Abstract

Le présent document fournit un flux de travail intégrant des modes opératoires expérimentaux et des algorithmes de détection des défauts destinés à localiser les défauts dans les pièces produites par le procédé de fusion laser sur lit de poudre métallique (PBF-LB). Il met l'accent sur l'utilisation de la surveillance in situ basée sur des photodiodes coaxiales et d'algorithmes statistiques et de regroupement par apprentissage automatique, en particulier pour détecter des défauts induits par un manque de fusion. Le flux de travail délimite les seuils de définition pour la détection statistique et la détermination du nombre de grappes pour les algorithmes d'apprentissage automatique, en utilisant des défauts implantés intentionnellement dans les pièces. Les modes opératoires de validation sont fournis par des données scannées par tomographie informatisée. Les limitations matérielles et les considérations relatives aux procédés multi-laser sont abordées, en soulignant les problèmes potentiels.

Status
Published
Publication Date
21-May-2026
Current Stage
6060 - International Standard published
Start Date
22-May-2026
Completion Date
22-May-2026

Buy Documents

Technical report

ISO/ASTM TR 52958:2026 - Additive manufacturing of metals — Powder bed fusion (PBF) — In-situ coaxial photodiode monitoring for lack of fusion flaw detection in PBF-LB

Release Date:22-May-2026
English language (25 pages)
sale 15% off
Preview
sale 15% off
Preview
Technical report

ISO/ASTM TR 52958:2026 - Fabrication additive de métaux — Fusion sur lit de poudre (PBF) — Surveillance par photodiode coaxiale in situ pour la détection de défauts de manque de fusion en PBF-LB

Release Date:18-Nov-2026
French language (25 pages)
sale 15% off
Preview
sale 15% off
Preview
Technical report

REDLINE ISO/ASTM TR 52958:2026 - Fabrication additive de métaux — Fusion sur lit de poudre (PBF) — Surveillance par photodiode coaxiale in situ pour la détection de défauts de manque de fusion en PBF-LB

Release Date:18-Nov-2026
French language (25 pages)
sale 15% off
Preview
sale 15% off
Preview

ISO/ASTM TR 52958:2026 is an ISO/ASTM Technical Report on additive manufacturing of metals, published by ISO with ASTM International. It specifies a workflow for using coaxial photodiode in-situ monitoring in powder bed fusion-laser-based (PBF-LB) metal processing to detect lack of fusion flaws. The document is written for people who need to set up, tune, and validate a flaw-detection method for metal parts built by PBF-LB.

What does ISO/ASTM TR 52958:2026 specify?

ISO/ASTM TR 52958:2026 specifies a workflow for locating flaws in metal parts made by PBF-LB using coaxial photodiode signals, statistical detection methods, machine-learning clustering methods, and computed tomography (CT) validation. The document is organized around building calibration coupons, collecting and correcting sensor data, selecting detection thresholds or clusters, and checking results against CT data.

The main structure is:

  • Clause 1 - Scope
  • Clause 2 - Normative references
  • Clause 3 - Terms and definitions
  • Clause 4 - Significance and use
  • Clause 5 - Design of coupons
  • Clause 6 - Sensor description
  • Clause 7 - Flaw detection algorithms
  • Clause 8 - Implementation of customized algorithms to components with randomized flaws and the associated voxelization thereof
  • Clause 9 - Case study: procedural implementation and validation results

Clause 5 separates intentionally seeded flaws from randomized or stochastic flaws. Clause 7 presents the statistical and clustering approaches used to interpret the photodiode signal. Clause 8 shows how the tuned workflow is applied to production-like parts and checked against CT through voxelization and a matching matrix.

What are the key requirements of ISO/ASTM TR 52958:2026?

ISO/ASTM TR 52958:2026 gives a step-by-step workflow rather than a single test method. The practical message is that flaw detection in PBF-LB should be developed on seeded coupons first, then transferred to randomized flaws, and finally checked against CT.

Build and use coupon sets for calibration

Clause 5 recommends two coupon sets: one with intentionally seeded flaws and one with randomized or stochastic flaws. Reference datum features such as grooves or notches can be added to help align CT data with the build geometry. In practice, this means the flaw location in the scan can be registered back to the same place in the CAD model.

Clause 5.2 describes intentionally seeded flaws as spherical or cylindrical voids introduced by CAD or process manipulation. The document uses three feature-size classes for these flaws: the minimum possible size for the process, plus 50 µm, and plus 100 µm. That matters because the seeded flaws are used to tune detection settings before the same settings are applied to real process defects.

Create randomized flaws by lowering energy density

Clause 5.3 says randomized or stochastic lack of fusion flaws can be produced by changing process parameters. The listed routes are reducing laser power, increasing hatching distance, increasing scanning speed, or increasing layer thickness. The document recommends aiming for a small relative density reduction of around 0.5% compared with nominal parts, so the calibration parts behave more like flawed production parts.

Collect the right sensor data

Clause 6 identifies a coaxial photodiode arrangement aligned with the laser beam path through a beam splitter. The sampling frequency is equal to or more than 60 kHz, and the recorded data also includes laser modulation and XY scanner position. In practice, the sensor must collect enough temporal detail to let the algorithms see signal perturbations, and the data must be corrected for chromatic and monochromatic distortion.

Use two statistical detection methods

Clause 7.2 presents two statistical approaches: absolute limits (AL) and short term fluctuations (STF). Both use a moving average and threshold bands to identify signal perturbations, which the document links to potential flaw locations. For a reader, this means the main tuning tasks are choosing the window length and setting upper and lower thresholds that separate normal melt-pool behavior from abnormal signals.

Use clustering algorithms as a second route

Clause 7.3 describes unsupervised clustering methods, specifically self-organizing map (SOM) and K-means. The document says the cluster count should be optimized before use, and it gives screening ranges for SOM and an example of K-means tuning. In practice, this lets a user compare a threshold-based method with a machine-learning grouping method and choose the one that best matches the seeded flaw pattern.

Validate with CT, voxelization, and a confusion matrix

Clause 8 uses CT data to validate the tuned algorithm on parts with randomized flaws. The process stacks layers into a volume, voxelizes that volume, labels voxels from indicator counts, and compares the result with CT using a matching matrix and a confusion matrix. For a quality or inspection workflow, this creates a traceable way to measure true positives, false positives, false negatives, and true negatives.

What terms does ISO/ASTM TR 52958:2026 define?

ISO/ASTM TR 52958:2026 defines several terms that are central to the workflow:

  • clustering algorithm - an unsupervised machine-learning method that groups unlabelled input data by similarity.
  • coaxial photodiode arrangement - a sensor arrangement on a PBF-LB machine aligned with the laser beam path.
  • computed tomography (CT) - a non-destructive examination method that reconstructs a 3D volume data set or 2D cross-sections from radiographic projections.
  • flaw indicator - an indicator corresponding to the predicted location of a flaw.
  • lack of fusion - process-induced porosity with not fully melted or fused powder particles on the previously deposited substrate.
  • intentionally seeded flaw - a flaw deliberately created through CAD, processing-parameter manipulation, or insertion of an artificial object.
  • data registration - the process of aligning data and assigning a persistent identification to the aligned data set.

Who uses ISO/ASTM TR 52958:2026?

ISO/ASTM TR 52958:2026 is used by additive manufacturing engineers, process developers, and machine operators working with metal PBF-LB systems. It is also relevant to quality managers, inspection teams, and researchers who need to validate in-situ monitoring against CT.

In practice, these users apply the document when they:

  • design seeded and stochastic test coupons
  • collect coaxial photodiode signals during builds
  • tune threshold or clustering algorithms
  • register CT data to the build geometry
  • compare detected indicators with actual flaws
  • assess whether a monitoring setup is suitable for a given machine or material

Which standards are used with ISO/ASTM TR 52958:2026?

ISO/ASTM 52900, Additive manufacturing - General principles - Fundamentals and vocabulary, is the normative reference named in the document. It supplies the general additive manufacturing vocabulary used alongside the terms in this Technical Report.

ISO/ASTM TR 52906, Additive manufacturing - Non-destructive testing - Intentionally seeding flaws in metallic parts, is cited for the creation of seeded flaws. It supports the coupon design work in Clause 5.2 by linking this report to a seeding approach already used for metallic parts.

What does the ISO/ASTM TR 52958:2026 document contain?

ISO/ASTM TR 52958:2026 contains a full workflow description, with figures showing the sensor layout, threshold-based signal interpretation, clustering-based interpretation, voxelization, and overall validation sequence. It also includes worked examples of coupon designs, signal plots, and CT comparison images used to calibrate the methods.

The document further contains:

  • a case study on Hastelloy X parts built with seeded and randomized flaws
  • example process settings used to create calibration parts
  • figures for AL, STF, SOM, and K-means interpretation
  • a voxel-based comparison method for CT validation
  • a confusion matrix and accuracy calculation for assessing detection results

The case study shows how the workflow is applied in practice, including how seeded flaws are used to tune the algorithm before testing parts built with reduced energy density.

Relations

Effective Date
12-Feb-2026
Effective Date
18-Mar-2023

Buy Documents

Technical report

ISO/ASTM TR 52958:2026 - Additive manufacturing of metals — Powder bed fusion (PBF) — In-situ coaxial photodiode monitoring for lack of fusion flaw detection in PBF-LB

Release Date:22-May-2026
English language (25 pages)
sale 15% off
Preview
sale 15% off
Preview
Technical report

ISO/ASTM TR 52958:2026 - Fabrication additive de métaux — Fusion sur lit de poudre (PBF) — Surveillance par photodiode coaxiale in situ pour la détection de défauts de manque de fusion en PBF-LB

Release Date:18-Nov-2026
French language (25 pages)
sale 15% off
Preview
sale 15% off
Preview
Technical report

REDLINE ISO/ASTM TR 52958:2026 - Fabrication additive de métaux — Fusion sur lit de poudre (PBF) — Surveillance par photodiode coaxiale in situ pour la détection de défauts de manque de fusion en PBF-LB

Release Date:18-Nov-2026
French language (25 pages)
sale 15% off
Preview
sale 15% off
Preview

Get Certified

Connect with accredited certification bodies for this standard

DVS-ZERT GmbH

German welding certification society.

