APPLICATION
L. Tapiea, N. Lebonb, B. Mawussic, H. Fron-Chabouisd, F. Durete, J-P. Attalf
Understanding dental CAD/CAM for restorations –
accuracy from a mechanical engineering viewpoint
Comprendre la CFAO pour les restaurations dentaire –
la précision vue de l’ingénierie mécanique
Résumé
Comme dans de nombreux domaines de la santé et dans la
vie quotidienne, les technologies numériques sont intro-
duites de manière croissante dans la pratique dentaire. Des
solutions de conception et fabrication assistée par ordina-
teur (CFAO) sont disponibles pour la réalisation d’inlays,
couronnes, piliers implantaires et d’autre type de prothèses
dentaires, et même développées pour de la pratique au fau-
teuil. La pratique de la CFAO dentaire peut être considérée
comme la manipulation d’équipements numériques et l’uti-
lisation de logiciel pour la conception et la fabrication de
restaurations dentaires de manière plus ou moins automati-
sée. Néanmoins, les dentistes désirant utiliser les systèmes
de CFAO manquent d’informations sur les dispersions
introduites par l’utilisation d’une telle technologie. La
connaissance des erreurs systématiques et aléatoires sur la
précision des systèmes CFAO peut aider à réaliser des res-
a Dr. Laurent Tapie, PhD in Mechanical Engineering
b Nicolas Lebon, PhD, Student in Mechanical Engineering
c Prof. Bernardin Mawussi, PhD in Mechanical Engineering
d Dr. Hélène Fron-Chabouis, DDS, PhD in Odontologic Sciences
e Prof. Francois Duret, DDS, PhD in Odontologic Sciences, Château
de Tarailhan, 11560 Fleury d’Aude, France
f Dr. Jean-Pierre Attal, DDS, PhD in Odontologic Sciences
International Journal of Computerized Dentistry 2015;18(4): 343–367
Laurent Tapie
Abstract
As is the case in the field of medicine, as well as in most
areas of daily life, digital technology is increasingly being
introduced into dental practice. Computer-aided design/
computer-aided manufacturing (CAD/CAM) solutions are
available not only for chairside practice but also for creating
inlays, crowns, fixed partial dentures (FPDs), implant abut-
ments, and other dental prostheses. CAD/CAM dental
practice can be considered as the handling of devices and
software processing for the almost automatic design and
creation of dental restorations. However, dentists who want
to use dental CAD/CAM systems often do not have enough
information to understand the variations offered by such
technology practice. Knowledge of the random and sys-
tematic errors in accuracy with CAD/CAM systems can help
to achieve successful restorations with this technology, and
help with the purchasing of a CAD/CAM system that meets
a to c Department of Mechanical Engineering, Paris 13 University,
Sorbonne Paris Cité, Saint Denis, France
and Department of Biomaterials, URB2i, Faculty of Dental Surgery,
Paris Descartes, Sorbonne Paris Cité, EA4462, Montrouge, France
d and f Department of Biomaterials, URB2i, Faculty of Dental Surgery,
Paris Descartes, Sorbonne Paris Cité, EA4462, Montrouge, France
and Dental Department, Charles-Foix Hospital, AP-HP, Ivry-sur-
Seine, France
343
APPLICATION
the clinical needs of restoration. This article provides a
mechanical engineering viewpoint of the accuracy of CAD/
CAM systems, to help dentists understand the impact of
this technology on restoration accuracy.
Keywords: accuracy, dental CAD/CAM, digital dentistry,
geometric approximations, geometric defects
Introduction
Digital dentistry is becoming common practice for producing
inlays, crowns, fixed partial dentures (FPDs), and implant
abutments.1,2 Some practitioners and prosthesis laboratories
invest in computer-aided design/computer-aided manufac-
turing (CAD/CAM) solutions for this purpose. The restor-
ation design and production is embedded in a digital work-
flow involving the practitioner, laboratory, and often an
outsourcing production center.3,4 In digital dentistry, CAD/
CAM systems involve four main steps: digitizing, CAD, CAM,
and numerical controlled (NC) machining. As we detailed in a
previous article entitled “Understanding dental CAD/CAM
for restorations – the digital workflow from a mechanical
engineering viewpoint,” dental CAD/CAM practice involves
the processing and conversion of physical data (patient teeth
and tissues or a cast model) into digital data (digital cast
model and digital restoration CAD model). Digital data are
exchanged, converted, and processed to produce the pros-
thetic restoration.5
For decades, the expansion and contraction of materials
that occurred during conventional restoration production in
daily practice were carefully considered for achieving longe­
vity and survival of the tooth-restoration assembly. Despite
these proven long-term results, some academic experiments
seemed to demonstrate that the fit of digitally produced
prostheses was better than that of conventionally produced
restorations.6 Nevertheless, the variations introduced by
CAD/CAM systems throughout the digital workflow are not
well known, and may affect the restoration’s adaptation.
Practitioners and digital dentistry users demand accurate
assessments of industrial CAD/CAM systems. In the industri-
al documentation of systems, some accuracy values are
given. However, these values are difficult to interpret, and
their effect on clinical practice and the restoration’s adapta-
tion is unclear. To overcome this drawback, academic and
344
taurations avec succès à l’aide de cette technologie et à
investir dans un système CFAO répondant aux besoins cli-
niques d’une restauration. Cet article fournit un point de
vue issu de l’ingénierie mécanique sur la précision des sys-
tèmes CFAO, pour aider les dentistes à comprendre l’im-
pact de la technologie sur la précision des restaurations.
Mots clefs: Précision; défauts géométriques; approxima-
tions géométriques; CFAO dentaire; dentisterie numé-
rique
Introduction
La dentisterie numérique est devenue une pratique
usuelle pour produire des inlays, couronnes et piliers
dentaires1,2. Certains praticiens et laboratoires de pro-
thèses investissent dans la conception et la fabrication
assistée par ordinateur (CFAO) dans ce but. La concep-
tion et la production de restauration sont imbriquées
dans un flux numérique impliquant le praticien, le labo-
ratoire et parfois un centre de production en sous-trai-
tance3,4. En dentisterie numérique, les systèmes de CFAO
s’appuient sur quatre principales étapes: la numérisation,
la CAO, la FAO et l’usinage contrôlé numériquement
(Usinage CN). Comme nous l’avons détaillé dans un
article précèdent, “ Comprendre la CFAO dentaire pour
les restaurations – le flux numérique vue de l’ingénierie
mécanique ”, la pratique de la CFAO dentaire implique le
traitement et la conversion de données physiques (tissus
et dents du patient ou maître modèle) en données numé-
riques (maître modèle virtuel et modèle CAO de la res-
tauration). Les données numériques sont échangées,
converties et traitées pour produire une restauration pro-
thétique5.
Depuis des décennies, l’expansion et la dilatation des
matériaux, se produisant durant la production de restau-
ration par voie conventionnelle, sont pris en compte dans
la pratique quotidienne permettant d’assurer la longévité
et la survie de l’assemblage dento-prothétique. Malgré
ces preuves de réussites sur le long terme, certaines expé-
rimentations académiques semblent démontrer que
l’ajustage des prothèses produites numériquement sont
meilleures que les restaurations produites conventionnel-
lement6. Néanmoins, les variations géométriques intro-
duites par les systèmes de CFAO à travers le flux numé-
rique sont mal connues et peuvent affecter l’adaptation
des restaurations. Les praticiens et utilisateurs de la den-
International Journal of Computerized Dentistry 2015;18(4): 343–367

