NDT Data Fusion for Post-Impact Damage Characterization in a Discontinuous Long Fiber Reinforced Polymer Composite with Stochastic Meso-Structure

कल्पना कीजिए कि आप एक रहस्य सुलझाने वाले जासूस हैं जो एक बहुत ही अजीब, उलझे हुए घर के अंदर एक रहस्य को सुलझाने की कोशिश कर रहे हैं। यह घर सीधी, साफ ईंटों से नहीं बना है; इसके बजाय, इसे हजारों छोटे, बेतरतीब ढंग से फेंके गए लकड़ी के तख्तों को आपस में चिपकाकर बनाया गया है। इसे वैज्ञानिक "डिस्कंटीन्यूअस लॉन्ग फाइबर कंपोजिट" (discontinuous long fiber composite) कहते हैं—यह एक अत्यंत मजबूत सामग्री है जिसका उपयोग हवाई जहाजों और कारों में किया जाता है क्योंकि यह हल्की और मजबूत होती है। लेकिन क्योंकि ये "तख्ते" (फाइबर्स) बेतरतीब दिशाओं में फेंके गए हैं, इसलिए यह घर छिपे हुए कोनों, दरारों और कमजोर बिंदुओं से भरा हुआ है जो अप्रत्याशित व्यवहार करते हैं।

अब, कल्पना कीजिए कि कोई इस घर पर एक भारी गेंद फेंकता है। इससे शायद कोई बड़ा छेद न हो, लेकिन यह अंदर अदृश्य दरारें और परतें पैदा कर सकता है, जैसे कि एक सैंडविच जिसमें भरने वाली चीज़ खिसक गई हो लेकिन ब्रेड ठीक दिख रही हो। इसे "लो-वेलोसिटी इम्पैक्ट डैमेज" (low-velocity impact damage) कहा जाता है। समस्या यह है कि यदि आप केवल एक जोड़ी आँखों से इस घर को देखते हैं, तो आप नुकसान को मिस कर सकते हैं। एक जोड़ी आँखें एक छाया देख सकती है लेकिन दरार को नहीं; दूसरी आँख एक हीट स्पॉट देख सकती है लेकिन गहरी दरार को नहीं। इस रहस्य को सुलझाने के लिए, आपको अलग-अलग स्रोतों से मिलने वाले सुरागों को संयोजित करने की आवश्यकता है—जैसे कि एक साथ टॉर्च, थर्मल कैमरा और एक्स-रे मशीन का उपयोग करना। यही इस शोध का सार है: इन विभिन्न "सुपर-सेंस" (अति-इंद्रियों) को कैसे मिलाया जाए ताकि घर को बिना फाड़े नुकसान की पूरी तस्वीर देखी जा सके।

पेपर का मिशन: अदृश्य को देखने के लिए सुपर-सेंस का मिश्रण

इस अध्ययन में, शोधकर्ताओं मार्को डिडोने, रेचल वैन लियर, डेविड जैक और सर्गी जी. क्रावचेंको ने इन बेतरतीब तख्तों वाले घरों के टकराने के बाद उनकी जांच करने के कठिन कार्य को संभाला। उन्होंने प्रीप्रेग प्लेटलेट मोल्डेड कंपोजिट (PPMCs) नामक एक विशेष सामग्री का उपयोग किया, जो कार्बन फाइबर की छोटी, बेतरतीब ढंग से व्यवस्थित पट्टियों को दबाकर बनाई जाती है। जब इन सामग्रियों से टकराया जाता है, तो नुकसान अस्त-व्यस्त और त्रि-आयामी (3D) होता है, जो अजीब दिशाओं में फैलता है, जिसे एक एकल निरीक्षण उपकरण अक्सर मिस कर देता है।

टीम ने "अपने सुरागों को संयोजित करें" का खेल खेलने का निर्णय लिया, जिसमें तीन अलग-अलग नॉन-डिस्ट्रक्टिव टेस्टिंग (NDT) विधियों का उपयोग किया गया। इन्हें तीन अलग-अलग जासूसों के रूप में सोचें:

