In-Process Monitoring สำหรับ Additive Manufacturing (AM) คือการติดตั้งเซ็นเซอร์และระบบตรวจวัดภายในเครื่องพิมพ์สามมิติเพื่อสังเกตและบันทึกปรากฏการณ์ทางกายภาพที่เกิดขึ้นทุกขณะขณะพิมพ์ ตั้งแต่อุณหภูมิ Melt Pool ขนาดของ HAZ (Heat Affected Zone) ไปจนถึงรูปร่างของแต่ละเลเยอร์ เป้าหมายคือการตรวจจับ Defect ทันทีที่เกิด และปรับพารามิเตอร์การพิมพ์แบบ Closed-Loop เพื่อแก้ไขก่อนที่จะสายเกินไป
ทำไม In-Process Monitoring จึงจำเป็น
กระบวนการ Laser Powder Bed Fusion (LPBF) และ Directed Energy Deposition (DED) เกิดปรากฏการณ์ทางฟิสิกส์ที่ซับซ้อนในระดับ Microsecond แสงเลเซอร์หลอมผงโลหะที่อุณหภูมิสูงกว่า 2,500 C เป็น Melt Pool ขนาด 50-200 um ความผันแปรเล็กน้อยใน Laser Power, Scan Speed, หรือ Powder Bed Flatness สามารถสร้าง Defect ได้ทันที:
- Lack of Fusion: พลังงานไม่พอ – เกิดช่องว่างระหว่าง Track (Porosity 10-100 um)
- Keyholing: พลังงานสูงเกิน – หลอมลึกเกินไป สร้าง Pore กลมจากไอโลหะที่ติดอยู่
- Spatter: อนุภาคโลหะกระเด็นไปปนเปื้อนผงในเลเยอร์ถัดไป
- Delamination: ความเค้นตกค้าง (Residual Stress) ทำให้เลเยอร์หลุดหรือบิดเบี้ยว
- Elevation/Deformation: ผิวเลเยอร์ไม่เรียบ – ส่งผลต่อเลเยอร์ถัดไป
เซ็นเซอร์และเทคโนโลยีตรวจวัด
| เซ็นเซอร์ | วัดอะไร | Sampling Rate | ตรวจจับ Defect | ตำแหน่ง |
|---|---|---|---|---|
| Coaxial Photodiode | Melt Pool Emission Intensity | 100 kHz+ | Keyholing, Lack of Fusion | In-Beam (Coaxial) |
| High-Speed Camera | Melt Pool Size Shape | 10,000 fps | Melt Pool Instability | Coaxial / Off-Axis |
| Pyrometer | Melt Pool Temperature | 10 kHz | Overheating, Cooling Rate | Coaxial |
| IR Thermal Camera | Temperature Distribution | 100-1,000 fps | HAZ Mapping, Hot Spot | Off-Axis (Top) |
| Optical Layer Imaging | Powder Bed Surface | 1 image/layer | Recoater Streak, Powder Spread Defect | Off-Axis (Top) |
| Acoustic Emission | Sound Wave จาก Melting | 1 MHz | Crack, Keyhole Collapse | Off-Axis |
| OCT (Optical Coherence Tomography) | Melt Pool Depth | 70-500 kHz | Penetration Depth Real-Time | Coaxial |
ระบบควบคุมแบบ Closed-Loop
การวัดเพียงอย่างเดียวไม่พอ ระบบ In-Process Monitoring ระดับสูงจะเชื่อมต่อเซ็นเซอร์เข้ากับระบบควบคุม (Controller) ที่ปรับพารามิเตอร์การพิมพ์แบบเรียลไทม์:
- Sensing: เซ็นเซอร์วัดสัญญาณ (เช่น Melt Pool Intensity) ทุก 10 us
- Feature Extraction: สกัดค่าสถิติ (Mean, Std, Peak, Kurtosis) ในหน้าต่างเวลา (Sliding Window)
- Anomaly Detection: เปรียบเทียบกับ Golden Reference หรือ Model ที่ Train ไว้ หากเบี่ยงเบนเกิน Threshold – Flag
- Control Action: ปรับ Laser Power +/-5-20%, ปรับ Scan Speed, หรือหยุดพิมพ์เพื่อตรวจสอบ
- Logging: บันทึกทุก Layer และ Coordinate ของ Defect เพื่อใช้ใน Post-Build Analysis
ความท้าทายของ Closed-Loop Control คือ Latency รอบการวัด-คำนวณ-ปรับต้องต่ำกว่า 1 ms เพราะ Laser เคลื่อนที่เร็วถึง 1,000 mm/s ปรับพารามิเตอร์ช้าไป 1 ms เท่ากับข้ามไป 1 mm ของ Track แล้ว
มาตรฐานและ Framework คุณภาพ
| มาตรฐาน | หัวข้อ | ความสำคัญ |
|---|---|---|
| ISO/ASTM 52900 | Terminology for AM | นิยามศัพท์ AM ที่เป็นมาตรฐานสากล |
| ISO/ASTM 52901 | Requirements for Purchased AM Parts | กำหนด Spec ชิ้นงาน + วิธีตรวจรับ |
| ISO/ASTM 52904 | Process Performance and Part Qualification | Qualify กระบวนการ + ชิ้นงาน |
| ISO/ASTM 52910 | Design for AM | แนวทาง DfAM |