tisterie numérique réclament des évaluations objectives
de la précision des systèmes CFAO industriels. Dans la
documentation de ces systèmes, certaines valeurs de pré-
cision sont données. Cependant, ces valeurs sont difficiles
à interpréter et leurs impacts dans la pratique clinique et
l’adaptation des restaurations sont peu clairs. Pour remé-
dier à ces inconvénients, des protocoles académiques et
issus de norme, pour évaluer et comparer la précision des
systèmes de CFAO, sont développés6,7.
L’objectif de cet article est donner au praticien une
meilleure compréhension de la précision des systèmes de
CFAO dentaire. Dans un premier temps, quelques défini-
tions et concepts sur la précision sont présentés. Ensuite,
sont détaillés et analysés, pour chaque étape du flux
numérique de CFAO dentaire, les défauts géométriques et
approximations qui peuvent affecter directement la quali-
té des restaurations. Pour finir, certains protocoles acadé-
miques, proposés pour l’évaluation de la précision, sont
analysés.
Definitions et Concepts Preliminaires
En ingénierie mécanique et particulièrement dans le
domaine des méthodes de mesures, l’ensemble des
normes ISO 5725, Accuracy (Trueness and Precision) of
Measurement Methods and Results, sont utilisées8-13.
Dans ces normes, plusieurs concepts relatifs à la précision
sont définis.
Def. 1: Valeur vraie: valeur qui caractérise une gran-
deur parfaitement définie dans les conditions qui existent
lorsque cette grandeur est considérée. Il s’agit d’une
notion idéale, la valeur vraie ne peut être connue exacte-
ment et ceci quelle que soit la précision des moyens de
métrologie utilisés. Par analogie avec un archet, qui tire
des flèches au centre d’une cible, la valeur vraie peut être
définie comme le centre de la cible (Figure 1a).
Def. 2: Justesse: étroitesse de l’accord entre la
moyenne de valeurs mesurées répétées et une valeur
vraie. En considérant les résultats du test d’un archet sur la
Figure 1b, selon lequel la valeur moyenne des tirs de
flèches est proche du centre de la cible, le résultat moyen
de ce test est proche de la valeur vraie, avec des résultats
qualifiés de «juste».
Def. 3: Fidélité: Etroitesse de l’accord entre des résul-
tats indépendants de test/mesures obtenues dans des
conditions spécifiées. La fidélité dépend uniquement de la
distribution des erreurs aléatoires et ne dépend pas de la
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
standard protocols to assess and compare the accuracy of
CAD/CAM systems are being developed.6,7
The aim of this article is to give practitioners a better
understanding of the accuracy of dental CAD/CAM sys-
tems. First, we propose some definitions and concepts of
accuracy. We then detail and analyze, for each step of the
dental CAD/CAM workflow, the geometric defects and
approximations that can directly affect the quality of the
final restoration. Finally, we discuss some industrial and
academic protocols that are being proposed for assessing
accuracy.
Preliminary definitions and concepts
In mechanical engineering, and particularly measurement
methods, the ISO 5725 Accuracy (Trueness and Precision) of
Measurement Methods and Results standard package is
used.8-13 According to this standard, several concepts related
to accuracy are defined.
Definition 1. True value: value that characterizes a quan-
tity or quantitative characteristic perfectly defined in the con-
ditions which exist when that quantity or quantitative char-
acteristic is considered. The true value of a quantity or
quantitative characteristic is a theoretical concept and, in
general, cannot be known exactly. By analogy with an archer
who shoots arrows at a target, true value can be defined as
the target’s center (Fig 1a).
Definition 2. Trueness: closeness of agreement between
the expectation of a test result or a measurement result and
a true value. Considering the archer’s test results in Figure 1b,
whereby the mean value of arrow shots is close to the target
center, the mean test result is close to the true value, with
results qualified as “true.”
Definition 3. Precision: closeness of agreement between
independent test/measurement results obtained under stipu-
lated conditions. Precision depends only on the distribution
of random errors and does not relate to the true value or the
specified value. Considering the archer’s test results in Fig-
ure 1a, the various shots are close to but not on the true
value. As the test results are close to each other, these results
can be qualified as “precise.”
Definition 4. Accuracy: closeness of agreement between
a test result or measurement result and the true value.
Accuracy refers to a combination of trueness and precision.
Considering the archer’s test results in Figure 1c, the pos-
itions of shots are close to each other – thus “precise” – and
close to the target center – thus “true.” So, the test results
345
APPLICATION
a Precise results/Résultats fidèles b True results/Résultats justes
True value = target center/
Valeur vraie = centre de la cible
Trueness error: systematic error
component of accuracy/
Justesse: composante d’erreur
systématique de l’exactitude
Fig 1 Accuracy concepts according to ISO 5725.8-13
Fig. 1   Concepts de précision selon la norme ISO 57258-13.
are “precise” and “true” and can be qualified as “accu-
rate.”
The trueness error illustrated in Figure 1a is considered a
systematic error (ie, a constant offset can be identified
between the mean value of the results and the true value).
The trueness error is the systematic error component of accu-
racy.
The precision error illustrated in Figure 1b is considered a
random error (ie, a random offset can be considered between
each value of the results and the true value). The precision
error is the random error component of accuracy.
Definition 5. Repeatability: precision under repeatability
conditions. Repeatability can be expressed quantitatively in
terms of the dispersion characteristics of the results.
Definition 6. Repeatability conditions: observation
conditions where independent test/measurement results
are obtained with the same method on identical test/meas-
urement items in the same test or measuring facility by the
same operator using the same equipment within short time
intervals. Repeatability conditions include the same meas-
urement procedure, the same operator, and the same
measuring or test equipment used under the same condi-
tions.
346
c Accurate results/Résultats exacts
Precisionerror: random error
component of accuracy/
Fidélité: composante d’erreur
aléatoire de l’exactitude
valeur vraie ou d’une valeur spécifiée. En considérant les
résultats du test d’un archet sur la Figure 1a, les différents
tirs sont regroupés mais pas centré sur la valeur vraie.
Puisque les résultats du test sont proches les uns des
autres, ces résultats sont qualifiés de «fidèle».
Def. 4: Exactitude: Etroitesse de l’accord entre un
résultat de test ou de mesure et la valeur vraie. L’exacti-
tude est une combinaison de la justesse et la fidélité. En
considérant les résultats de test d’un archet Figure 1c, les
positions des tirs sont proches les unes des autres – donc
«fidèle» – et proche du centre de la cible – donc «juste».
Ainsi, les résultats du test sont «fidèle» et «juste» et
peuvent être qualifiés d’ «exact».
L’erreur de justesse illustrée Figure 1a est considérée
comme une erreur systématique (i.e., un écart constant
peut être constaté entre la valeur moyenne des résultats et
la valeur vraie). L’erreur de justesse est la composante sys-
tématique de l’exactitude.
L’erreur de fidélité est illustrée Figure 1b est considérée
comme une erreur aléatoire (i.e., un écart aléatoire peut
être constaté entre chaque valeur des résultats de mesure
et la valeur vraie). L’erreur de fidélité est la composante
aléatoire de l’exactitude.
International Journal of Computerized Dentistry 2015;18(4): 343–367