DAKKS Germany Verified

CARES (UK Certification Authority for Reinforcing Steels)

UK certification for reinforcing steels and construction.

UKAS United Kingdom Verified

EWF/IIW (European/International Welding Federation)

International welding personnel certification.

BELAC Belgium Verified

Sponsored listings

Frequently Asked Questions

ISO/ASTM TR 52958:2026 is a technical report published by the International Organization for Standardization (ISO). Its full title is "Additive manufacturing of metals — Powder bed fusion (PBF) — In-situ coaxial photodiode monitoring for lack of fusion flaw detection in PBF-LB". This standard covers: Le présent document fournit un flux de travail intégrant des modes opératoires expérimentaux et des algorithmes de détection des défauts destinés à localiser les défauts dans les pièces produites par le procédé de fusion laser sur lit de poudre métallique (PBF-LB). Il met l'accent sur l'utilisation de la surveillance in situ basée sur des photodiodes coaxiales et d'algorithmes statistiques et de regroupement par apprentissage automatique, en particulier pour détecter des défauts induits par un manque de fusion. Le flux de travail délimite les seuils de définition pour la détection statistique et la détermination du nombre de grappes pour les algorithmes d'apprentissage automatique, en utilisant des défauts implantés intentionnellement dans les pièces. Les modes opératoires de validation sont fournis par des données scannées par tomographie informatisée. Les limitations matérielles et les considérations relatives aux procédés multi-laser sont abordées, en soulignant les problèmes potentiels.

Le présent document fournit un flux de travail intégrant des modes opératoires expérimentaux et des algorithmes de détection des défauts destinés à localiser les défauts dans les pièces produites par le procédé de fusion laser sur lit de poudre métallique (PBF-LB). Il met l'accent sur l'utilisation de la surveillance in situ basée sur des photodiodes coaxiales et d'algorithmes statistiques et de regroupement par apprentissage automatique, en particulier pour détecter des défauts induits par un manque de fusion. Le flux de travail délimite les seuils de définition pour la détection statistique et la détermination du nombre de grappes pour les algorithmes d'apprentissage automatique, en utilisant des défauts implantés intentionnellement dans les pièces. Les modes opératoires de validation sont fournis par des données scannées par tomographie informatisée. Les limitations matérielles et les considérations relatives aux procédés multi-laser sont abordées, en soulignant les problèmes potentiels.

ISO/ASTM TR 52958:2026 is classified under the following ICS (International Classification for Standards) categories: 25.030 - Additive manufacturing. The ICS classification helps identify the subject area and facilitates finding related standards.

ISO/ASTM TR 52958:2026 has the following relationships with other standards: It is inter standard links to CEN ISO/ASTM TR 52958:2026, ISO 24070-2:2021. Understanding these relationships helps ensure you are using the most current and applicable version of the standard.

ISO/ASTM TR 52958:2026 is available in PDF format for immediate download after purchase. The document can be added to your cart and obtained through the secure checkout process. Digital delivery ensures instant access to the complete standard document.

Standards Content (Sample)


Technical
Report
ISO/ASTM TR 52958
First edition
Additive manufacturing of metals —
2026-05
Powder bed fusion (PBF) — In-situ
coaxial photodiode monitoring for
lack of fusion flaw detection in PBF-
LB
Fabrication additive de métaux — Fusion sur lit de poudre —
Surveillance par photodiode coaxiale in situ pour la détection de
défauts de fusion en PBF-LB
Reference number
© ISO/ASTM International 2026
All rights reserved. Unless otherwise specified, or required in the context of its implementation, no part of this publication may
be reproduced or utilized otherwise in any form or by any means, electronic or mechanical, including photocopying, or posting on
the internet or an intranet, without prior written permission. Permission can be requested from either ISO at the address below
or ISO’s member body in the country of the requester. In the United States, such requests should be sent to ASTM International.
ISO copyright office ASTM International
CP 401 • Ch. de Blandonnet 8 100 Barr Harbor Drive, PO Box C700
CH-1214 Vernier, Geneva West Conshohocken, PA 19428-2959, USA
Phone: +41 22 749 01 11 Phone: +610 832 9634
Fax: +610 832 9635
Email: copyright@iso.org Email: khooper@astm.org
Website: www.iso.org Website: www.astm.org
Published in Switzerland
© ISO/ASTM International 2026 – All rights reserved
ii
Contents Page
Foreword .iv
1 Scope . 1
2 Normative references . 1
3 Terms and definitions . 1
4 Significance and use . 2
5 Design of coupons . 3
5.1 General .3
5.2 Intentionally seeded flaws .4
5.3 Randomized/stochastic flaws .6
6 Sensor description . 6
7 Flaw detection algorithms . 7
7.1 General .7
7.2 Statistical algorithms .8
7.2.1 General .8
7.2.2 Absolute limits (AL) .9
7.2.3 Short term fluctuations (STF) .11
7.2.4 Workflow .11
7.3 Machine-learning approach: clustering algorithm . 13
7.3.1 Self-organizing map (SOM) .14
7.3.2 K-means . 15
8 Implementation of customized algorithms to components with randomized flaws and
the associated voxelization thereof .16
9 Case study: procedural implementation and validation results . 19
Bibliography .25

© ISO/ASTM International 2026 – All rights reserved
iii
Foreword
ISO (the International Organization for Standardization) is a worldwide federation of national standards
bodies (ISO member bodies). The work of preparing International Standards is normally carried out through
ISO technical committees. Each member body interested in a subject for which a technical committee
has been established has the right to be represented on that committee. International organizations,
governmental and non-governmental, in liaison with ISO, also take part in the work. ISO collaborates closely
with the International Electrotechnical Commission (IEC) on all matters of electrotechnical standardization.
The procedures used to develop this document and those intended for its further maintenance are described
in the ISO/IEC Directives, Part 1. In particular, the different approval criteria needed for the different types
of ISO documents should be noted. This document was drafted in accordance with the editorial rules of the
ISO/IEC Directives, Part 2 (see www.iso.org/directives).
ISO draws attention to the possibility that the implementation of this document may involve the use of (a)
patent(s). ISO takes no position concerning the evidence, validity or applicability of any claimed patent
rights in respect thereof. As of the date of publication of this document, ISO had not received notice of (a)
patent(s) which may be required to implement this document. However, implementers are cautioned that
this may not represent the latest information, which may be obtained from the patent database available at
www.iso.org/patents. ISO shall not be held responsible for identifying any or all such patent rights.
Any trade name used in this document is information given for the convenience of users and does not
constitute an endorsement.
For an explanation of the voluntary nature of standards, the meaning of ISO specific terms and expressions
related to conformity assessment, as well as information about ISO's adherence to the World Trade
Organization (WTO) principles in the Technical Barriers to Trade (TBT), see www.iso.org/iso/foreword.html.
This document was prepared by Technical Committee ISO/TC 261, Additive manufacturing, in cooperation
with ASTM Committee F42, Additive Manufacturing Technologies, on the basis of a partnership agreement
between ISO and ASTM International with the aim to create a common set of ISO/ASTM standards on
Additive Manufacturing, and in collaboration with the European Committee for Standardization (CEN)
Technical Committee CEN/TC 438, Additive manufacturing, in accordance with the Agreement on technical
cooperation between ISO and CEN (Vienna Agreement).
Any feedback or questions on this document should be directed to the user’s national standards body. A
complete listing of these bodies can be found at www.iso.org/members.html.

© ISO/ASTM International 2026 – All rights reserved
iv
Technical Report ISO/ASTM TR 52958:2026(en)
Additive manufacturing of metals — Powder bed fusion (PBF)
— In-situ coaxial photodiode monitoring for lack of fusion
flaw detection in PBF-LB
1 Scope
This document provides a workflow comprising experimental procedures and flaw detection algorithms
aimed at locating flaws in parts produced during the powder bed fusion-laser-based (PBF-LB) process of
metals. It emphasizes the use of coaxial photodiode-based in-situ monitoring and statistical and clustering
machine learning algorithms, particularly for detecting lack of fusion-induced flaws. The workflow
delineates setting thresholds for statistical detection and determining the number of clusters for machine
learning algorithms, utilizing intentional seeded flaws in parts. Validation procedures are provided through
computed tomography scanner data. Hardware limitations and considerations for multi-laser processes are
addressed, with attention to potential issues.
2 Normative references
The following documents are referred to in the text in such a way that some or all of their content constitutes
requirements of this document. For dated references, only the edition cited applies. For undated references,
the latest edition of the referenced document (including any amendments) applies.
ISO/ASTM 52900, Additive manufacturing — General principles — Fundamentals and vocabulary
3 Terms and definitions
For the purposes of this document, the terms and definitions given in ISO/ASTM 52900 and the following
apply:
ISO and IEC maintain terminology databases for use in standardization at the following addresses:
— ISO Online browsing platform: available at https:// www .iso .org/ obp
— IEC Electropedia: available at https:// www .electropedia .org/
3.1
clustering algorithm
unsupervised machine learning methods with unlabelled input data is grouped by similarity
3.2
coaxial photodiode arrangement
type of sensor arrangement on the powder bed fusion-laser-based machine aligned with the laser beam path
3.3
computed tomography
CT
non-destructive examination technique capturing radiographic projections of an object at various rotational
angles followed by mathematically reconstruction to produce a three-dimensional volume data set or one or
more two-dimensional cross-sectional images