1. अल्ट्रासोनिक टेस्टिंग (UT): यह ध्वनि तरंगों (सोनार) को भेजने जैसा है। यदि कोई दरार या डैमेज (परतों का अलग होना) है, तो ध्वनि की गूँज अलग तरह से वापस आती है। हालाँकि, ठीक वैसे ही जैसे शोर वाले कमरे में होता है, कभी-कभी ध्वनि ऊपरी परतों द्वारा बाधित हो जाती है, जिससे गहराई में क्या हो रहा है वह छिप जाता है।
2. इन्फ्रारेड थर्मोग्राफी (IRT): यह जासूस गर्मी का उपयोग करता है। वे सतह को गर्म करते हैं और देखते हैं कि वह कैसे ठंडी होती है। यदि नीचे कोई दरार है, तो गर्मी फंस जाती है या अलग तरह से बहती है, जिससे सतह पर एक गर्म या ठंडा स्थान बन जाता है। लेकिन यह जासूस मुख्य रूप से सतह के पास की चीजें देखता है और गहरे रहस्यों को मिस कर सकता है।
3. एक्स-रे माइक्रो-कंप्यूटेड टोमोग्राफी (µCT): यह हाई-टेक एक्स-रे विजन है। यह विभिन्न कोणों से हजारों तस्वीरें लेकर अंदर का 3D मॉडल बनाता है। यह नुकसान के आकार को देखने के लिए बेहतरीन है, लेकिन यह उन दरारों को हमेशा नहीं देख पाता जो इतनी कसकर दबी होती हैं कि वे ठोस सामग्री जैसी दिखती हैं, और बड़े टुकड़ों को स्कैन करने में इसमें काफी समय लगता है।

बड़ी खोज: "यूनियन" (मिलन) ही उत्तर है

शोधकर्ताओं ने केवल इन तीन जासूसों के परिणामों को अलग-अलग नहीं देखा; उन्होंने उन्हें आपस में जोड़ने की कोशिश की। उन्होंने दो मुख्य रणनीतियों का उपयोग किया:

• फीचर इंटीग्रेशन (विशेषता एकीकरण): यह प्रत्येक जासूस के अंतिम "हाँ/नहीं" वाले मानचित्रों को एक के ऊपर एक रखने जैसा है। यदि कोई भी जासूस कहता है, "यहाँ नुकसान है," तो वे उसे क्षतिग्रस्त मान लेते हैं।
• फीचर क्लासिफिकेशन (विशेषता वर्गीकरण): यह कच्चे डेटा (ग्रेस्केल छवियों) को गणितीय रूप से मिलाने जैसा है, जिसमें "औसत लेना" या "अधिकतम लेना" जैसे नियम होते हैं।

उन्होंने क्या पाया

अध्ययन में पाया गया कि फीचर इंटीग्रेशन स्पष्ट विजेता था। जब उन्होंने मानचित्रों को संयोजित किया, तो उन्होंने नुकसान का एक "कंजर्वेटिव अपर-बाउंड एस्टीमेट" (रूढ़िवादी ऊपरी सीमा अनुमान) बनाया। सरल शब्दों में, इसका मतलब है कि उन्होंने नुकसान के चारों ओर एक सुरक्षा जाल बनाया जो उस नुकसान से भी बड़ा था जिसे किसी भी एक उपकरण ने देखा था, यह सुनिश्चित करते हुए कि वे कुछ भी मिस न करें।

यहाँ उनके द्वारा पाए गए विशिष्ट आंकड़े दिए गए हैं:

• µCT (एक्स-रे) ने सबसे छोटा क्षेत्र देखा, जो प्लेट का 5.3% था।
• UT (ध्वनि) ने 7.1% का बड़ा क्षेत्र देखा।
• IRT (गर्मी) ने 7.5% देखा।
• जब इन तीनों को एक फ्यूज्ड मैप में मिलाया गया, तो कुल अनुमानित क्षति क्षेत्र 8.5% था।