Def. 5. Répétabilité: fidélité de mesure selon un
ensemble de conditions de répétabilité. La répétabilité
peut être exprimée quantitativement en terme de caracté-
ristiques de dispersions des résultats.
Def. 6. Conditions de répétabilité: conditions d’obser-
vation lorsque des résultats de test/mesurage sont obte-
nus avec la même procédure de mesure, les mêmes opéra-
teurs, le même système de mesure, les mêmes conditions
de fonctionnement et le même lieu, ainsi que des mesu-
rages répétés sur le même objet ou des objets similaires
pendant une courte période de temps.
Def. 7. Reproductibilité: fidélité de mesure selon un
ensemble de conditions de reproductibilité. La reproducti-
bilité peut être exprimée quantitativement en terme de
caractéristiques de dispersions des résultats.
Def. 8. Conditions de reproductibilité: conditions
d’observation lorsque des résultats de test/mesurage sont
obtenus avec des opérateurs et des systèmes de mesure
différents, dans des lieux différents, ainsi que des mesu-
rages répétés sur le même objet ou des objets similaires
pendant des périodes de temps espacées.
En considérant les définitions de la répétabilité et de la
reproductibilité, les caractéristiques de dispersion des
résultats peuvent être évaluées en terme de justesse et
fidélité pour caractériser la précision des prothèses CFAO.
Tout au long du flux numérique de CFAO dentaire, plu-
sieurs caractéristiques géométriques liées à la numérisa-
tion de la denture et, à la conception et fabrication de la
prothèse peuvent être évaluées pour caractériser la préci-
sion de la chaîne de CFAO dentaire14,15. Les sources
potentielles des défauts géométriques (dispersions géo-
métriques induites par la manipulation du système CFAO
et inhérentes aux technologies) et des approximations
(approximations géométriques induites par le traitement
de données numériques) introduites par la pratique de la
dentisterie numérique doit être identifiée a priori. Les dis-
persions géométriques, systématiques et aléatoires, et les
approximations peuvent survenir lors du processus de
CFAO selon la norme ISO 57258-13.
Nous exposons ci-après les étapes du processus CFAO
où les dispersions géométriques et approximations
peuvent être identifiées: lors du protocole de numérisation
résultant d’une impression numérique de la denture et tis-
sus dentaires, lors du traitement de l’impression numé-
rique de la denture et tissus dentaires, et lors de la concep-
tion et la fabrication de la restauration.
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
Definition 7. Reproducibility: precision under reproduci-
bility conditions. Reproducibility can be expressed quantita-
tively in terms of the dispersion characteristics of the results.
Definition 8. Reproducibility conditions: observation
conditions where independent test/measurement results are
obtained with the same method on identical test/measure-
ment items in different test/measurement facilities with dif-
ferent operators using different equipment.
Considering the definitions of repeatability and repro-
ducibility, the dispersion characteristics of the results should
be evaluated in terms of trueness and precision to assess
the accuracy of dental CAD/CAM prostheses. Along the
digital workflow of dental CAD/CAM, several geometric
characteristics linked to the denture’s digitizing and pros-
thesis design and manufacturing can be evaluated to assess
the accuracy of a dental CAD/CAM chain.14,15 The poten-
tial sources of geometric defects (geometric defects intro-
duced by CAD/CAM system handling and proper technolo-
gy) and approximations (geometric approximations
introduced by digital data processing) embedded in digital
dentistry practice need to be identified a priori. Systematic
and random geometric defects and approximations can
occur during the CAD/CAM process according to ISO
5725.8-13
Here we describe events that occur during the CAD/
CAM process when geometric defects and approximations
can be identified: during the digitizing protocol that results
in a digital denture impression, during the processing of the
digital denture impression, and in the restoration design
and manufacturing.
347
APPLICATION

Aberrant points, high, and poor density of Aberrant, missing, and poor detailed surface
points areas of the patient teeth and tissues/ areas of the patient teeth and tissues/
Points abérrants, zones de points denses et Zones abérrantes, manquantes et faiblement
faibles représentant la denture et les tissues du détaillées des surfaces représentants la den-
patient. ture et tissues du patient.
Patient teeth and tissues or
cast model (physical data)/
Denture et tissues du patient Point cloud (digital data)/ STL digital master cast model (digital data)/
ou maître modèle en plâtre Nuage de points (données numériques) Maître modèle numérique STL (données
(données physiques) numériques)
Acquisition/ Processing/ Post-processing/
Acquisition Traitement Post-traitement

Digitizing device
Scanning technology/ Scanned data processing
Computerized point cloud generation and alignment
Equipement de numérisation
Technologie de numérisation
Traitement des données scannées
Génération et alignement informatisé
d’un nuage de points

Point cloud processing

Computerized aberrant points cleaning and high
Digitizing environment
density of points filtering
Blood, saliva, natural and artificial external light
source, blind areas Traitement de nuage de points
Nettoyage informatisé des points abérrants et filtrage
Environnement de numérisation
informatisé des zones de grande densité de points
Sang, salive, source de lumière externe naturelle
et artificielle, zones non visibles

Point cloud post-processing

Computerized CAD geometrical model association

Digitizing strategy Post-traitement de nuage de points

Parasitic movements, recovering, and missing Association informatisé d’un modèle
swept sufaces géométriques CAO

Stratégie de numérisation
Mouvements parasites, recouvrements Digital data processing software/
et manques des surfaces balayées Logiciel de traitement de données numériques

Fig 2 Sources of geometric defects and approximations in the digitizing workflow (blue: the digital data workflow; green: sources
of defects or approximations; red: potential defects or approximations).
Fig. 2   Sources des dispersions géométriques et approximations lors du flux de numérisation (en bleu, le flux de données numé-
riques; en vert, les sources de dispersions ou approximations; en rouge, dispersions ou approximations potentielles).

Digitizing protocol Protocole de Numérisation

Geometric defects and approximations can be identified in
the digitizing protocol that results in a digital denture impres-
sion (Fig 2).
At this stage, the sources that affect geometric defects
and approximations are the digitizing device, environment,
strategy, and digital data processing.
Les dispersions géométriques et les approximations
peuvent être identifiées lors du protocole de numérisation
qui a pour résultat une impression numérique de la den-
ture et tissus dentaires (Fig. 2).
A ce stade, les sources affectant les défauts géomé-
triques et approximations sont l’équipement, l’environne-
ment et la stratégie de numérisation, le traitement des
données numériques.