© ISO/ASTM International 2026 – All rights reserved
3.4
data alignment
process of transforming different sets of geometrically or temporally related data into a single, global
coordinate system
3.5
data registration
procedure of data alignment and assignation of a persistent identification to the aligned data set
3.6
ex-situ analysis
measurement procedure performed after the completion of the build cycle
3.7
flaw indicator
indicator corresponding to the location of flaws predicted by the flaw detection algorithm
3.8
lack of fusion
type of process-induced porosity with not fully melted or fused powder particles onto the previously
deposited substrate.
[SOURCE: ASTM E3166-20, 3.4.7]
3.9
reference datum feature
notch, groove, or similar feature added to the geometry in a seeded flaw coupon to ease data alignment and
registration of porosity locations for CT-scan ex-situ analysis
3.10
intentionally seeded flaw
act of intentionally creating flaws through computer-aided design or manipulation of designated processing
parameters, resulting in the placement of the anticipated flaw or the act of intentionally creating a flaw
through the insertion of an artificial object
4 Significance and use
A workflow for indirect flaw detection and analysis documentation during PBF-LB is provided by using
the signals received from a coaxial photodiode that can detect flaws, including lack of fusion, in fabricated
components.
These flaws may have detrimental effects on the mechanical performance of fabricated parts. The workflow
of this document provides a procedure to identify the range of upper and lower thresholds required for the
statistical detection algorithms to identify stochastic lack of fusion defects induced during the process. It
provides a procedure to identify the number of clusters required for machine learning detection algorithms.
In the validation procedure, the datasets collected from a CT scanner that are registered and voxelized
can be used. It is noted that the size of detectable flaw, as determined by the procedure outlined in this
document, is contingent upon the resolution and frequency of the hardware employed, specifically a co-
axial photodiode and its associated data acquisition card. For instance, when utilizing a commonly available
photodiode with a frequency of 60 kHz, the procedure and algorithms specified by this document are unable
to detect flaws smaller than 100 μm.
In general, an in situ photodiode installed coaxially provides information from the process signature and
flaws. However, the recorded in situ data needs to be corrected to remove chromatic and monochromatic
distortion. The corrected data analyse by two main algorithms to identify flaws:
a) statistically, and
b) by machine learning.
© ISO/ASTM International 2026 – All rights reserved
These algorithms can be systematically optimized and customized to detect lack of fusion flaws. To this
end, intentionally seeded flaws are first added to the computer-aided design (CAD) of coupons to tune
the parameters of the algorithms. Then, the customized algorithm is tested by detecting randomized/
stochastic flaws created by powder bed fusion-laser based with intentionally decreased energy density.
The comparison of detection results could be analysed by algorithms with the CT data applied through a
volumetric approach to identify the randomized/stochastic flaws. A flowchart illustrating the progression
in this document is shown in Figure 1.
Figure 1 — Schematic for calibration flow needed for detecting the lack of fusion flaw
5 Design of coupons
5.1 General
To customize and calibrate the detection algorithms systematically, two sets of coupons are suggested.
Reference datum features can also be added to the geometry to ease data alignment and data registration
of porosity locations in the ex situ analysis that is CT-scan in this practice. Figure 2 represents some
suggestions for registry notches/grooves.

© ISO/ASTM International 2026 – All rights reserved
a) Added vertical and horizontal registry grooves b) Added inclined notches
Figure 2 — Addition of registry grooves and inclined notches to the geometry of the coupon
5.2 Intentionally seeded flaws
The effect of the lack of fusion flaw can be mimicked by embedding intentional seeds/voids in the coupons.
[1]
According to ISO/ASTM TR 52Same as above906 , for creating these seeds, various sizes, distributions,
and geometries of seeds can be added to the computer-aided design. Two forms of spherical and cylindrical
intentional seeded flaws can be considered where the size of spherical flaws is identified by their diameter
and the size of cylindrical flaws is identified by their cross-sectional diameter and height. Note that the
minimum size of the intentional flaw is dictated by the PBF-LB restrictions. It is, however, recommended
that the feature size of flaws is set in the computer-aided design model to three different classes:
The minimum size possible to be made by the PBF-LB (for example 100 µm for the diameter of spheres and
100 µm for height and diameter of cylinders) depending on the resolution and laser spot size:
a) the minimum value plus 50 μm (for example 150 µm for the above-mentioned parameters);
b) the minimum value plus 100 µm (for example 200 µm for the above-mentioned parameters).
Note that within the layers in which the intentional flaws are made, an optimum down-skin parameter is
used to endure the mechanical integrity of the intentional flaw. The capping layer, however, can have no
down-skin setting.
Two examples of intentionally seeded flaws are shown in Figure 3. Figure 3 a) and b) represent two
dimensional cross sections of samples showing the distribution of the intentionally seeded flaws (cylindrical
and spherical), respectively. In Figure 3 a), six nominally identical sets of three sizes of cylindrical flaws (Ø,
H = 200 µm, Ø, H = 150 µm, and Ø, H = 100 µm are shown; in Figure 3 b), six nominally identical sets of three
sizes of spherical flaws (Ø = 200 µm, Ø = 150 µm, and Ø = 100 µm) where Ø is the diameter and H is the
height, in microns, are demonstrated; in Figure 3 c), the capping layer of spherical flaws are represented.

© ISO/ASTM International 2026 – All rights reserved
a)  Cylindrical type b)  Spherical type
c)  Schematic of spherical flaws showing the capping layer
Key
A sets (clustered intentional voids)
B capping layer
NOTE 1 All dimensions are in SI coordinate system.
NOTE 2 Figures 3 a) and 3 b) are published under an open access CC by 4.0 license.
Figure 3 — Two dimensional cross sections of samples showing the distribution of different types of
intentionally seeded flaws
© ISO/ASTM International 2026 – All rights reserved
5.3 Randomized/stochastic flaws
Randomized/stochastic flaws can be achieved normally because of process anomalies or by altering process
parameters in which the lack of fusion flaws are created by decreasing the energy density during the build
cycle. For creating randomized lack of fusion flaws, four scenarios are recommended:
a) reducing the laser power;
b) increasing the hatching distance;
c) increasing the scanning speed;
d) increasing the layer thickness.
These alterations depend on the material. It is, however, recommended that the produced parts with altered
process parameters exhibit a relative density reduction of around 0,5 % compared to parts built with
nominal process parameters.
6 Sensor description
The sensor embodied in this document is a coaxial photodiode arrangement with a sampling frequency
of equal or more than 60 kHz. The coaxial photodiode arrangement is aligned with the laser beam path
through a beam splitter (see Figure 4).
NOTE 1 Photodiodes can capture light intensity signals from the melt pool in different wavelengths; however, the
preferred wavelength range for most metallic alloys to capture melt pool light intensity is normally in the visible and
near-infrared ranges (between 750 nm to 900 nm).
In addition to the light intensity data, laser modulation and XY scanner position are recorded and stored in
the associated personal computer. Intensity and geometry calibrations of dataset are also required.
NOTE 2 Details of the data calibration routines are out of the scope of this practice.
NOTE 3 The intensity correction for the coaxial data can be implemented because of the chromatic aberration
phenomenon. It is initiated because the wavelength of light intensity recorded by the photodiode is not the same as the
wavelength optimized for the scanner mirror and f-theta lens or dynamic focusing units.
NOTE 4 The intensity and geometry corrections are dependent on the commercial system and are normally
implemented by the original equipment manufacturer’s monitoring system.

© ISO/ASTM International 2026 – All rights reserved
Key
1 laser
2 scanner mirror
3 F-Thena lense
4 roller (recoater)
5 powder
6 build plate
7 beam splitter
8 along the beam path
9 co-axial sensor
Figure 4 — Position of the coaxial sensor in the PBF-LB setup
7 Flaw detection algorithms
7.1 General
Two different approaches are recommended for detecting flaws: statistical algorithms and clustering
machine learning-clustering algorithms.
The statistical algorithm works based on the threshold method, and the clustering algorithm distributes
data into different groups. The workflow to detect the flaws was demonstrated in Figure 1 and is the
following:
Step 1: The preferred algorithm can be applied to the data collected during the printing of the samples with
intentionally seeded flaws.
© ISO/ASTM International 2026 – All rights reserved
Step 2: The detection result is compared with the design and CT scan data to customize/calibrate the
algorithm parameters such as moving average windows length and thresholds.
NOTE The setting of CT scan can normally be optimized in terms of resolution.
Step 3: The customized algorithm stemmed from Step 2 can be used for the detection of randomized flaws
in the fabricated samples.
Step 4: The detection results of Step 3 are validated by CT scan through the volumetric approach and
confusion matrix which is explained in Clause 9.
As an example, several statistical and machine-learning algorithms that are suitable for this practice are
discussed in 7.2 and 7.3. Additionally, the volumetric approach is used to compare the result with CT, which
is discussed in Clause 9.
7.2 Statistical algorithms
7.2.1 General
Statistical algorithms work based on the selection of threshold levels, and their central feature is the moving
[2]
average. Thus, it is critical to have an optimized workflow to identify a threshold range and the window
size/length of the moving average by end users. In Figure 5, the application of the threshold range to the
photodiode's signal is shown. As seen, some ripples exist outside the upper and lower thresholds where each
data sample is associated with a geometrical point in the XY cartesian coordinate. Any processed signal (for
example moving averaged) greater than the upper threshold and lower than the lower threshold is defined
and is called a signal perturbation in this document [Figure 5 b)]. Signal perturbations are associated with an
abnormality in the process and are normally corresponding to the location of flaws. Thus, the perturbation
can be mapped to the geometry of samples and visualized with a different colour [for example as a yellow
indicator shown in Figure 5 c)]. To map the perturbation with potential flaws in the fabricated components,
a proper detection algorithm is needed to be selected from absolute limits (AL) and short-term fluctuation
(STF). Two statistical algorithms are discussed in 7.2.2 and 7.2.3.
NOTE The capping layer of intentional seeded flaws [see Figure 5 c)] is used to optimize the value of upper and
lower thresholds and data window length since it represents higher signal perturbations.

