Towards standardisation of average grain size measurement of additively manufactured microstructures using EBSD

Este artigo propõe um novo padrão para medir o tamanho médio de grão em materiais fabricados aditivamente, baseado em um estudo de comparação interlaboratorial, demonstrando sua adequação e limitações em diversos componentes de Ni e Al utilizando EBSD.

O essencial

Imagine que você está tentando descrever o tamanho de uma multidão de pessoas em um show. Em uma multidão normal, todos têm aproximadamente a mesma altura, então você poderia apenas dizer: "A pessoa média tem 1,75 m". Mas na Manufatura Aditiva (impressão 3D), a "multidão" (os grãos metálicos) é caótica. Alguns grãos são minúsculas partículas, outros são arranha-céus massivos, e eles estão esticados como macarrões longos e finos, em vez de bolas redondas.

Este artigo trata da criação de um manual de regras padrão para medir o "tamanho médio" dessas multidões metálicas caóticas usando uma câmera especial chamada EBSD (Difração de Eletrons Retroespalhados). Sem um manual de regras padrão, diferentes cientistas usavam réguas diferentes e matemática diferente, levando a resultados confusos e conflitantes.

Aqui está a análise de suas descobertas usando analogias simples:

1. O Problema: Todos Medindo de Forma Diferente

Anteriormente, se dois cientistas olhassem para a mesma peça de metal impressa em 3D, eles poderiam relatar "tamanhos médios de grão" completamente diferentes.

• O Problema: Alguns cientistas descartavam os grãos minúsculos (como ignorar as crianças pequenas em uma multidão), enquanto outros os contavam. Alguns usavam uma "média numérica" (contando cabeças), enquanto outros usavam uma "média de área" (contando quanto espaço no chão eles ocupam).
• O Resultado: Era como uma pessoa dizer que a multidão é pequena porque contou apenas as crianças, e outra dizer que é enorme porque contou o espaço ocupado pelos adultos. Isso tornava impossível comparar materiais ou redigir reivindicações de patente (descrições legais do metal).

2. A Solução: Um Novo "Padrão Ouro"

Os autores testaram vários métodos em diferentes softwares e materiais (ligas de Níquel e Alumínio) para encontrar a maneira mais confiável de medir. Eles propõem um novo padrão com três pilares principais:

A. A Melhor Régua: "Diâmetro Feret Máximo" (MFD)

Em vez de tentar encaixar um círculo perfeito ao redor de um grão de formato estranho (o que é como tentar encaixar um pino redondo em um buraco quadrado), eles sugerem medir a linha reta mais longa que você pode desenhar através do grão.

• Analogia: Imagine um pedaço de massa esticado. Em vez de perguntar "Qual é o diâmetro de um círculo deste tamanho?", basta medir o comprimento da massa de ponta a ponta. Isso captura o verdadeiro "estiramento" do grão sem fazer suposições ruins sobre sua forma.

B. A Melhor Matemática: A "Mediana" (O Filho do Meio)

A maioria das pessoas usa a "Média" (Mean), mas na impressão 3D, os tamanhos de grão são tão desiguais que a média é distorcida por alguns grãos gigantes.

• A Correção: Eles recomendam o uso da Mediana.
• Analogia: Se você alinhar 100 grãos do menor ao maior, a Mediana é aquele bem no meio (o 50º grão). Isso é muito mais estável. Se você acidentalmente perder alguns grãos minúsculos ou incluir alguns gigantes, o grão do "meio" não se move muito. É um número "conservador" que diz como um grão típico parece, sem ser enganado por valores extremos.

C. A Melhor Imagem: O "Histograma Cumulativo"

Em vez de um gráfico de barras padrão, eles sugerem um gráfico "cumulativo".

• Analogia: Imagine uma escada. Cada degrau para cima representa uma porcentagem da área total coberta por grãos daquele tamanho ou menor.
  • Se a escada é suave, você tem uma boa medição.
  • Se a escada tem saltos gigantes e irregulares (como um penhasco), significa que a visão da sua câmera era muito pequena e você perdeu os grãos grandes. Este gráfico diz instantaneamente se seus dados são confiáveis.