348 International Journal of Computerized Dentistry 2015;18(4): 343–367


Scanning sampling step/
Pas d’échantillonnage
lors de la numérisation
Fig 3 Acquisition measurement defects
and approximations.
Fig. 3   Dispersions de mesure et
approximations d’acquisition.
Equipement de numérisation
Un équipement de numérisation (scanner ou caméra)
convertit les données géométriques physiques des dents
et tissus dentaires du patient en une représentation géo-
métrique virtuelle et numérique16,17. Les données numé-
riques obtenues après numérisation sont représentées par
un nuage de points. Pour obtenir ce nuage de point, un
échantillonnage doit être réalisé pendant l’étape d’acquisi-
tion, car le nuage de points obtenus ne peut représenter la
totalité de la surface de la denture numérisée ou du
modèle de coulée (Fig. 3). La combinaison de ce pas
d’échantillonnage avec le balayage de la surface induit des
zones de recouvrement avec une grande densité de point
(points en vert sur la in Fig. 3) ou des zones de faible
recouvrement avec une faible densité de points. Une faible
densité de points introduits des pertes d’information sur
les données géométriques17-20.
Par exemple, une perte de détails de l’anatomie den-
taire nécessaire à la conception de la restauration, particu-
lièrement dans les zones importantes comme la limite
marginale, peut introduire une mauvaise adaptation de la
restauration finale sur la dent préparée.
Environnement de numérisation
L’environnement de numérisation, comme la salive et le
sang présent dans la cavité buccale ou une source lumi-
neuse externe (naturelle et artificielle) présente dans le
cabinet du praticien, introduit des dispersions géomé-
triques aléatoires lors de l’utilisation d’équipement de
numérisation intra oral. L’ensemble des principes optiques
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
Overlapping
Aberrant points/ area point/
Points abérrants Point dans une zone
de recouvrement
Blind area/
Zone non-visible
Digitizing device
A digitizing device (scanner or camera) converts the physical
geometric data of a patient’s tooth and tissues to a virtual
geometric digital representation. 16,17 The digital data
obtained after digitizing are represented by a point cloud. To
obtain this point cloud, sampling has to be performed during
the scanning step, as the obtained point cloud cannot repre-
sent the whole surface of the digitized tooth or cast model
(Fig 3). For this sampling, the scanner or camera manufactur-
ers have chosen the sampling step between two points for
their digitizing device. The combination of this sampling step
and the surface sweeping induces overlapping areas with a
high density of points (green points in Figure 3), or poor
areas with a low density of points. A low density of points
introduces geometric data information loss.17-20 For instance,
a loss of tooth details necessary for the design of the restor-
ation, especially in an important area such as the marginal
limit, can introduce a misfit between the restoration and the
prepared tooth.
Digitizing environment
The digitizing environment, such as saliva and blood in the
oral cavity or external light (natural and artificial) in the prac-
titioner’s office, introduces random geometric defects when
using an intraoral digitizing device. All the optical principles
of digitization are based on measurements of the reflected
light source.21,22 The measurement environment can modify
the light reflection. The sensor, in addition to receiving light
beams reflected specularly (direct beam reflection) from the
denture, can receive a diffuse light.23,24 Then, aberrant
349
APPLICATION
points can appear on the digitized point cloud (red points in
Figure 3). To obtain a better specular reflection, some provid-
ers of dental digitizing solutions propose depositing a pow-
der on the denture before scanning.25 This solution seems to
avoid optical problems during digitization, but manually
depositing this powder introduces new geometric random
approximations. The thickness homogeneity on the teeth
and tissue surfaces cannot be ensured. This thickness should
be taken into account to treat the point cloud. Moreover,
powder in the patient’s mouth is negatively perceived by the
patient.
For extraoral digitizing devices, such as in dental labora-
tory practice, the digitizing environment is better known,
and the geometric defects can be considered more system-
atically. For extraoral solutions, the digitizing volume is very
often a closed box, so that external environmental condi-
tions cannot interfere. Nevertheless, denture silicone
impressions or plaster cast models, introduce random
geometric defects with the casting process (user skills; sili-
cone or plaster retraction). 25 Furthermore, the denture
impression material should allow for good specular reflec-
tion.
Digitizing strategy
The digitizing strategy refers to the scanner or camera pro-
tocol for sweeping the surface. The strategies used with
extraoral scanners or cameras introduce systematic geomet-
ric defects, whereas those with intraoral scanners or camer-
as introduce random geometric defects. With extraoral
scanners or cameras, the digitizing strategy is systematically
the same because of the automated surface sweeping. With
intraoral scanners or cameras, the digitizing strategy
depends on the user’s skills. Despite recommendations for
sweeping the tooth and tissue surfaces, the difficulty in
accessing some surfaces in the mouth introduces complex
manual digitizing strategies.25 For instance, blind areas,
such as those close to the gum, cannot be well digitized
(Fig 3).
Digital data processing
Geometric defects and approximations can also be identified
when processing the digital denture impression.
Digital data processing refers to scanned data processing
to generate a point cloud, processing the point cloud, and
post-processing, to obtain the digital master cast. As previ-
ously explained, high-density point areas or aberrant points
350
de numérisations est basé sur des mesures d’une onde
réfléchie issue d’une source lumineuse21,22. L’environne-
ment de mesure peut modifier la réflexion lumineuse. Le
capteur, en plus de recevoir des faisceaux lumineux réflé-
chis spéculairement (réflexion direct de faisceau) sur la
denture, peut recevoir une lumière diffuse23,24. Ainsi, des
points aberrants peuvent apparaître dans le nuage de
points numérisés (points rouge Fig. 3). Pour obtenir une
meilleure réflexion spéculaire, certains fournisseurs de
solutions de numérisation dentaire proposent de déposer
une poudre sur la denture avant acquisition25. Cette
méthode doit permettre d’éviter les problèmes optiques
lors de la numérisation, mais le dépôt manuel de cette
poudre introduit nécessairement de nouvelles approxima-
tions géométriques aléatoires. L’homogénéité de l’épais-
seur de poudre sur les surfaces et tissus dentaires ne peut
être assurée. Cette épaisseur doit être prise en compte
pour traiter le nuage de point. De plus, la présence de
poudre dans la bouche du patient est perçue de manière
négative par le patient.
Pour les équipements de numérisation extra orale, uti-
lisé dans la pratique du laboratoire dentaire, l’environne-
ment de numérisation est mieux maîtrisé, et les dispersions
géométriques peuvent être considérées comme plus systé-
matiques. Pour les solutions extra orales, l’espace de
numérisation est très souvent un volume clos dans lequel
les conditions environnementales externes ne peuvent
interférées. Néanmoins, les empreintes silicone de denture
ou les modèles de coulée en plâtre, utilisés dans ce cas,
introduisent des dispersions géométriques aléatoires lors
du processus de prise d’empreinte et moulage (compé-
tences et expériences du manipulateur; rétraction du sili-
cone ou du plâtre)25. De plus, le matériau d’empreinte ou
du modèle de la denture doit permettre une bonne
réflexion spéculaire.
Stratégie de numérisation
La stratégie de numérisation fait référence au protocole de
balayage des surfaces à numériser lors l’utilisation d’un
scanner ou d’une caméra. Les stratégies utilisées avec les
scanners extra oraux introduisent des dispersions systéma-
tiques, alors que celle utilisées avec les caméras intra orales
introduisent des dispersions aléatoires. Avec des équipe-
ments extra oraux, la stratégie de numérisation est systé-
matiquement la même de part l’automatisation du
balayage des surfaces. Avec des équipements intra oraux,
la stratégie de numérisation dépend de l’expertise du
International Journal of Computerized Dentistry 2015;18(4): 343–367