© ISO/ASTM International 2026 – All rights reserved
Key
X1 time
X2 horizontal size of a layer
Y1 light intensity (a.u.)
Y2 vertical size of a layer
A photodiode time series data along with upper and lower thresholds
B magnified signal representing signal perturbation
C one layer of the sample including indicators
1 photodiode signal
2 m
...


Rapport
technique
ISO/ASTM TR 52958
Première édition
Fabrication additive de métaux —
2026-05
Fusion sur lit de poudre (PBF)
— Surveillance par photodiode
coaxiale in situ pour la détection
de défauts de manque de fusion en
PBF-LB
Additive manufacturing of metals — Powder bed fusion (PBF)
— In-situ coaxial photodiode monitoring for lack of fusion flaw
detection in PBF-LB
Numéro de référence
DOCUMENT PROTÉGÉ PAR COPYRIGHT
© ISO/ASTM International 2026
Tous droits réservés. Sauf prescription différente ou nécessité dans le contexte de sa mise en œuvre, aucune partie de cette
publication ne peut être reproduite ni utilisée sous quelque forme que ce soit et par aucun procédé, électronique ou mécanique,
y compris la photocopie, ou la diffusion sur l’internet ou un intranet, sans autorisation écrite soit de l’ISO à l’adresse ci-après,
soit d’un organisme membre de l’ISO dans le pays du demandeur. Aux États-Unis, les demandes doivent être adressées à ASTM
International.
ISO copyright office ASTM International
Case postale 401 • Ch. de Blandonnet 8 100 Barr Harbor Drive, PO Box C700
CH-1214 Vernier, Genève West Conshohocken, PA 19428-2959, USA
Tél.: +41 22 749 01 11 Tél.: +610 832 9634
Fax: +610 832 9635
E-mail: copyright@iso.org E-mail: khooper@astm.org
Web: www.iso.org Web: www.astm.org
Publié en Suisse
© ISO/ASTM International 2026 – Tous droits réservés
ii
Sommaire Page
Avant-propos .iv
1 Domaine d'application . 1
2 Références normatives . 1
3 Termes et définitions . 1
4 Portée et utilisation . 2
5 Conception des coupons . 3
5.1 Généralités .3
5.2 Défauts implantés intentionnellement .4
5.3 Défauts randomisés/stochastiques .5
6 Description du capteur. 6
7 Algorithmes de détection de défauts . 7
7.1 Généralités .7
7.2 Algorithmes statistiques .8
7.2.1 Généralités .8
7.2.2 Limites absolues (AL) .9
7.2.3 Fluctuations à court terme (STF) .11
7.2.4 Flux de travail .11
7.3 Approche d'apprentissage automatique: algorithme de regroupement . 13
7.3.1 Carte auto-organisatrice (SOM) .14
7.3.2 K-moyennes . 15
8 Mise en œuvre d'algorithmes personnalisés pour les composants présentant des
défauts randomisés et leur voxélisation associée .16
9 Étude de cas: mise en œuvre du mode opératoire et résultats de validation . 19
Bibliographie .25

© ISO/ASTM International 2026 – Tous droits réservés
iii
Avant-propos
L'ISO (Organisation internationale de normalisation) est une fédération mondiale d'organismes nationaux
de normalisation (comités membres de l'ISO). L'élaboration des Normes internationales est en général
confiée aux comités techniques de l'ISO. Chaque comité membre intéressé par une étude a le droit de faire
partie du comité technique créé à cet effet. Les organisations internationales, gouvernementales et non
gouvernementales, en liaison avec l'ISO participent également aux travaux. L'ISO collabore étroitement avec
la Commission électrotechnique internationale (IEC) en ce qui concerne la normalisation électrotechnique.
Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont
décrites dans les Directives ISO/IEC, Partie 1. Il convient, en particulier, de prendre note des différents
critères d'approbation requis pour les différents types de documents ISO. Le présent document a
été rédigé conformément aux règles de rédaction données dans les Directives ISO/IEC, Partie 2 (voir
www.iso.org/directives).
L'ISO attire l'attention sur le fait que la mise en application du présent document peut entraîner l'utilisation
d'un ou de plusieurs brevets. L'ISO ne prend pas position quant à la preuve, à la validité et à l'applicabilité de
tout droit de brevet revendiqué à cet égard. À la date de publication du présent document, l'ISO n'avait pas
reçu notification qu'un ou plusieurs brevets pouvaient être nécessaires à sa mise en application. Toutefois,
il y a lieu d'avertir les responsables de la mise en application du présent document que des informations
plus récentes sont susceptibles de figurer dans la base de données de brevets, disponible à l'adresse
www.iso.org/brevets. L'ISO ne saurait être tenue pour responsable de ne pas avoir identifié tout ou partie de
tels droits de brevet.
Les appellations commerciales éventuellement mentionnées dans le présent document sont données pour
information, par souci de commodité, à l'intention des utilisateurs et ne sauraient constituer un engagement.
Pour une explication de la nature volontaire des normes, la signification des termes et expressions
spécifiques de l'ISO liés à l'évaluation de la conformité, ou pour toute information au sujet de l'adhésion de
l'ISO aux principes de l'Organisation mondiale du commerce (OMC) concernant les obstacles techniques au
commerce (OTC), voir www.iso.org/iso/fr/avant-propos.html.
Le présent document a été élaboré par le comité technique ISO/TC 261, Fabrication additive, en coopération
avec l'ASTM F 42, Technologies de fabrication additive, dans le cadre d'un accord de partenariat entre l'ISO
et ASTM International dans le but de créer un ensemble commun de normes ISO/ASTM sur la fabrication
additive, en collaboration avec le comité technique CEN/TC 438, Fabrication additive, du Comité Européen
de Normalisation (CEN), conformément à l'Accord de coopération technique entre l'ISO et le CEN (Accord de
Vienne).
Il convient que l'utilisateur adresse tout retour d'information ou toute question concernant le présent
document à l'organisme national de normalisation de son pays. Une liste exhaustive desdits organismes se
trouve à l'adresse www.iso.org/fr/members.html.

© ISO/ASTM International 2026 – Tous droits réservés
iv
Rapport technique ISO/ASTM TR 52958:2026(fr)
Fabrication additive de métaux — Fusion sur lit de poudre
(PBF) — Surveillance par photodiode coaxiale in situ pour la
détection de défauts de manque de fusion en PBF-LB
1 Domaine d'application
Le présent document fournit un flux de travail intégrant des modes opératoires expérimentaux et des
algorithmes de détection des défauts destinés à localiser les défauts dans les pièces produites par le procédé
de fusion laser sur lit de poudre métallique (PBF-LB). Il met l'accent sur l'utilisation de la surveillance in situ
basée sur des photodiodes coaxiales et d'algorithmes statistiques et de regroupement par apprentissage
automatique, en particulier pour détecter des défauts induits par un manque de fusion. Le flux de travail
délimite les seuils de définition pour la détection statistique et la détermination du nombre de grappes pour
les algorithmes d'apprentissage automatique, en utilisant des défauts implantés intentionnellement dans
les pièces. Les modes opératoires de validation sont fournis par des données scannées par tomographie
informatisée. Les limitations matérielles et les considérations relatives aux procédés multi-laser sont
abordées, en soulignant les problèmes potentiels.
2 Références normatives
Les documents suivants sont cités dans le texte de sorte qu'ils constituent, pour tout ou partie de leur
contenu, des exigences du présent document. Pour les références datées, seule l'édition citée s'applique. Pour
les références non datées, la dernière édition du document de référence s'applique (y compris les éventuels
amendements).
ISO/ASTM 52900, Fabrication additive — Principes généraux — Fondamentaux et vocabulaire
3 Termes et définitions
Pour l'application du présent document, les termes et définitions donnés dans l'ISO/ASTM 52900, ainsi que
les suivants, s'appliquent:
L'ISO et l'IEC tiennent à jour des bases de données terminologiques destinées à être utilisées en normalisation,
consultables aux adresses suivantes:
— ISO Online browsing platform: disponible à l'adresse https:// www .iso .org/ obp
— IEC Electropedia: disponible à l'adresse https:// www .electropedia .org/
3.1
algorithme de regroupement
méthodes d'apprentissage automatique non supervisées avec des données d'entrée non étiquetées
regroupées par similarité
3.2
agencement de photodiode coaxiale
type d'agencement de capteur sur la machine de fusion laser sur lit de poudre aligné sur le trajet du faisceau
laser
© ISO/ASTM International 2026 – Tous droits réservés
3.3
tomographie informatisée
TI
technique d'examen non destructif capturant des projections radiographiques d'un objet à différents angles
de rotation, suivi d'une reconstruction mathématique pour produire un ensemble de données de volume
tridimensionnel ou une ou plusieurs images de section transversale bidimensionnelle
3.4
alignement des données
procédé de transformation de différents ensembles de données géométriques ou temporelles en un système
de coordonnées global unique
3.5
enregistrement des données
mode opératoire d'alignement des données et d'attribution d'une identification persistante à l'ensemble de
données aligné
3.6
analyse ex situ
mode opératoire de mesurage réalisé après l'achèvement du cycle de fabrication
3.7
indicateur de défaut
indicateur correspondant à l'emplacement des défauts prédits par l'algorithme de détection des défauts
3.8
manque de fusion
type de porosité induite par le procédé avec des particules de poudre non entièrement fondues ou fusionnées
sur le substrat préalablement déposé
[SOURCE: ASTM E3166-20, 3.4.7]
3.9
caractéristique de référence
encoche, rainure ou caractéristique similaire ajoutée à la géométrie dans un coupon à défaut implanté pour
faciliter l'alignement des données et l'enregistrement des emplacements de porosité pour l'analyse ex situ
par balayage TI
3.10
défaut implanté intentionnellement
fait de créer intentionnellement des défauts par conception assistée par ordinateur ou manipulation
de paramètres de traitement désignés, qui entraîne la mise en place du défaut prévu ou le fait de créer
intentionnellement un défaut par l'insertion d'un objet artificiel
4 Portée et utilisation
Un flux de travail pour la détection indirecte des défauts et la documentation de l'analyse pendant le PBF-LB
est fourni en utilisant les signaux reçus d'une photodiode coaxiale qui peut détecter les défauts, y compris le
manque de fusion, dans les composants fabriqués.
Ces défauts peuvent avoir des effets néfastes sur les performances mécaniques des pièces fabriquées. Le
flux de travail du présent document fournit un mode opératoire pour identifier la plage de seuils supérieur
et inférieur nécessaire aux algorithmes de détection statistique pour détecter les défauts stochastiques de
manque de fusion induits durant le processus. Il fournit un mode opératoire pour identifier le nombre de
grappes requises pour les algorithmes de détection d'apprentissage automatique. Lors du mode opératoire
de validation, les ensembles de données collectés à partir d'un scanner TI qui sont enregistrés et voxélisés
peuvent être utilisés. Il est à noter que la taille du défaut détectable, telle que déterminée par le mode
opératoire décrit dans le présent document, dépend de la résolution et de la fréquence du matériel utilisé,
en particulier la photodiode coaxiale et sa carte d'acquisition de données associée. Par exemple, en cas
d'utilisation d'une photodiode couramment disponible avec une fréquence de 60 kHz, le mode opératoire