3. As Regras do Jogo (Os "Deves e Não Deves")

Para obter um resultado confiável, o artigo estabelece regras estritas para o "fotógrafo" (o cientista):

• Não Limpe Demais: Às vezes, a câmera perde alguns pontos (pontos não indexados). Você pode corrigir alguns, mas se limpar demais, pode acidentalmente colar dois grãos separados ou quebrar um grande em pedaços. A regra é: Limpe menos de 5% do mapa.
• Não Corte as Bordas: Se um grão for cortado pela borda da sua foto, não o meça. É como tentar adivinhar o tamanho de uma pessoa quando você só pode ver o braço dela. No entanto, como grãos grandes têm maior probabilidade de serem cortados, a matemática precisa levar em conta esse viés.
• Dê Zoom para Fora o Suficiente: A visão da sua câmera (Campo de Visão) precisa ser grande o suficiente para capturar pelo menos 20 grãos de largura. Se você der zoom demais, pode ver apenas um grão gigante e achar que todo o metal é feito de gigantes.
• Relate as Configurações: Como metais impressos em 3D têm "sub-grãos" (estruturas internas minúsculas), você deve sempre relatar exatamente como tirou a foto (o tamanho do passo e o limiar de ângulo). Alterar essas configurações altera o resultado, então você não pode comparar laranjas com maçãs.

4. O Resultado: Uma Medição Confiável

Seguindo essas regras, os autores descobriram que podem medir o tamanho do grão de metais impressos em 3D com uma incerteza de cerca de 20%.

• Por que isso importa: No mundo das patentes e da engenharia, você precisa saber se dois metais são realmente diferentes. Se a ferramenta de medição é instável, você não pode provar que sua invenção é única. Este novo padrão fornece uma régua sólida e confiável que todos podem usar para comparar peças impressas em 3D, independentemente do software ou máquina que utilizam.

Resumo

O artigo diz: "Pare de adivinhar e pare de usar regras diferentes. Para medir o tamanho dos grãos metálicos impressos em 3D, meça o comprimento mais longo (MFD), encontre o valor do meio (Mediana), use um gráfico cumulativo para verificar erros e certifique-se de que a visão da sua câmera seja ampla o suficiente. Se você fizer isso, obterá um resultado justo, repetível e defensável legalmente."

Resumo técnico

Resumo Técnico: Padronização da Medição do Tamanho Médio de Grão em Microestruturas Produzidas por Manufatura Aditiva usando EBSD

Declaração do Problema
Ligas produzidas por manufatura aditiva (MA) exibem microestruturas heterogêneas caracterizadas por distribuições amplas de tamanho de grão, formas altamente anisotrópicas e geometrias não convexas. Diferentemente dos materiais metálicos tradicionais, componentes de MA frequentemente possuem geometrias complexas e porosidade que influenciam as microestruturas locais. Atualmente, não existe um padrão baseado em Difração de Elétrons Retroespalhados (EBSD) adequado para medir o tamanho médio de grão em materiais típicos de MA. Padrões existentes, como ASTM E112 (métodos ópticos), ASTM E2627 e ISO 13067 (métodos EBSD), não foram projetados para as complexidades específicas das microestruturas de MA. Consequentemente, as medições de tamanho de grão são altamente sensíveis às escolhas do operador quanto à limpeza de dados, reconstrução de grãos e análise estatística, levando a uma variabilidade significativa que limita a utilidade dessas medições em reivindicações de patentes e especificações de graus de liga.

Metodologia
O estudo emprega uma abordagem de comparação interlaboratorial para avaliar as práticas atuais e propor um fluxo de trabalho padronizado. A metodologia envolve:

1. Testes Agnósticos a Software: A reconstrução de grãos e as métricas de tamanho foram testadas em principais pacotes de software comerciais e de código aberto (AZtecCrystal, OIM Analysis e MTEX) para garantir consistência.
2. Análise de Sensibilidade de Parâmetros: Os autores variaram sistematicamente os tamanhos de passo dos mapas EBSD, os ângulos limiar de contorno de grão e as rotinas de limpeza de dados (por exemplo, remoção de picos selvagens, correlação de orientação de vizinhos) para quantificar seu impacto nos tamanhos de grão medidos.
3. Avaliação Estatística: Diferentes métricas de tamanho de grão (diâmetro de círculo equivalente, diâmetros de Feret) e estatísticas de resumo (média aritmética, média geométrica, percentis) foram comparadas. Atenção especial foi dada aos métodos de ponderação (ponderado por número vs. ponderado por área) e ao tratamento de grãos excluídos (grãos pequenos e grãos na borda do mapa).
4. Quantificação de Incerteza: Componentes de incerteza foram modelados para três fontes primárias:
   • Limpeza de Dados: Modelada como incerteza Tipo B (distribuição retangular) baseada na diferença entre nenhuma limpeza e a limpeza máxima permitida.
   • Agrupamento em Histograma: Modelada como incerteza Tipo B baseada nas semi-larguras dos intervalos.
   • Amostragem de Microestrutura: Modelada como incerteza Tipo A usando análise de bootstrap de 30 subamostras para determinar o efeito do tamanho do Campo de Visão (FoV).
5. Estudos de Caso: Os métodos propostos foram aplicados a vários componentes de MA, incluindo Hastelloy-X (superliga à base de Ni) e AlSi10Mg (liga de alumínio), cobrindo peças maciças grandes, estruturas de treliça e componentes com taxas de indexação e porosidades variadas.