manipulateur; malgré les recommandations industrielles
pour balayer les surfaces et tissus dentaires, l’accessibilité
difficile de certaines surfaces dans la bouche induit des
stratégies de numérisations manuelles complexes25. Par
exemple, les zones cachés, comme celles proches de la
gencive, ne peuvent être correctement numérisées
(Fig. 3).
Traitement des données numériques
Des dispersions géométriques et approximations peuvent
être aussi identifiées lors du traitement de l’empreinte
numérique de la denture.
Le traitement de données numériques fait référence au
traitement des données acquises optiquement pour obte-
nir un nuage de points, au traitement de ce nuage de
point et à son post-traitement pour obtenir un maître
modèle numérique. Comme exposé précédemment, des
zones denses en nombre de points ou des points aberrants
peuvent apparaître lors de l’acquisition de la denture. Par
conséquent, des algorithmes informatiques sont dévelop-
pés pour éliminer les points aberrants et optimiser la den-
sité du nuage de points. De plus, des algorithmes de
post-traitement sont développés pour mailler le nuage de
points traités par un modèle au format stereolithography
(STL) permettant d’obtenir l’empreinte numérique de la
denture. Des dispersions géométriques ou approximations
peuvent être observées sur l’empreinte STL. Ces disper-
sions et approximations peuvent être attribuées à la fiabi-
lité des algorithmes de traitement et post-traitement.
La fiabilité d’un algorithme peut être évaluée par sa
capacité à filtrer les points aberrants et zones denses et à
aligner différents nuages de points. Il peut résulter, d’un
mauvais alignement et d’un mauvais filtrage de nuages de
points, une empreinte numérique STL non exploitable
après post-traitement (Figs. 4a et 4b). Un filtrage peu per-
formant des zones de haute densité en points peut aug-
menter le temps de traitement des données pour l’obten-
tion d’une même empreinte numérique exploitable
(Fig. 4c).26
Les développeurs de logiciel de CFAO dentaire s’ap-
puient sur un ensemble de paramètres de filtrage comme
le paramètre d’erreur de corde (ei définie Fig. 5a) pour fil-
trer les points dans zones de haute densité. La Figure 5b
illustre le même nuage de points original filtré avec une
grande et faible erreur de corde ainsi que les maillages STL
respectifs résultants. Une grande erreur de corde induit un
faible niveau de rendu des détails des surfaces sur le maître
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
can appear during the denture scanning. Therefore, comput-
erized algorithms have been developed to remove aberrant
points and optimize the point cloud density. Also, post-pro-
cessing algorithms have been developed to mesh the treated
point cloud with a stereolithography (STL) model to obtain
the digital denture impression.
Geometric defects or approximations can be observed on
the STL impression model. These defects and approximations
can be attributed to the reliability of the processing and
post-processing algorithms.
The reliability of an algorithm should be evaluated by its
ability to filter aberrant points and high-density point areas
and to align different point clouds. Poor point-cloud align-
ment and filtering can result in an unsuitable STL digital
master cast after post-processing (Fig 4a and b). Poor filter-
ing of high-density point areas can increase data processing
time by obtaining the same suitable digital impression
(Fig 4c).26
Dental CAD/CAM providers choose filtering parameters
such as the chord error parameter (defined in Figure 5a) for
filtering points in high-density areas. Figure 5b illustrates
the same original point cloud filtered with high and low
chord error, and the resulting STL meshing obtained. A high
chord error induces a poorly detailed STL digital master cast
that cannot be used for dental restoration designing,
whereas a low chord error value induces a highly detailed
STL master cast. However, a high level of detail is not nec-
essary for the entire tooth and tissue surfaces and can
induce unnecessary post-processing time. Thus, the chord
error parameter should be adjusted according to the den-
ture area being considered.
Geometric approximations observed during post-pro-
cessing are also closely linked with the CAD digital model
format used. As illustrated in Figure 5b, the STL model
introduces curvature discontinuities on the denture impres-
sion. These discontinuities are not present on the patient’s
tooth, and the digital impression can thus be considered a
biomimetic approximation of the patient’s tooth. Other
CAD models such as hierarchical mesh, B-Spline, Hermite,
or Non-Uniform Rational B-Spline (NURBS) should be used
for post-processing.27-31 Nevertheless, post-processing a
point cloud is more time-consuming with the latter CAD
models than with an STL model.32 Thus, dental CAD/CAM
manufacturers choose an STL model to create the digital
master cast so as to limit post-processing time, and consider
STL models to be reliable at representing teeth and tissues
digitally.
351
APPLICATION

STL 1 from noisy STL 2 from clear point STL 1 from STL 2 from STL 1 & 2
point cloud/ cloud/ point cloud 1/ point cloud 2/ alignment/
STL 1 issu d’un nuage STL 2 issu d’un nuage STL 1 issu du STL 2 issu du Alignement des ‘
de points bruité de points nettoyé nuage de nuage de STL 1 & 2
points 1 points 2

a. Aberrant point filtering (Experimental processing in our research
laboratory with Catia® – Dassault systèmes software, Velizy-Villa-
coublay, France)/Filtrage de point abérrant (Traitement informa-
tique expérimenté dans notre laboratoire de recherche avec le logi-
ciel Catia® – Dassault systèmes, Vélizy-Villacoublay, France)
b. Bad point clouds’ alignment (from 3Shape Technology
Resesarch, Copenhagen, Denmark)/Mauvais aligne-
ment de nuage de points (issu de 3Shape Technology
Research, Copenhague, Danemark)

360 488 triangles/ 94 280 triangles/

360 488 facettes 94 280 facettes

Same accuracy post-treated STL model/

Précision équivalente de modèle STL post-traité
c. High density point cloud filtering (from Technodigit – 3DReshaper, Genay, France)/
Filtrage de zone dense de nuage de points (issu de Technodigit – 3DReshaper, Genay, France)

Fig 4 Filtering and meshing algorithm approximations.

Fig. 4 Approximations liés aux algorithmes de filtrage et maillage.

Restoration design protocol
Geometric approximations can be identified in the restor-
ation design protocol. As Zheng et al33 have explained, the
important issue in restoration design is to reconstruct the
missing tooth surfaces by a biomimetic approach. The
designed restoration should fit the prepared tooth well and
respect the occlusion.33
Dental anatomy modeling
Usually, dental anatomy modeling is provided in dental
CAD/CAM software via digital teeth databases.27 The STL
model is also used for designing the restoration.34 As with
modèle numérique STL, alors qu’une erreur de corde faible
induit un meilleur niveau de rendu des détails. Cependant,
un haut niveau de détail n’est pas nécessaire pour l’en-
semble des tissus et surfaces dentaires à numériser et peut
ainsi générer un temps additionnel de post-traitement
informatique non nécessaire. Ainsi, le paramètre d’erreur
de corde doit être ajusté selon la zone de la denture et des
tissus considérés.
Les approximations géométriques observées lors du
post-traitement sont extrêmement liées au format du
modèle numérique CAO utilisé. Comme illustré Figure 5b,
le modèle de format STL introduit des discontinuités en
courbure sur l’empreinte de la denture. Ces discontinuités
ne sont pas présentes sur les dents du patient, ainsi l’em-

352 International Journal of Computerized Dentistry 2015;18(4): 343–367

 APPLICATION

Pi
Pi+1
Pi–1 ei

Original point cloud/ Filtered point cloud/

Nuage de points original Nuage de points filtré
a. Filtering of the point cloud through the chord error/
Filtrage de nuage de points par l’erreur de corde