© ISO/ASTM International 2026 – Tous droits réservés
et les algorithmes spécifiés dans le présent document sont incapables de détecter des défauts inférieurs à
100 μm.
En général, une photodiode in situ installée coaxialement fournit des informations à partir de la signature
du procédé et des défauts. Cependant, il est nécessaire de corriger les données enregistrées in situ pour
supprimer la distorsion chromatique et monochromatique. Les données corrigées sont analysées par deux
algorithmes principaux pour identifier les défauts:
a) statistiquement, et
b) par apprentissage automatique.
Ces algorithmes peuvent être systématiquement optimisés et personnalisés pour détecter des défauts de
manque de fusion. À cette fin, des défauts implantés intentionnellement sont d'abord ajoutés à la conception
assistée par ordinateur (CAO) des coupons afin de régler les paramètres des algorithmes. Ensuite,
l'algorithme personnalisé est soumis à l'essai en détectant les défauts randomisés/stochastiques créés par
fusion laser sur lit de poudre avec une densité d'énergie intentionnellement réduite. La comparaison des
résultats de détection a pu être analysée par des algorithmes avec les données de TI appliquées par une
approche volumétrique pour identifier les défauts randomisés/stochastiques. Un organigramme illustrant
la progression dans le présent document est illustré sur la Figure 1.
Figure 1 — Représentation schématique du flux d'étalonnage nécessaire à la détection des défauts
de manque de fusion
5 Conception des coupons
5.1 Généralités
Pour personnaliser et étalonner systématiquement les algorithmes de détection, deux jeux de coupons
sont proposés. Des éléments de référence peuvent également être ajoutés à la géométrie pour faciliter
l'alignement des données et l'enregistrement des données des emplacements de porosités dans l'analyse ex
situ qui correspond au balayage TI dans cette pratique. La Figure 2 représente quelques suggestions pour les
encoches/rainures du repérage.

© ISO/ASTM International 2026 – Tous droits réservés
a) Rainures de repérage verticales et horizontales b) Encoches inclinées ajoutées
ajoutées
Figure 2 — Ajout de rainures de repérage et d'encoches inclinées à la géométrie du coupon
5.2 Défauts implantés intentionnellement
L'effet des défauts de manque de fusion peut être reproduit en incorporant délibérément des inserts/vides
[1]
dans les coupons. Selon l'ISO/ASTM TR 52906 , pour créer ces inserts, diverses tailles, distributions et
géométries d'inserts peuvent être ajoutés à la conception assistée par ordinateur. Deux formes de défauts
sphériques et cylindriques implantés intentionnellement peuvent être considérées, la taille des défauts
sphériques étant identifiée par leur diamètre et la taille des défauts cylindriques par leur diamètre de
section transversale et leur hauteur. Noter que la taille minimale du défaut intentionnel est dictée par les
restrictions du PBF-LB. Il est toutefois recommandé que la taille des éléments de défauts soit définie dans le
modèle de conception assistée par ordinateur selon trois classes différentes:
La taille minimale possible à réaliser par le PBF-LB (par exemple 100 µm pour le diamètre des sphères et
100 µm pour la hauteur et le diamètre des cylindres) en fonction de la résolution et de la taille du point laser:
a) la valeur minimale plus 50 μm (par exemple 150 μm pour les paramètres mentionnés ci-dessus);
b) la valeur minimale plus 100 µm (par exemple 200 µm pour les paramètres mentionnés ci-dessus).
Noter que dans les couches dans lesquelles des défauts intentionnels sont réalisés, un paramètre de
contre-dépouille optimal est utilisé pour supporter l'intégrité mécanique du défaut intentionnel. La couche
supérieure, cependant, ne peut pas avoir de paramètre de contre-dépouille.
Deux exemples de défauts implantés intentionnellement sont illustrés sur la Figure 3. La Figure 3 a) et b)
représente des sections transversales bidimensionnelles d'échantillons montrant la distribution des défauts
implantés intentionnellement (cylindriques et sphériques), respectivement. La Figure 3 a) représente six
ensembles nominalement identiques de trois tailles de défauts cylindriques (Ø, H = 200 µm, Ø, H = 150 µm et
Ø, H = 100 µm); la Figure 3 b) représente six ensembles nominalement identiques de trois tailles de défauts
sphériques (Ø = 200 µm, Ø = 150 µm et Ø = 100 µm), où Ø est le diamètre et H est la hauteur, en microns; la
Figure 3 c) représente la couche supérieure des défauts sphériques.

© ISO/ASTM International 2026 – Tous droits réservés
a) Type cylindrique b) Type sphérique
c) Schéma des défauts sphériques montrant la couche supérieure
Légende
A ensembles (vides intentionnels regroupés)
B couche supérieure
NOTE 1 Toutes les dimensions sont dans le système de coordonnées SI.
NOTE 2 Figures 3 a) et 3 b) publiées sous une licence BY 4.0 en libre accès CC.
Figure 3 — Sections transversales bidimensionnelles d'échantillons montrant la distribution des
différents types de défauts implantés intentionnellement
5.3 Défauts randomisés/stochastiques
Les défauts randomisés/stochastiques peuvent être réalisés normalement en raison d'anomalies de procédé
ou suite à une modification des paramètres du procédé, entraînant des défauts de manque de fusion par

© ISO/ASTM International 2026 – Tous droits réservés
diminution de la densité d'énergie durant le cycle de fabrication. Pour créer des défauts de manque de fusion
randomisés, quatre scénarios sont recommandés:
a) réduction de la puissance du laser;
b) augmentation de la distance de hachure;
c) augmentation de la vitesse de balayage;
d) augmentation de l'épaisseur de couche.
Ces altérations dépendent du matériau. Il est toutefois recommandé que les pièces produites avec des
paramètres de procédé modifiés présentent une réduction de densité relative d'environ 0,5 % par rapport
aux pièces fabriquées avec des paramètres de procédé nominaux.
6 Description du capteur
Le capteur décrit dans le présent document est un dispositif à photodiodes coaxiales avec une fréquence
d'échantillonnage égale ou supérieure à 60 kHz. L'agencement de photodiode coaxiale est aligné avec le
trajet du faisceau laser à travers un séparateur de faisceau (voir Figure 4).
NOTE 1 Les photodiodes peuvent capturer les signaux d'intensité lumineuse du bain de fusion dans différentes
longueurs d'onde; cependant, la plage de longueurs d'onde préférée pour la plupart des alliages métalliques pour
capturer l'intensité lumineuse du bain de fusion se situe normalement dans les domaines du visible et du proche
infrarouge (entre 750 nm et 900 nm).
En plus des données d'intensité lumineuse, la modulation laser et la position du scanner XY sont enregistrées
et stockées dans l'ordinateur personnel associé. Des étalonnages d'intensité et de géométrie de l'ensemble
de données sont également nécessaires.
NOTE 2 Les détails des routines d'étalonnage des données ne font pas partie du domaine d'application de cette
pratique.
NOTE 3 La correction d'intensité pour les données coaxiales peut être mise en œuvre en raison du phénomène
d'aberration chromatique. Elle est déclenchée parce que la longueur d'onde de l'intensité lumineuse enregistrée par
la photodiode n'est pas la même que la longueur d'onde optimisée pour le miroir du scanner et la lentille f-theta ou les
unités de mise au point dynamique.
NOTE 4 Les corrections d'intensité et de géométrie dépendent du système commercial et sont normalement mises
en œuvre par le système de surveillance du fabricant de l'équipement d'origine.

© ISO/ASTM International 2026 – Tous droits réservés
Légende
1 laser
2 miroir du scanner
3 lentille F-Thena
4 rouleau (système d'étalement)
5 poudre
6 plaque de fabrication
7 séparateur de faisceau
8 le long du trajet du faisceau
9 capteur coaxial
Figure 4 — Position du capteur coaxial dans la configuration PBF-LB
7 Algorithmes de détection de défauts
7.1 Généralités
Deux approches différentes sont recommandées pour détecter les défauts: les algorithmes statistiques et les
algorithmes de regroupement par apprentissage automatique.
L'algorithme statistique fonctionne sur la base de la méthode du seuil, et l'algorithme de regroupement
distribue les données dans différents groupes. Le flux de travail pour détecter les défauts est présenté sur la
Figure 1 et est le suivant:
Étape 1: L'algorithme préféré peut être appliqué aux données collectées lors de l'impression des échantillons
présentant des défauts implantés intentionnellement.

