Process Failure Detection in Fused Filament Fabrication with Internal Data
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2786109Utgivelsesdato
2021Metadata
Vis full innførselSamlinger
Sammendrag
Additiv produksjon (AM) slik som smeltet filamentfabrikasjon (FFF) er en disruptivteknologi som introduserer muligheten til å produsere produkter på nye måter. Imidlertidstår den ovenfor utfordringer når det kommer til produktkvalitet og prosessfeil på grunnav kompleksiteten av å kontrollere en FFF prosess. Dette har resultert i en betydeligmengde med forskning rundt overvåkningssystemene for FFF. Likevel er forskningenprimært fokusert på implementeringen av eksterne sensorer heller enn å bruke interndata fra FFF maskiner. Derfor sikter denne studien seg mot å undersøke potensiale for åinnhente data for muligheten for å oppdage prosessfeil. De studerte maskinene er Prusai3 MK3S, Markforged Mark Two, og Ultimaker 3 Extended. Det eksperimentelle arbeidetbesto av å lage et datainnsamlingssystem basert på eksisterende systemer, printing ogdatainnhenting. Til slutt var de printeded modellene fra hver maskin målt in enkoordinatmålemaskin (CMM). Metodene brukt for innhenting av data var bruken avprogrammeringsgrensesnitt (API), og nettskraping. I tillegg var en dataanalyse utført frade innhentede dataene for å analysere kvaliteten på dataene.Resultatene av studien viser at det er mulig å innhente intern data fra maskinene, somikke bare inkluderer sensorisk data, men også ytterlige data fra maskinen. For å kunnehente inn dataen er det behov for kommunikasjon med FFF-systemet, der bare to av trestuderte maskiner ga muligheten. For å etablere kommunikasjon med den siste maskinenvar det nødvendig med ekstra maskinvare som Raspberry Pi, som kunne kjøre enprogramvare OctoPrint. Tilgjengelig data og kvaliteten på innhentede data varierte framaskin til maskin. Dataene som var innhentet fra hver maskin ga muligheten til åidentifisere mønstre i form av temperatursvingninger på spesifikke hendelser i løpet avprinterprosessen. Imidlertid ble det ikke funnet noen sammenheng mellom avvik i CMMmålingerog den innsamlede dataen. Videre, basert på listede prosessfeil og innhentededata, kan det være mulig å oppdage noen prosessfeil, men det ville kreve videreundersøkelser av å kjøre maskiner til de svikter for å kunne bekrefte dette. Additive manufacturing (AM) such as fused filament fabrication (FFF) is a disruptivetechnology that introduces the possibility to manufacture products in new ways.However, it is facing challenges in terms of product quality and process failures due tothe complexity of controlling FFF process. This has resulted in a considerable amount ofresearch around the monitoring systems of FFF. Nevertheless, research is primarilyfocused on the implementation of external sensors rather than using internal data fromFFF machine. Therefore, this study aims at investigating the potential of acquiringinternal data for the possibility of detecting process failures. Studied machines areOriginal Prusa i3 MK3S, Markforged Mark Two, and Ultimaker 3 Extended. Experimentalwork consisted of creating a data acquisition system based on existing systems, printingand data acquisition. Lastly, the printed models from each machine were measured in acoordinate measuring machine (CMM). Where the methods for acquiring the data werethe use of application programming interface (API) and web scraping. Additionally, dataanalysis 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 orderto acquire the data, there is a need for communication with the FFF system, where onlytwo of three studied machines provided the possibility. To establish communication withthe last machine it was needed for additional hardware such as Raspberry Pi runningsoftware such as OctoPrint. Additionally, the type of data and quality of acquired datavaried from machine to machine. The data acquired for each machine provided thepossibility to identify patterns in form of temperature fluctuation at specific momentsduring the printing process. However, it was not found any relation between deviations inCMM measurements and the acquired data. Moreover, based on the listed processfailures 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.