Porosity Prediction in Aluminum Wire Arc Additive Manufacturing Using Two-Stage Machine Learning Cascade and Computed Tomography
Questo studio presenta un framework a cascata basato su machine learning a due stadi che correla i parametri di processo CMT-WAAM in tempo reale con i dati di porosità derivati da CT industriale per prevedere e monitorare i difetti interni in componenti di alluminio, raggiungendo un punteggio F1 di 0,47 offrendo al contempo una soluzione scalabile per l'assicurazione della qualità in situ.