© ISO/ASTM International 2026 – Tous droits réservés
Étape 2: Le résultat de la détection est comparé aux données de conception et de balayage TI pour
personnaliser/étalonner les paramètres de l'algorithme tels que la longueur moyenne des fenêtres mobiles
et les seuils.
NOTE Le réglage du balayage TI peut normalement être optimisé en termes de résolution.
Étape 3: L'algorithme personnalisé issu de l'Étape 2 peut être utilisé pour détecter les défauts randomisés
dans les échantillons fabriqués.
Étape 4: Les résultats de détection de l'Étape 3 sont validés par balayage TI via l'approche volumétrique et
la matrice de confusion qui est expliquée à l'Article 9.
À titre d'exemple, plusieurs algorithmes statistiques et d'apprentissage automatique adaptés à cette pratique
sont présentés au 7.2 et au 7.3. De plus, l'approche volumétrique est utilisée pour comparer le résultat avec
la TI, qui est traitée à l'Article 9.
7.2 Algorithmes statistiques
7.2.1 Généralités
Les algorithmes statistiques fonctionnent sur la base de la sélection des niveaux de seuil, et leur
[2]
caractéristique centrale est la moyenne mobile. Ainsi, il est essentiel d'avoir un flux de travail optimisé
pour identifier une plage de seuil et la taille/longueur de la fenêtre de la moyenne mobile par les utilisateurs
finaux. La Figure 5 représente l'application de la plage de seuil au signal de la photodiode. Comme on le
constate, certaines ondulations apparaissent en dehors des seuils supérieur et inférieur, chaque échantillon
de données étant associé à un point géométrique dans le repère cartésien XY. Tout signal traité (par
exemple en moyenne mobile) supérieur au seuil supérieur et inférieur au seuil inférieur est défini et est
appelé une perturbation du signal dans le présent document [Figure 5 b)]. Les perturbations du signal sont
associées à une anomalie dans le processus et correspondent normalement à l'emplacement des défauts.
Ainsi, la perturbation peut être cartographiée avec la géométrie des échantillons et visualisée avec une
couleur différente [par exemple en tant qu'indicateur jaune illustré sur la Figure 5 c)]. Pour cartographier la
perturbation avec les défauts potentiels dans les composants fabriqués, il est nécessaire de sélectionner un
algorithme de détection approprié à partir des limites absolues (AL) et de la fluctuation à court terme (STF).
Deux algorithmes statistiques sont présentés au 7.2.2 et au 7.2.3.
NOTE La couche supérieure des défauts implantés intentionnellement [voir Figure 5 c)] est utilisée pour optimiser
la valeur des seuils supérieur et inférieur et la longueur de la fenêtre de données, car elle représente des perturbations
de signal plus élevées.
© ISO/ASTM International 2026 – Tous droits réservés
Légende
X1 temps
X2 taille horizontale d'une couche
Y1 intensité lumineuse (u.a.)
Y2 taille verticale d'une couche
A série temporelle de photodiode avec des seuils supérieur et inférieur
B signal amplifié représentant une perturbation du signal
C une couche de l'échantillon comprenant des indicateurs
1 signal de photodiode
2 signal amplifié
3 perturbation du signal
4 seuil supérieur
5 seuil inférieur
6 algorithme de détection (AL, SD, SOM, etc.)
7 couche
8 indicateur de défaut
Figure 5 — Corrélation de la perturbation du signal et de l'emplacement du défaut après application
de l'algorithme de détection
7.2.2 Limites absolues (AL)
L'algorithme est basé sur l'application du déplacement de la moyenne au signal. L'utilisateur peut définir la
longueur de la fenêtre de la moyenne mobile. L'algorithme peut être appliqué aux données unidimensionnelles
de la série temporelle tout en considérant un seuil supérieur et inférieur (à expliquer dans le paragra
...


ISO/TC 261/JG 59
Première édition
Date: 2026-10-2605
Fabrication additive de métaux — Fusion sur lit de poudre (PBF) —
Surveillance par photodiode coaxiale in situ pour la détection de
défauts de manque de fusion en PBF-LB
Additive manufacturing of metals — Powder bed fusion (PBF) — In-situ coaxial photodiode monitoring for lack
of fusion flaw detection in PBF-LB

© ISO/ASTM International 2026
Tous droits réservés. Sauf exigence différente ou nécessité dans le contexte
La présente publication de l’ISO est protégée par le droit d’auteur et demeure la propriété de l’ISO et/ou de ses concédants
de licence.
Le contenu de la présente publication de l’ISO est fourni sous licence, et n’est pas vendu. Son utilisation est soumise aux
conditions de licence applicables définies par l’ISO, un organisme membre de l’ISO, ou un distributeur tiers agréé.
Sous réserve des besoins liés à sa mise en œuvre ou d’une autorisation expresse prévue aux termes d’une licence
distincte, aucune partie de cettela présente publication de l’ISO ne peut être reproduite ni, distribuée, modifiée, utilisée
ou mise à disposition sous quelque forme ou par quelque moyen que ce soit et par aucun procédé,– électronique ou
mécanique, y compris la photocopie, ou la diffusionla numérisation, l’enregistrement ou la publication sur l'internet ou
un intranet, sans autorisation écrite préalable. Une autorisationdes plateformes numériques internes ou externes.
Toute utilisation hors du champ d’application des droits accordés est interdite et peut être demandée à l'ISO à l'adresse
ci-après ou au comité membre de l'ISO dans le pays du demandeur. Aux États-Unis, il convient que ces demandes soient
adresséesdonner lieu à ASTM Internationaldes poursuites judiciaires.
ISO Copyright Office ASTM International
ISO copyright office
Case postale 401 • Ch. de Blandonnet 8 100 Barr Harbor Drive, PO Box C700
• CH-1214 Vernier, Genève West Conshohocken, PA 19428-2959, USA
Tél.:. : + 41 22 749 01 11 Téléphone: +610 832 9634
Fax: +610 832 9635
E-mail: E-mail: khooper@astm.org
WebEmail: copyright@iso.org
Website: www.iso.org Site web:
Publié en Suisse
© ISO/ASTM 2026 – Tous droits réservés
ii
Sommaire
Avant-propos . iv
1 Domaine d'application . 1
2 Références normatives . 1
3 Termes et définitions . 1
4 Portée et utilisation . 2
5 Conception des coupons . 4
5.1 Généralités . 4
5.2 Défauts implantés intentionnellement . 4
5.3 Défauts randomisés/stochastiques . 6
6 Description du capteur . 6
7 Algorithmes de détection de défauts . 7
7.1 Généralités . 7
7.2 Algorithmes statistiques . 8
7.3 Approche d'apprentissage automatique: algorithme de regroupement . 13
8 Mise en œuvre d'algorithmes personnalisés pour les composants présentant des défauts
randomisés et leur voxélisation associée . 16
9 Étude de cas: mise en œuvre du mode opératoire et résultats de validation . 19
Bibliographie . 25