| AMS7000 Series | Aerospace Material Specs for AM | มาตรฐานวัสดุอากาศยานสำหรับ AM |
| VDI 3405 | Additive Manufacturing Processes (Germany) | แนวทาง AM ที่ใช้กันในยุโรป |
การประยุกต์ใช้ในอุตสาหกรรม
1. การบินและอวกาศ: Part Qualification ทุกชิ้น
ชิ้นส่วนเครื่องบินที่ผลิตด้วย AM ต้องมี In-Process Sensor Data แนบทุกชิ้น (Digital Birth Certificate) หากพบ Anomaly ใน Layer ที่ 2,340 ที่พิกัด (X, Y) ทีมวิศวกรสามารถย้อนกลับไปดูว่าช่วงเวลานั้น Laser Power หรือ Oxygen Level เป็นอย่างไร และตัดสินใจได้ว่าชิ้นงานผ่านหรือไม่ผ่านโดยไม่ต้องทำ Destructive Testing ทุกชิ้น
2. การแพทย์: Implant ที่ได้มาตรฐาน
Implant โลหะ (เช่น Spinal Cage, Knee Joint) ที่พิมพ์ด้วย AM ต้องควบคุม Porosity ให้สม่ำเสมอ (เพื่อให้กระดูกงอกเข้าไป) In-Process Monitoring ช่วยรับประกันว่า Pore Size และ Distribution อยู่ในช่วงที่กำหนด (200-800 um) ตลอดทั้งชิ้น
3. การซ่อมแซมด้วย DED: Closed-Loop Cladding
การซ่อมแซมใบกังหันด้วย DED ต้องควบคุม Deposition Height ให้สม่ำเสมอ +/-0.1 mm ระบบ Pyrometer + Laser Displacement Sensor ปรับ Wire Feed Rate และ Traverse Speed แบบเรียลไทม์เพื่อรักษาความสูงของ Layer ให้คงที่ตลอดการพิมพ์
การผสาน Machine Learning
ปัจจุบันงานวิจัยและอุตสาหกรรมกำลังผสาน Machine Learning เข้ากับ In-Process Monitoring เพื่อเพิ่มประสิทธิภาพการตรวจจับ Defect:
- Convolutional Neural Network (CNN): วิเคราะห์ภาพ Melt Pool แยก Keyhole จาก Conduction Mode ด้วยความแม่นยำ >95%
- Unsupervised Anomaly Detection (Autoencoder): เรียนรู้ Normal Melt Pool Signature และ Flag สัญญาณที่ไม่เคยเห็น
- Reinforcement Learning: เรียนรู้นโยบายปรับ Laser Power ที่เหมาะสมที่สุดเพื่อรักษา Melt Pool ใน Window ที่กำหนด
- Federated Learning: แชร์โมเดลระหว่างโรงงานโดยไม่แชร์ข้อมูลดิบ (Data Privacy) เพื่อ Train โมเดลที่แข็งแกร่งขึ้น
ข้อมูลจาก In-Process Monitoring ยังสามารถเชื่อมโยงกับ Digital Twin ของชิ้นงาน เพื่อจำลอง Microstructure ที่คาดว่าจะเกิดขึ้นจาก Thermal History ที่บันทึกได้ ช่วยทำนายคุณสมบัติเชิงกล (Tensile Strength, Fatigue Life) โดยไม่ต้องทดสอบทำลาย
Key Insight: In-Process Monitoring เปลี่ยน Additive Manufacturing จาก พิมพ์แล้วค่อยเช็ค (Inspect After Build) เป็น ตรวจสอบและแก้ไขทันที (Sense and Correct) ซึ่งเป็นกุญแจสำคัญที่ทำให้ AM ก้าวจาก Prototyping สู่ Production-Grade Manufacturing
Key Takeaways
- Melt Pool Monitoring ด้วย Coaxial Photodiode ที่ Sampling Rate 100 kHz+ เป็นเซ็นเซอร์หลักในการตรวจจับ Keyholing และ Lack of Fusion แบบเรียลไทม์
- Closed-Loop Control ต้องมี Latency ต่ำกว่า 1 ms เพราะ Laser เคลื่อนที่ 1,000 mm/s การปรับพารามิเตอร์ช้า = พลาด Track ไปแล้ว
- Optical Coherence Tomography (OCT) เป็นเทคโนโลยีเด่นที่วัด Melt Pool Penetration Depth แบบ Real-Time เป็นไมโครเมตร
- Machine Learning (CNN + Autoencoder) ยกระดับการตรวจจับ Defect ให้แม่นยำกว่า Threshold-based Detection แบบดั้งเดิมอย่างมีนัยสำคัญ
- Digital Birth Certificate คือ Sensor Log ที่บันทึกทุก Layer + Coordinate ของ Defect จำเป็นสำหรับ Part Qualification ในอุตสาหกรรมการบินและอวกาศ
- มาตรฐาน ISO/ASTM 52904 กำหนดวิธี Qualify กระบวนการและชิ้นงาน AM รวมถึงการใช้ข้อมูล In-Process Monitoring เป็นหลักฐานคุณภาพ
- Digital Twin + Thermal History เชื่อมข้อมูล In-Process เข้ากับ Simulation เพื่อทำนาย Microstructure และคุณสมบัติเชิงกลโดยไม่ต้องทดสอบทำลาย