Experiments process in our research laboratory with GOM® Inspect software,

Fig 5 Effect of chord error filtering
parameter on point cloud meshing.
Fig. 5 Effet du paramètre de filtrage
d’erreur de corde sur le maillage du
nuage de points.
GOM mbh, Braunschweig, Germany/Expérimentations réalisées dans notre laboratoire
de recherche avec le logiciel GOM® Inspect, GOM mbh, Braunschweig, Allemagne
b. Meshing of the point cloud after low (left) versus high (right) chord error filtering/
Maillage de nuage de points après un filtrage par erreur de corde faible (à gauche) et
élevée (à droite)

preinte numérique peut être considérée comme une
approximation biomimétique des dents du patient.
D’autres formats de modèle CAO comme le maillage hié-
rarchisé, les B-Spline, le modèle d’Hermite, ou les
Non-Uniform Rational B-Spline (NURBS) devraient être
exploités pour le post-traitement27-31. Néanmoins, le
post-traitement serait plus long avec ces derniers types de
modèles CAO que le modèle STL32. Ainsi les industriels de
la CFAO dentaire exploitent exclusivement le modèle STL
pour créer le maître modèle numérique pour limiter le
temps de post-traitement et, considèrent que les modèles
STL obtenues sont assez fiables pour représenter les dents
et tissus dentaires numériquement.
Protocole de Conception de Restauration
Des approximations géométriques peuvent être identi-
fiées lors du protocole de conception des restaurations.
Comme l’a expliqué Zheng et al., l’enjeu majeur lors de
la conception de la restauration est de reconstruire les
surfaces et volumes dentaires manquants par une
approche biomimétique. La restauration conçue doit
s’adapter correctement à la dent préparée et respecter
l’occlusion33.
the master cast CAD model, disadvantages such as curva-
ture discontinuities can be introduced with the restoration
CAD model (Fig 6). In some dental CAD software, B-Spline,
Hermit, or NURBS, CAD models are implemented to avoid
curvature discontinuities and to design restorations that
are more biomimetic and have a smoother surface
shape.27,28
Parameterized CAD models of restorations are pro-
posed in dental CAD software. The parameterization is
based on geometric modeling of the dental anatomy. This
modeling is based on the approximation of occlusal, buc-
cal, proximal, and lingual surface features (ridges, fossae,
cusps, cervical margins) with curves and points. 27,33,34
These geometric parameters are the core anatomical mod-
els provided in teeth databases. Thus, the designed restor-
ation is a geometric biomimetic approximation of the den-
tal anatomy.
Digital data processing
Positioning, scaling, and morphing tools are used to process
the parameterized CAD models of the tooth and obtain the
final restoration design. Several types of algorithms and soft-
ware tools are used to design the restoration.33 The automa-
tion level and principle of these algorithms and tools vary

International Journal of Computerized Dentistry 2015;18(4): 343–367 353

APPLICATION
greatly.27,33,34 Nevertheless, the restoration design protocol
is often based on an interactive computer-aided process, and
the designer can modify the restoration’s digital model by
adjusting its associated parameters (occlusal, axial, and inter-
nal surface fitting; occlusal and proximal contact-point inten-
sity).35,36
Restoration manufacturing protocol
Geometric defects and approximations can occur during the
restoration manufacturing protocol. Geometric defects and
approximations are embedded in the digital workflow of
CAM and NC machining, and are introduced by the mechan-
ical structure of the milling device.
CAM data modeling and processing
CAM is achieved with software modules dedicated to creat-
ing the virtual machining process of a restoration and its NC
programming (Fig 7). Several machining strategies are
embedded in a predefined database to define the machining
process for a given restoration.
Several machining strategy types are used in dental
CAM.37 A machining strategy is defined by two fundamen-
tal parameters: machining, and sweeping directions. Fig-
ure 8a illustrates these two parameters for the Z-level strat-
egy, the most commonly used machining strategy in CAM
software. In this strategy, the CAM model is obtained by
slicing the CAD model in parallel planes perpendicular to
the machining direction. The machining direction is given
by the tool axis direction. During machining, the tool tip
will follow a path in each horizontal plane. Each path is a
2D curve created by the intersecting curve of each plane
and the restoration surface. Each 2D curve defines the
sweeping direction. For the Z-level strategy, the restoration
is swept according to a network of parallel 2D curves sepa-
rated by the discretization step, the distance between two
parallel planes in the CAM model. The length of this step
and the geometry of the tool tip will determine how closely
the CAD model approximates the final milled geometry.
This approximation will directly affect the surface geometry
and roughness of the restoration. Indeed, some details in
the CAD restoration model can be avoided between two
consecutive planes. The combination of the machining
strategy sweeping direction curve with the cutting tool tip
geometry induces a profile of material remaining after sub-
sequent tool tip sweeping – cusp height in mechanical engi-
354
Modélisation de l’anatomie dentaire
Couramment, la modélisation de l’anatomie dentaire est
fournie dans les logiciels de CFAO dentaire via des banques
de dents numériques et génériques27. Le modèle STL est
aussi exploité pour concevoir la restauration34. Comme
pour le modèle CAO du maître modèle, sur le modèle CAO
de la restauration, les mêmes inconvénients comme les dis-
continuités en courbure sont introduites avec le STL (Fig. 6).
Dans certain logiciel de CAO dentaire, les modèles B-Spline,
Hermit ou NURBS sont implémentés pour éviter ces dis-
continuités en courbure et concevoir des restaurations plus
biomimétiques et ayant une surface plus lisse27,28.
Des modèles CAO paramétrés des restaurations sont
proposés dans les logiciels de CAO dentaire. La paramétri-
sation est basée sur la modélisation géométrique de l’ana-
tomie dentaire. Cette modélisation s’appuie sur l’approxi-
mation d’entités surfaciques occlusales, buccales,
proximales et linguales (crête, sillon, cuspide, ligne cervi-
cale) avec des courbes et des points caractéristiques27,33,34.
Ces paramètres géométriques sont au cœur des modèles
anatomiques fournis dans les banques de dents numé-
riques. Ainsi, une restauration conçue est une approxima-
tion géométrique biomimétique de l’anatomie dentaire.
Traitement des données numériques
Des outils de positionnement, mise à l’échelle et modelage
sont exploités pour traités les modèles CAO paramétrés
des dents afin d’obtenir la conception finale de la restau-
ration. Différents types d’algorithmes et d’outils logiciels
sont utilisés pour concevoir une restauration33. Le niveau
d’automatisation et les principes de fonctionnement de
ces algorithmes et outils sont très variés27,33,34. Néan-
moins, le protocole de conception d’une restauration est
souvent basé sur des processus interactifs assistés par ordi-
nateur, et le concepteur peut modifier le modèle numé-
rique de la restauration en ajustant ses paramètres asso-
ciés (ajustement des jeux d’adaptation des surfaces
occlusales, axiales et internes; ajustement de l’intensité
des contacts occlusaux et proximaux)35,36.
Protocole de Fabrication de Restauration
Des dispersions géométriques et approximations peuvent
survenir lors du protocole de fabrication de restauration.
Des dispersions géométriques et approximations sont intro-
International Journal of Computerized Dentistry 2015;18(4): 343–367
 APPLICATION