© ISO/ASTM 2026 – Tous droits réservés
iii
Avant-propos
L'ISO (Organisation internationale de normalisation) est une fédération mondiale d'organismes nationaux de
normalisation (comités membres de l'ISO). L'élaboration des Normes internationales est en général confiée
aux comités techniques de l'ISO. Chaque comité membre intéressé par une étude a le droit de faire partie du
comité technique créé à cet effet. Les organisations internationales, gouvernementales et non
gouvernementales, en liaison avec l'ISO participent également aux travaux. L'ISO collabore étroitement avec
la Commission électrotechnique internationale (IEC) en ce qui concerne la normalisation électrotechnique.
Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont décrites
dans les Directives ISO/IEC, Partie 1. Il convient, en particulier, de prendre note des différents critères
d'approbation requis pour les différents types de documents ISO. Le présent document a été rédigé
conformément aux règles de rédaction données dans les Directives ISO/IEC, Partie 2 (voir
www.iso.org/directives).
L'ISO attire l'attention sur le fait que la mise en application du présent document peut entraîner l'utilisation
d'un ou de plusieurs brevets. L'ISO ne prend pas position quant à la preuve, à la validité et à l'applicabilité de
tout droit de brevet revendiqué à cet égard. À la date de publication du présent document, l'ISO n'avait pas
reçu notification qu'un ou plusieurs brevets pouvaient être nécessaires à sa mise en application. Toutefois, il
y a lieu d'avertir les responsables de la mise en application du présent document que des informations plus
récentes sont susceptibles de figurer dans la base de données de brevets, disponible à l'adresse
www.iso.org/brevets. L'ISO ne saurait être tenue pour responsable de ne pas avoir identifié tout ou partie de
tels droits de brevet.
Les appellations commerciales éventuellement mentionnées dans le présent document sont données pour
information, par souci de commodité, à l'intention des utilisateurs et ne sauraient constituer un engagement.
Pour une explication de la nature volontaire des normes, la signification des termes et expressions spécifiques
de l'ISO liés à l'évaluation de la conformité, ou pour toute information au sujet de l'adhésion de l'ISO aux
principes de l'Organisation mondiale du commerce (OMC) concernant les obstacles techniques au commerce
(OTC), voir www.iso.org/iso/fr/avant-propos.html.
Le présent document a été élaboré par le comité technique ISO/TC 261, Fabrication additive, en coopération
avec l'ASTM F 42, Technologies de fabrication additive, dans le cadre d'un accord de partenariat entre l'ISO et
ASTM International dans le but de créer un ensemble commun de normes ISO/ASTM sur la fabrication
additive, en collaboration avec le comité technique CEN/TC 438, Fabrication additive, du Comité Européen de
Normalisation (CEN), conformément à l'Accord de coopération technique entre l'ISO et le CEN (Accord de
Vienne).
Il convient que l'utilisateur adresse tout retour d'information ou toute question concernant le présent
document à l'organisme national de normalisation de son pays. Une liste exhaustive desdits organismes se
trouve à l'adresse www.iso.org/fr/members.html.
© ISO/ASTM 2026 – Tous droits réservés
iv
Fabrication additive de métaux — Fusion sur lit de poudre (PBF) —
Surveillance par photodiode coaxiale in situ pour la détection de
défauts de manque de fusion en PBF-LB
1 Domaine d'application
Le présent document fournit un flux de travail intégrant des modes opératoires expérimentaux et des
algorithmes de détection des défauts destinés à localiser les défauts dans les pièces produites par le procédé
de fusion laser sur lit de poudre métallique (PBF-LB). Il met l'accent sur l'utilisation de la surveillance in situ
basée sur des photodiodes coaxiales et d'algorithmes statistiques et de regroupement par apprentissage
automatique, en particulier pour détecter des défauts induits par un manque de fusion. Le flux de travail
délimite les seuils de définition pour la détection statistique et la détermination du nombre de grappes pour
les algorithmes d'apprentissage automatique, en utilisant des défauts implantés intentionnellement dans les
pièces. Les modes opératoires de validation sont fournis par des données scannées par tomographie
informatisée. Les limitations matérielles et les considérations relatives aux procédés multi-laser sont
abordées, en soulignant les problèmes potentiels.
2 Références normatives
Les documents suivants sont cités dans le texte de sorte qu'ils constituent, pour tout ou partie de leur contenu,
des exigences du présent document. Pour les références datées, seule l'édition citée s'applique. Pour les
références non datées, la dernière édition du document de référence s'applique (y compris les éventuels
amendements).
ISO/ASTM 52900, Fabrication additive — Principes généraux — Fondamentaux et vocabulaire
3 Termes et définitions
Pour l'application du présent document, les termes et définitions donnés dans l'ISO/ASTM 52900, ainsi que
les suivants, s'appliquent.
L'ISO et l'IEC tiennent à jour des bases de données terminologiques destinées à être utilisées en normalisation,
consultables aux adresses suivantes:
— — ISO Online browsing platform: disponible à l'adresse https://www.iso.org/obp
— — IEC Electropedia: disponible à l'adresse https://www.electropedia.org/
3.1 3.1
algorithme de regroupement
méthodes d'apprentissage automatique non supervisées avec des données d'entrée non étiquetées
regroupées par similarité
3.2 3.2
agencement de photodiode coaxiale
type d'agencement de capteur sur la machine de fusion laser sur lit de poudre aligné sur le trajet du faisceau
laser
© ISO/ASTM 2026 – Tous droits réservés
3.3 3.3
tomographie informatisée
TI
technique d'examen non destructif capturant des projections radiographiques d'un objet à différents angles
de rotation, suivi d'une reconstruction mathématique pour produire un ensemble de données de volume
tridimensionnel ou une ou plusieurs images de section transversale bidimensionnelle
3.4 3.4
alignement des données
procédé de transformation de différents ensembles de données géométriques ou temporelles en un système
de coordonnées global unique
3.5 3.5
enregistrement des données
mode opératoire d'alignement des données et d'attribution d'une identification persistante à l'ensemble de
données aligné
3.6 3.6
analyse ex- situ
mode opératoire de mesurage réalisé après l'achèvement du cycle de fabrication
3.7 3.7
indicateur de défaut
indicateur correspondant à l'emplacement des défauts prédits par l'algorithme de détection des défauts
3.8 3.8
manque de fusion
type de porosité induite par le procédé avec des particules de poudre non entièrement fondues ou fusionnées
sur le substrat préalablement déposé
[SOURCE: ASTM E3166--20, 3.4.7]
3.9 3.9
caractéristique de référence
encoche, rainure ou caractéristique similaire ajoutée à la géométrie dans un coupon à défaut implanté pour
faciliter l'alignement des données et l'enregistrement des emplacements de porosité pour l'analyse ex situ par
balayage TI
3.10 3.10
défaut implanté intentionnellement
fait de créer intentionnellement des défauts par conception assistée par ordinateur ou manipulation de
paramètres de traitement désignés, qui entraîne la mise en place du défaut prévu ou le fait de créer
intentionnellement un défaut par l'insertion d'un objet artificiel
4 Portée et utilisation
Un flux de travail pour la détection indirecte des défauts et la documentation de l'analyse pendant le PBF-LB
est fourni en utilisant les signaux reçus d'une photodiode coaxiale qui peut détecter les défauts, y compris le
manque de fusion, dans les composants fabriqués.
Ces défauts peuvent avoir des effets néfastes sur les performances mécaniques des pièces fabriquées. Le flux
de travail du présent document fournit un mode opératoire pour identifier la plage de seuils supérieur et
inférieur nécessaire aux algorithmes de détection statistique pour détecter les défauts stochastiques de
manque de fusion induits durant le processus. Il fournit un mode opératoire pour identifier le nombre de
grappes requises pour les algorithmes de détection d'apprentissage automatique. Lors du mode opératoire de
© ISO/ASTM 2026 – Tous droits réservés
validation, les ensembles de données collectés à partir d'un scanner TI qui sont enregistrés et voxélisés
peuvent être utilisés. Il est à noter que la taille du défaut détectable, telle que déterminée par le mode
opératoire décrit dans le présent document, dépend de la résolution et de la fréquence du matériel utilisé, en
particulier la photodiode coaxiale et sa carte d'acquisition de données associée. Par exemple, en cas
d'utilisation d'une photodiode couramment disponible avec une fréquence de 60 kHz, le mode opératoire et
les algorithmes spécifiés dans le présent document sont incapables de détecter des défauts inférieurs à
100 μm.
En général, une photodiode in situ installée coaxialement fournit des informations à partir de la signature du
procédé et des défauts. Cependant, il est nécessaire de corriger les données enregistrées in situ pour
supprimer la distorsion chromatique et monochromatique. Les données corrigées sont analysées par deux
algorithmes principaux pour identifier les défauts:
a) a) statistiquement, et
b) b) par apprentissage automatique.
Ces algorithmes peuvent être systématiquement optimisés et personnalisés pour détecter des défauts de
manque de fusion. À cette fin, des défauts implantés intentionnellement sont d'abord ajoutés à la conception
assistée par ordinateur (CAO) des coupons afin de régler les paramètres des algorithmes. Ensuite, l'algorithme
personnalisé est soumis à l'essai en détectant les défauts randomisés/stochastiques créés par fusion laser sur
lit de poudre avec une densité d'énergie intentionnellement réduite. La comparaison des résultats de détection
a pu être analysée par des algorithmes avec les données de TI appliquées par une approche volumétrique pour
identifier les défauts randomisés/stochastiques. Un organigramme illustrant la progression dans le présent
document est illustré sur la Figure 1Figure 1.
52958_ed1fig1_f.EPS
Figure 1 — Représentation schématique du flux d'étalonnage nécessaire à la détection des défauts de
manque de fusion
© ISO/ASTM 2026 – Tous droits réservés
5 Conception des coupons
5.1 Généralités
Pour personnaliser et étalonner systématiquement les algorithmes de détection, deux jeux de coupons sont
proposés. Des éléments de référence peuvent également être ajoutés à la géométrie pour faciliter l'alignement
des données et l'enregistrement des données des emplacements de porosités dans l'analyse ex situ qui
correspond au balayage TI dans cette pratique. La Figure 2Figure 2 représente quelques suggestions pour les
encoches/rainures du repérage.
52958_ed1fig2b.EPS
52958_ed1fig2a.EPS
a) Rainures de repérage verticales et horizontales ajoutées b) Encoches inclinées ajoutées
Figure 2 — Ajout de rainures de repérage et d'encoches inclinées à la géométrie du coupon
