-systemet, der bare to av tre
studerte maskiner ga muligheten. For å etablere kommunikasjon med den siste maskinen
var det nødvendig med ekstra maskinvare som Raspberry Pi, som kunne kjøre en
programvare OctoPrint. Tilgjengelig data og kvaliteten på innhentede data varierte fra
maskin til maskin. Dataene som var innhentet fra hver maskin ga muligheten til å
identifisere mønstre i form av temperatursvingninger på spesifikke hendelser i løpet av
printerprosessen. Imidlertid ble det ikke funnet noen sammenheng mellom avvik i CMMmålinger
og den innsamlede dataen. Videre, basert på listede prosessfeil og innhentede
data, kan det være mulig å oppdage noen prosessfeil, men det ville kreve videre
undersøkelser av å kjøre maskiner til de svikter for å kunne bekrefte dette. | |
dc.description.abstract | Additive manufacturing (AM) such as fused filament fabrication (FFF) is a disruptive
technology that introduces the possibility to manufacture products in new ways.
However, it is facing challenges in terms of product quality and process failures due to
the complexity of controlling FFF process. This has resulted in a considerable amount of
research around the monitoring systems of FFF. Nevertheless, research is primarily
focused on the implementation of external sensors rather than using internal data from
FFF machine. Therefore, this study aims at investigating the potential of acquiring
internal data for the possibility of detecting process failures. Studied machines are
Original Prusa i3 MK3S, Markforged Mark Two, and Ultimaker 3 Extended. Experimental
work consisted of creating a data acquisition system based on existing systems, printing
and data acquisition. Lastly, the printed models from each machine were measured in a
coordinate measuring machine (CMM). Where the methods for acquiring the data were
the use of application programming interface (API) and web scraping. Additionally, data
analysis was performed from acquired data in order to analyze the quality of the data.
The results of the study show that it is possible to acquire internal data from machines,
which include not just sensory data, but also additional machine data. However, in order
to acquire the data, there is a need for communication with the FFF system, where only
two of three studied machines provided the possibility. To establish communication with
the last machine it was needed for additional hardware such as Raspberry Pi running
software such as OctoPrint. Additionally, the type of data and quality of acquired data
varied from machine to machine. The data acquired for each machine provided the
possibility to identify patterns in form of temperature fluctuation at specific moments
during the printing process. However, it was not found any relation between deviations in
CMM measurements and the acquired data. Moreover, based on the listed process
failures and acquired data, it could be possible to detect some process failures, however,
a further study of running machines to failure would be required in order to confirm it. | |