duites dans le flux numérique de FAO et d’usinage CN ainsi Aberrant, missing, and poor Missing, unsuitable, and poor
que par la structure mécanique de l’équipement d’usinage. detailed surface areas of the detailed surface shape areas of
patient teeth and tissues dental restoration anatomy
Zones abérrantes, manquantes Zones manquantes, inexploi-
Modélisation et traitement des données FAO et faiblement détaillées des sur- tables et faiblement détaillées
faces représentants la denture des surfaces anatomiques de
La FAO est réalisée à l’aide de modules logiciel dédiés à la et tissues du patient. la restauration dentaire.
création d’un processus d’usinage virtuel de la restaura-
tion et de la programmation pour commande numériques STL digital master cast Restoration CAD
(Fig. 7). Plusieurs stratégies d’usinage sont implémentées model (digital data) model (digital data)
Maître modèle Design/ Modèle CAO
dans une banque logicielle prédéfinie pour associer un Conception
processus d’usinage à une restauration donnée. numérique STL de la restauration
(donnée numériques) (données numériques)
Plusieurs types de stratégie d’usinage sont utilisés en
FAO dentaire37. Une stratégie d’usinage se définit par deux CAD software
Dental anatomy modeling CAD digital data
paramètres fondamentaux: les directions d’usinage et de processing

balayage. La Figure 8a illustre ces deux paramètres pour la Logiciel CAO

stratégie niveau de Z, stratégie la plus utilisée dans les logi-
ciels de FAO. Dans cette stratégie, le modèle FAO est obte-
nu par la découpe du modèle CAO par des plans parallèles
tous perpendiculaires à la direction d’usinage. La direction
d’usinage est donnée par la direction de l’axe de l’outil. Lors
de l’usinage, le bout de l’outil va suivre une trajectoire dans
chaque plan horizontal. Chaque trajectoire est une courbe
2D définie par la courbe d’intersection entre un plan et la
surface de la restauration. Chaque courbe 2D définit une
direction de balayage. Pour la stratégie en niveau de Z, la
surface de la restauration est balayée selon un réseau de
courbes parallèles séparées par un pas de discrétisation, dis-
tance entre deux plans parallèles du modèle FAO. La
dimension de ce pas et la géométrie de l’outil déterminera
alors la manière dont le modèle CAO est approximé par
rapport à la géométrie qui sera finalement usinée. Cette
approximation affectera la géométrie de la surface et la
rugosité de la restauration. En effet, certains détails géomé-
triques du modèle CAO de la restauration peuvent être
négligés entre deux plans consécutifs. La combinaison de la
direction de balayage de la stratégie d’usinage avec la géo-
métrie de l’outil induit un profil de matière restante entre
deux passages consécutifs de l’outil – hauteur de crête en
ingénierie mécanique (Fig. 8b) – qui est directement lié à la
rugosité de surface38. De ce fait, les courbes de balayage
générées lors de la FAO approximent géométriquement la
surface de la restauration conçue.
Usinage CN
L’usinage CN est réalisé avec une machine-outil contrôlée
numériquement (MOCN). Une MOCN est une
machine-outil programmable associée à un contrôleur
Traitement de données numériques pour
modéliser en CAO l’anatomie dentaire
Fig 6 Sources of geometric defects and approximations in the
restoration design workflow (blue: the digital data workflow;
green: sources of defects or approximations; red: potential
defects or approximations).
Fig. 6   Sources des dispersions géométriques et approxima-
tions lors du flux de conception de la restauration (en bleu, le
flux numérique de données; en vert, sources de dispersions ou
d’approximations; en rouge, dispersions ou approximations
potentielles).
neering (Fig 8b) – which is directly linked to the surface
roughness.38 Hence, the machining sweeping curves gener-
ated during CAM processing geometrically approximate the
designed restoration surface.
NC machining
NC machining is performed by a numerically controlled
machine tool (NC machine tool). A NC machine tool is a pro-
grammable machine tool fitted with a numerical controller.39
The numerical controller processes the automatic control of
the machine tool that implements the numerical data from
the NC program, which are introduced during the machin-
ing. The NC program is a set of milling instructions (displace-
ment coordinates, tool feed rate, and rotation speed)
obtained during the post-processing of the CAM model.
Most numerical controllers in dental NC machine tools can
control only linear or circular tool paths. Therefore, an NC
program sent to a numerical controller must be composed of
consecutive lines and/or circle arcs.

International Journal of Computerized Dentistry 2015;18(4): 343–367 355

APPLICATION

Missing, unsuitable, and poor Approximation of the restoration Approximation of the

detailed surface shape areas of
dental restoration anatomy
Zones manquantes, inexploitables
et faiblement détaillées des surfaces
anatomiques de la restauration
surface shape CAD model with a set of restoration surface
consecutive lines Approximation de la
Approximation de la surface du surface de la restauration
modèle CAO de la restauration avec un
ensemble de lignes consécutives

Restoration CAD model (digital data) NC program (digital data) Milled restoration (physical data)
Modèle CAO de la restauration Programme de commande nu- Restauration usinée (données
(données numériques) mérique (données numériques) physiques)
NC machine tool/
CAM/FAO Machine-outil à com-
mande numérique

CAM software NC control

Machining strategy modeling Numerical axis technology
NC program generation Computerized axis motion control
Logiciel FAO Contrôle de commande numérique
Modèle de stratégie d’usinage, génération du programme à Technologie des axes numériques, Contrôle
commande numérique informatiques des mouvements d’axe

Machine tool structure

Component technical solution
Kinematical connection Component interface

Structure de machine-outil
Solution technologique des composants, liaison
cinématique, composants d’interface

Milling process
Mechanical loads, vibrations, chocks
Tool wear and geometry

Processus d’usinage
Contraintes mécaniques, vibrations, chocs
Usure outil et géométrie outil

Fig 7 Sources of geometric defects and approximations in the CAM workflow (blue: the digital data workflow; green: sources of
defects or approximations; red: potential defects or approximations).
Fig. 7   Sources de dispersions géométriques et approximation dans le flux FAO (en bleu, flux de données numériques; en vert,
sources de dispersions ou approximations; en rouge, dispersions ou approximations potentielles).

For dental restoration machining, the generated tool path
(machining sweeping curves generated by the CAM soft-
ware) is composed of a complex network of non-linear or
non-circular curves. Thus, in most dental CAM software,
such complex curves are approximated by consecutive lines.
As Figure 8c illustrates, a chord error parameter is applied by
the CAM software when post-processing the tool path of the
CAM model.40,41 The chord error value is directly linked with
the form error obtained on the restoration after machining.
numérique39. Le contrôleur numérique pilote automati-
quement la machine-outil à l’aide de données numériques
issues d’un programme CN, qui sont introduites en cours
d’usinage. Le programme CN est un ensemble d’instruc-
tions d’usinage (coordonnées de déplacement, vitesse
d’avance et de rotation de l’outil) obtenues après le
post-traitement du modèle FAO. La plus part des contrô-
leurs numériques des MOCN dentaires peuvent piloter
des trajectoires linéaires ou circulaires. Ainsi, un pro-