यह 8.5% आवश्यक रूप से "परफेक्ट" सत्य नहीं है, लेकिन लेखक सुझाव देते हैं कि यह नुकसान की एक बहुत ही सुरक्षित और पूर्ण तस्वीर है। उन्होंने नोट किया कि एक्स-रे द्वारा देखे गए नुकसान का 99.66% इस संयुक्त मानचित्र में शामिल था। यह साबित करता है कि इन तीनों उपकरणों का उपयोग करके, आप लगभग वह सब कुछ पकड़ लेते हैं जो एक्स-रे देखता है, साथ ही वे अतिरिक्त हिस्से भी जो ध्वनि और गर्मी के उपकरणों ने खोजे थे जिन्हें एक्स-रे मिस कर गया था।

एक जासूस पर्याप्त क्यों नहीं है

पेपर स्पष्ट रूप से केवल एक विधि पर निर्भर रहने के विरुद्ध तर्क देता है।

• एक्स-रे (µCT) कुछ बारीक दरारों को मिस कर गया क्योंकि दरार के दोनों किनारे एक-दूसरे को छू रहे थे, जिससे एक्स-रे देखने के लिए कोई हवा का अंतर नहीं बचा था। यह प्लेट के अजीब आकार के कारण सब कुछ नहीं देख सका।
• ध्वनि (UT) कभी-कभी वास्तविकता से बड़ा क्षेत्र देखता था क्योंकि ध्वनि तरंगें ऊपरी परतों द्वारा बाधित होती हैं (शैडोइंग), जिससे नुकसान एक विशिष्ट आकार के बजाय एक ठोस धब्बे जैसा दिखता है।
• गर्मी (IRT) सतह के पास की समस्याओं को देखने में बहुत अच्छा था लेकिन गहराई तक नहीं देख सका।

शोधकर्ताओं ने "फीचर क्लासिफिकेशन" पद्धति (कच्ची छवियों को गणितीय रूप से मिलाना) का भी परीक्षण किया। उन्होंने पाया कि यह दृष्टिकोण कम स्थिर था और शोर (noise) के प्रति अधिक संवेदनशील था। उदाहरण के लिए, "डिफरेंस" पद्धति (केवल वहां देखना जहां उपकरण असहमत थे) ने 0.34% का एक छोटा क्षेत्र दिखाया, जबकि "मैक्सिमम" पद्धति ने 6.15% दिखाया। ये संख्याएँ फीचर इंटीग्रेशन पद्धति के साफ और तार्किक परिणाम की तुलना में बहुत इधर-उधर थीं। पेपर सुझाव देता है कि इन जटिल, बेतरटीब तख्तों वाली सामग्रियों के लिए, कच्चे डेटा को गणितीय रूप से मिलाने (Classification) के बजाय अंतिम मानचित्रों को जोड़ना (Integration) कहीं बेहतर है।

निष्कर्ष

लेखक निष्कर्ष निकालते हैं कि इन जटिल, उलझी हुई सामग्रियों के लिए, आप केवल एक "सुपर-सेंस" पर भरोसा नहीं कर सकते। इसके बजाय, आपको उन सभी को सुनना होगा। डेटा को फ्यूज करके, आप नुकसान की अधिक स्पष्ट और पूर्ण तस्वीर प्राप्त करते हैं। एक्स-रे आपको 3D आकार देता है, ध्वनि आपको गहरी परतों के बारे में बताता है, और गर्मी आपको सतह के विवरण देती है। जब आप उन्हें एक साथ रखते हैं, तो आपको एक "कंजर्वेटिव" अनुमान मिलता है जो सुरक्षित और विश्वसनीय है, यह सुनिश्चित करता है कि इन उच्च-तकनीकी सामग्रियों में कोई भी छिपा हुआ नुकसान पीछे न छूट जाए।