Principais Contribuições e Resultados
O artigo identifica várias questões críticas com as práticas atuais e propõe atualizações específicas:

• Reconstrução e Limpeza: Os resultados da reconstrução de grãos são consistentes entre softwares quando nenhuma limpeza é realizada. No entanto, a limpeza de dados introduz variabilidade significativa. Métricas ponderadas por número são altamente sensíveis à limpeza (variando de ±26–100%), enquanto métricas ponderadas por área são muito mais robustas (±0,2–10%). O estudo recomenda limitar as mudanças de orientação do mapa a ≤5% (conforme ISO 13067) e tratar a incerteza da limpeza explicitamente.
• Seleção de Métrica: O Diâmetro Máximo de Feret (MFD) é identificado como a métrica mais adequada para microestruturas de MA, pois captura efetivamente a natureza alongada dos grãos ao longo da direção de construção sem as suposições de forma requeridas pelos diâmetros de círculo equivalente.
• Representação Estatística: A média aritmética é considerada inadequada devido à natureza não gaussiana das distribuições de tamanho de grão. A mediana ponderada pela área indexada é proposta como a estatística primária. Esta métrica é lida a partir de um histograma cumulativo e é menos sensível à exclusão de grãos pequenos ou grãos na borda do mapa em comparação com médias convencionais.
• Tratamento de Grãos Excluídos: O estudo demonstra que excluir grãos pequenos ou grãos de borda sem correção leva à subestimação do tamanho de grão. Um método é proposto onde a fração de área de grãos pequenos excluídos é acrescida à extremidade inferior do histograma cumulativo, e grãos de borda são excluídos, mas contabilizados na área total indexada.
• Requisitos de Amostragem: A análise de bootstrap revela que um Campo de Visão (FoV) de pelo menos 20 vezes o comprimento mediano do grão é necessário para alcançar uma incerteza de amostragem de aproximadamente 10%. FoVs menores levam a alta estocasticidade e superestimação do tamanho de grão devido ao domínio de grãos grandes únicos.
• Tamanho de Passo e Limiares: Em microestruturas de MA com estruturas de subgrão, o tamanho de passo e os ângulos limiar de contorno são interdependentes. O artigo enfatiza que o tamanho de grão deve sempre ser relatado juntamente com o tamanho de passo específico e o ângulo limiar utilizados, pois esses parâmetros alteram significativamente os valores medidos.

Significância e Reivindicações
O artigo reivindica fornecer um procedimento robusto e padronizado para medir o tamanho médio de grão em materiais de MA, abordando a falta de padrões adequados para essas microestruturas complexas. O fluxo de trabalho proposto, centrado na mediana MFD ponderada pela fração de área indexada e em uma visualização de histograma cumulativo, oferece várias vantagens:

• Robustez: É menos sensível às escolhas do operador quanto à limpeza de dados e exclusão de grãos pequenos.
• Transparência: O histograma cumulativo permite a identificação visual imediata de problemas de amostragem (por exemplo, FoVs pequenos resultando em saltos discretos ou medianas indefinidas).
• Gestão de Incerteza: Ao quantificar explicitamente as incertezas provenientes de amostragem, limpeza e agrupamento, o método alcança uma incerteza expandida combinada relativa (k=2) de aproximadamente 20%.

Os autores concluem que, embora o procedimento melhore significativamente a consistência, a incerteza total é dominada pela incerteza de amostragem aleatória. Portanto, para componentes com geometrias complexas (como tirantes de treliça onde a história térmica local varia), múltiplas amostras similares podem ser necessárias para obter uma média estatisticamente significativa. O trabalho visa facilitar relatórios de tamanho de grão mais confiáveis para reivindicações de patentes e especificações de materiais no setor de manufatura aditiva.