5.2 Défauts implantés intentionnellement
L'effet des défauts de manque de fusion peut être reproduit en incorporant délibérément des inserts/vides
[1][1]
dans les coupons. Selon l'ISO/ASTM TR 52906 ,, pour créer ces inserts, diverses tailles, distributions et
géométries d'inserts peuvent être ajoutés à la conception assistée par ordinateur. Deux formes de défauts
sphériques et cylindriques implantés intentionnellement peuvent être considérées, la taille des défauts
sphériques étant identifiée par leur diamètre et la taille des défauts cylindriques par leur diamètre de section
transversale et leur hauteur. Noter que la taille minimale du défaut intentionnel est dictée par les restrictions
du PBF-LB. Il est toutefois recommandé que la taille des éléments de défauts soit définie dans le modèle de
conception assistée par ordinateur selon trois classes différentes:
La taille minimale possible à réaliser par le PBF-LB (par exemple 100 µm pour le diamètre des sphères et
100 µm pour la hauteur et le diamètre des cylindres) en fonction de la résolution et de la taille du point laser:
a) a) la valeur minimale plus 50 μm (par exemple 150 μm pour les paramètres mentionnés ci-
dessus);
b) b) la valeur minimale plus 100 µm (par exemple 200 µm pour les paramètres mentionnés ci-
dessus).
Noter que dans les couches dans lesquelles des défauts intentionnels sont réalisés, un paramètre de contre-
dépouille optimal est utilisé pour supporter l'intégrité mécanique du défaut intentionnel. La couche
supérieure, cependant, ne peut pas avoir de paramètre de contre-dépouille.
Deux exemples de défauts implantés intentionnellement sont illustrés sur la Figure 3Figure 3. La
Figure 3Figure 3 a) et b) représente des sections transversales bidimensionnelles d'échantillons montrant la
© ISO/ASTM 2026 – Tous droits réservés
distribution des défauts implantés intentionnellement (cylindriques et sphériques), respectivement. La
Figure 3Figure 3 a) représente six ensembles nominalement identiques de trois tailles de défauts cylindriques
(Ø, H = 200 µm, Ø, H = 150 µm et Ø, H = 100 µm); la Figure 3Figure 3 b) représente six ensembles
nominalement identiques de trois tailles de défauts sphériques (Ø = 200 µm, Ø = 150 µm et Ø = 100 µm), où Ø
est le diamètre et H est la hauteur, en microns; la Figure 3Figure 3 c) représente la couche supérieure des
défauts sphériques.
52958_ed1fig3a.EPS
52958_ed1fig3b.EPS
a) Type cylindrique b) Type sphérique
52958_ed1fig3c.EPS
c) Schéma des défauts sphériques montrant la couche supérieure
Légende
A ensembles (vides intentionnels regroupés)
B couche supérieure
NOTE 1 Toutes les dimensions sont dans le système de coordonnées SI.
NOTE 2 Figures 3Figures 3 a) et 33 b) publiées sous une licence BY 4.0 en libre accès CC.
© ISO/ASTM 2026 – Tous droits réservés
Figure 3 — Sections transversales bidimensionnelles d'échantillons montrant la distribution des
différents types de défauts implantés intentionnellement
5.3 Défauts randomisés/stochastiques
Les défauts randomisés/stochastiques peuvent être réalisés normalement en raison d'anomalies de procédé
ou suite à une modification des paramètres du procédé, entraînant des défauts de manque de fusion par
diminution de la densité d'énergie durant le cycle de fabrication. Pour créer des défauts de manque de fusion
randomisés, quatre scénarios sont recommandés:
a) a) réduction de la puissance du laser;
b) b) augmentation de la distance de hachure;
c) c) augmentation de la vitesse de balayage;
d) d) augmentation de l'épaisseur de couche.
Ces altérations dépendent du matériau. Il est toutefois recommandé que les pièces produites avec des
paramètres de procédé modifiés présentent une réduction de densité relative d'environ 0,5 % par rapport aux
pièces fabriquées avec des paramètres de procédé nominaux.
6 Description du capteur
Le capteur décrit dans le présent document est un dispositif à photodiodes coaxiales avec une fréquence
d'échantillonnage égale ou supérieure à 60 kHz. L'agencement de photodiode coaxiale est aligné avec le trajet
du faisceau laser à travers un séparateur de faisceau (voir Figure 4Figure 4).).
NOTE 1 Les photodiodes peuvent capturer les signaux d'intensité lumineuse du bain de fusion dans différentes
longueurs d'onde; cependant, la plage de longueurs d'onde préférée pour la plupart des alliages métalliques pour
capturer l'intensité lumineuse du bain de fusion se situe normalement dans les domaines du visible et du proche
infrarouge (entre 750 nm et 900 nm).
En plus des données d'intensité lumineuse, la modulation laser et la position du scanner XY sont enregistrées
et stockées dans l'ordinateur personnel associé. Des étalonnages d'intensité et de géométrie de l'ensemble de
données sont également nécessaires.
NOTE 2 Les détails des routines d'étalonnage des données ne font pas partie du domaine d'application de cette
pratique.
NOTE 3 La correction d'intensité pour les données coaxiales peut être mise en œuvre en raison du phénomène
d'aberration chromatique. Elle est déclenchée parce que la longueur d'onde de l'intensité lumineuse enregistrée par la
photodiode n'est pas la même que la longueur d'onde optimisée pour le miroir du scanner et la lentille f-theta ou les
unités de mise au point dynamique.
NOTE 4 Les corrections d'intensité et de géométrie dépendent du système commercial et sont normalement mises en
œuvre par le système de surveillance du fabricant de l'équipement d'origine.
© ISO/ASTM 2026 – Tous droits réservés
52958_ed1fig4.EPS
Légende
1 laser
2 miroir du scanner
3 lentille F-Thena
4 rouleau (système d'étalement)
5 poudre
6 plaque de fabrication
7 séparateur de faisceau
8 le long du trajet du faisceau
9 capteur coaxial
Figure 4 — Position du capteur coaxial dans la configuration PBF-LB
7 Algorithmes de détection de défauts
7.1 Généralités
Deux approches différentes sont recommandées pour détecter les défauts: les algorithmes statistiques et les
algorithmes de regroupement par apprentissage automatique.
L'algorithme statistique fonctionne sur la base de la méthode du seuil, et l'algorithme de regroupement
distribue les données dans différents groupes. Le flux de travail pour détecter les défauts est présenté sur la
Figure 1Figure 1 et est le suivant:
Étape 1: L'algorithme préféré peut être appliqué aux données collectées lors de l'impression des échantillons
présentant des défauts implantés intentionnellement.
© ISO/ASTM 2026 – Tous droits réservés
Étape 2: Le résultat de la détection est comparé aux données de conception et de balayage TI pour
personnaliser/étalonner les paramètres de l'algorithme tels que la longueur moyenne des fenêtres mobiles et
les seuils.
NOTE Le réglage du balayage TI peut normalement être optimisé en termes de résolution.
Étape 3: L'algorithme personnalisé issu de l'Étape 2 peut être utilisé pour détecter les défauts randomisés
dans les échantillons fabriqués.
Étape 4: Les résultats de détection de l'Étape 3 sont validés par balayage TI via l'approche volumétrique et la
matrice de confusion qui est expliquée à l'Article 9l'Article 9.
À titre d'exemple, plusieurs algorithmes statistiques et d'apprentissage automatique adaptés à cette pratique
sont présentés au 7.27.2 et au 7.37.3. De plus, l'approche volumétrique est utilisée pour comparer le résultat
avec la TI, qui est traitée à l'Article 9l'Article 9.
7.2 Algorithmes statistiques
7.2.1 Généralités
Les algorithmes statistiques fonctionnent sur la base de la sélection des niveaux de seuil, et leur
[2] [2]
caractéristique centrale est la moyenne mobile. . Ainsi, il est essentiel d'avoir un flux de travail optimisé
pour identifier une plage de seuil et la taille/longueur de la fenêtre de la moyenne mobile par les utilisateurs
finaux. La Figure 5Figure 5 représente l'application de la plage de seuil au signal de la photodiode. Comme on
le constate, certaines ondulations apparaissent en dehors des seuils supérieur et inférieur, chaque échantillon
de données étant associé à un point géométrique dans le repère cartésien XY. Tout signal traité (par exemple
en moyenne mobile) supérieur au seuil supérieur et inférieur au seuil inférieur est défini et est appelé une
perturbation du signal dans le présent document Figure 5[Figure 5 b)]. Les perturbations du signal sont
associées à une anomalie dans le processus et correspondent normalement à l'emplacement des défauts. Ainsi,
la perturbation peut être cartographiée avec la géométrie des échantillons et visualisée avec une couleur
différente [par exemple en tant qu'indicateur jaune illustré sur la Figure 5Figure 5 c)]. Pour cartographier la
perturbation avec les défauts potentiels dans les composants fabriqués, il est nécessaire de sélectionner un
algorithme de détection approprié à partir des limites absolues (AL) et de la fluctuation à court terme (STF).
Deux algorithmes statistiques sont présentés au 7.2.27.2.2 et au 7.2.37.2.3.
NOTE La couche supérieure des défauts implantés intentionnellement [voir Figure 5Figure 5 c)] est utilisée pour
optimiser la valeur des seuils supérieur et inférieur et la longueur de la fenêtre de données, car elle représente des
perturbations de signal plus élevées.
© ISO/ASTM 2026 – Tous droits réservés
52958_ed1fig5.EPS
Légende
X1 temps
X2 taille horizontale d'une couche
Y1 intensité lumineuse (u.a.)
Y2 taille verticale d'une couche
A série temporelle de photodiode avec des seuils supérieur et inférieur
B signal amplifié représentant une perturbation du signal
C une couche de l'échantillon comprenant des indicateurs
1 signal de photodiode
2 signal amplifié
3 perturbation du signal
4 seuil supérieur
5 seuil inférieur
6 algorithme de détection (AL, SD, SOM, etc.)
7 couche
8 indicateur de défaut
Figure 5 — Corrélation de la perturbation du signal et de l'emplacement du défaut après application
de l'algorithme de détection
7.2.2 Limites absolues (AL)
L'algorithme est basé sur l'application du déplacement de la moyenne au signal. L'utilisateur peut définir la
longueur de la fenêtre de la moyenne mobile. L'algorithme peut être appliqué aux données unidimensionnelles
de la série temporelle tout en considérant un seuil supérieur et inférieur (à expliquer dans le paragraphe du
flux de travail) dans lequel toute ondulation au-dessus du seuil supérieur et au-dessous du seuil inférieur
indique une perturbation dans le processus comme illustré à la Figure 6Figure 6. L'algorithme peut
normalement détecter les défauts créés à la suite d'une variation soudaine de la puissance du laser. La
Formule (1)Formule (1) peut être utilisée pour trouver la moyenne mobile des données, I :
m,a
© ISO/ASTM 2026 – Tous droits réservés
(1)
1 𝑥𝑥+𝑛𝑛
𝐼𝐼 = � (𝑖𝑖) (1)
𝑚𝑚,𝑎𝑎
𝑗𝑗=𝑥𝑥−𝑛𝑛
2𝑛𝑛+1
où
𝑛𝑛 est le nombre de points de données;
𝑗𝑗 est le nombre de périodes;
i est l'intensité du signal.
NOTE Si le nombre de points de données dans la dernière fenêtre mobile est inférieur à la longueur nominale de la
moyenne mobile, la valeur moyenne de la dernière fenêtre est déterminée en fonction d
...