356 International Journal of Computerized Dentistry 2015;18(4): 343–367


Machining direction/
Direction d’usinage
Tool sweeping
direction/
Direction de
balayage de l’outil
Discretization
Discretization plane/ step/
Plans de
Pas de
discrétisation discrétisation
Z level machining strategy model/
a Modèle de stratégies d’usinage par niveau de Z
CAM machining strategy directions/
Directions associées à une stratégie d’usinage FAO
Cusp height/Hauteur de crête
Profile of material remaining after
subsequent tool tip sweeping/
Profil de matière restant
après des balayages
consécutifs du
bout d’outil
Expected restoration geometry (CAD model)/
Géométrie de restauration attendue (modèle CAO)
b Generated cusp height/Hauteur de crête générée
Fig 8 CAM data modeling and effect of processing parameters.
Fig. 8 Modélisation des données FAO et effet des paramètres de traitement.
gramme CN envoyé à un contrôleur numérique doit
contenir un ensemble de lignes et/ou d’arcs de cercle
représentant les trajectoires de l’outil.
Pour l’usinage de restauration dentaire, les trajectoires
générées (courbes de balayage générées par le logiciel
FAO) se composent d’un réseau complexe de courbes non
nécessairement linéaires ou circulaires. Ainsi, dans la plu-
part des logiciels de FAO dentaire, de telles courbes com-
plexes sont approximées par des lignes consécutives.
Comme illustré Figure 8c, un paramètre d’erreur de corde
est implémenté dans le logiciel de FAO lors du post traite-
ment des trajectoires d’usinage du modèle FAO40,41. La
valeur de l’erreur de corde est directement liée avec l’er-
reur de forme obtenue sur la restauration après usinage.
Lors de l’usinage CN, le contrôleur numérique met en
œuvre le programme CN et simultanément pilote les diffé-
rents axes numériques de la machine outil. Deux types
d’axes numériques peuvent être exploités42. Le premier
type est un axe de déplacement, pour lequel un nombre
infini de positions est atteignable, à l’erreur de résolution de
positionnement près. Avec cette technologie, certaines
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
Network of parallel
2D curves for a
Z level strategy,
experiment process in
our research laboratory with
Catia™ Dassault System® CAM
software, Velizy-Villacoublay, France/
Réseau de courbes 2D parallèles pour une stratégie
niveau de Z, expérimentation menée dans notre labora-
toire de recherche avec le logiciel FAO Catia™-Dassault
Systèmes®, Vélizy-Villacoublay, France
Chord error/
Erreur de corde
Theoretical tool sweeping curve/
Courbe théorique de balayage
Programmed curve/
Courbe programmée
c Generated chord error/Erreur de corde générée
During NC machining, the numerical controller imple-
ments the NC program and simultaneously controls the dif-
ferent numerical axes of the machine tool. Two types of
numerical axes can be used.42 The first type is an axis move-
ment, whereby an infinite set of positions can be reached,
with a positioning resolution error. With this technology,
some positions of the NC program cannot be reached
because of a positioning resolution error. Therefore, the tool
tip does not reach all the expected locations; geometric errors
are introduced between the NC program and the real tool
path.
To avoid this bias, a second type of numerical axis is
used: an axis movement whereby the position and speed
are real-time controlled. Such an axis allows the tool to
reach an infinite number of positions, with numerical con-
trol of position and speed. Such a numerical axis requires
the addition of a sensor and transmitter that measures the
movement and velocity of the axis and transmits these data
to the NC controller in real time. These measured data are
compared with the position and speed points set in the NC
program. With differences in position and speed points, the
357
APPLICATION
NC controller immediately cancels the positioning and/or
speed error. The technical quality of the measurement sen-
sor and transmitter and the reliability of the NC controller
algorithms directly affect the continuous control of the
machining bias, and therefore the geometric error between
the NC program and the real tool path.
Milling machine tool
Dental CAD/CAM machine tools are composed of a com-
plex electromechanical structure (frame, kinematics con-
nections, and electrical motors) designed to absorb
mechanical loads during the machining process (Fig 9).
These loads are induced by the material removal phenom-
enon.43 The electromechanical structure behavior in terms
of abrasion or cutting phenomena can affect the accuracy
of the final restoration. Machine tool structure and tool
flexural phenomena, vibrations, and chocks are common
during milling, and also directly affect the restoration’s
geometric quality.
A machine tool kinematic structure is composed of linear
or angular kinematic connections, with the frame ensuring
axis displacement.44 Each kinematic connection introduces
its own geometric defect, and the relative positioning of the
kinematic connection also introduces geometric defects
(Fig 9). As Figure 10 illustrates, the expected movement is a
linear motion of the mobile solid (1) relative to the immobile
solid (2). However, the real movement is a curvilinear motion
of the mobile solid (1) relative to the immobile solid (2),
because the geometric defect on the solid (2) induces a dis-
turbed rotational movement (pitch, rolling, and yaw move-
ment).
A machine tool structure is composed of a housing con-
nection between the numerical axis and workpiece holder,
workpiece holder and workpiece (machine tool–workpiece
interface), numerical axis and spindle, spindle and tool hold-
er, and tool holder and tool (machine tool–tool interface).
Each housing connection introduces its own geometric
defect, which results in poor relative positioning of connect-
ed components (Fig 9). The machine tool interfaces and the
workpiece and tool, respectively, are removable in order to
change the raw block of material and the worn-out tool.
Nevertheless, such removable housing connections introduce
random geometric positioning errors due to clamping condi-
tion variations.
The spindle is composed of a rotor that supports the tool
holder in rotary motion relative to the stator. This internal
pivot connection also introduces geometric defects affecting
358
positions demandées dans le programme CN ne sont pas
atteintes à cause de l’erreur de résolution de positionne-
ment. De ce fait, le bout de l’outil n’atteint pas toutes les
positions attendues; des écarts géométriques sont introduits
entre le programme CN et la trajectoire réelle de l’outil.
Pour éliminer ce biais, un second type d’axe numé-
rique est utilisé: un axe de déplacement pour lequel sa
position et sa vitesse sont contrôlés en temps réel. Ce type
d’axe permet à l’outil d’atteindre un nombre infini de
positions, avec contrôle permanent de sa position et sa
vitesse. Un tel axe numérique nécessite l’installation de
capteur et transmetteur mesurant le déplacement et la
vitesse de l’axe et transmettant ces données au contrôleur
CN en temps réel. Ces données mesurées sont comparées
avec la position et la vitesse de consigne issues du pro-
gramme CN. Dès qu’une erreur de position ou de vitesse
est détectée, le contrôleur CN corrige immédiatement les
erreurs de position et /ou de vitesse. La qualité techniques
des capteurs et transmetteurs et la fiabilité des algorithmes
implémentés dans le contrôleur CN affectent directement
le contrôle continu des biais d’usinage et ainsi, l’écart géo-
métrique entre le programme d’usinage et la trajectoire
réelle d’usinage.
Machine d’usinage
Les machines outils de CFAO dentaire se composent d’une
structure électromécanique complexe (bâtis, liaisons ciné-
matiques, et moteurs électriques) conçus pour encaisser
les contraintes mécaniques lors du processus d’usinage
(Fig. 9). Ces contraintes sont induites par le phénomène
d’enlèvement de matière43. Le comportement de la struc-
ture électromécanique face au phénomène d’abrasion ou
de coupe peut affecter la précision finale de la restaura-
tion. Les phénomènes de flexion de la structure de la
machine-outil ou de l’outil, de vibration, et de chocs sont
ordinaires lors de l’usinage et peuvent affecter la qualité
géométrique de la restauration.
La structure cinématique d’une machine-outil est com-
posée de liaisons glissière ou pivot, en relation avec le bâti,
assurant ainsi les déplacements des axes44. Chaque liaison
cinématique introduit ses propres dispersions géomé-
triques, et la position relative entre chaque liaisons ciné-
matiques introduit aussi des dispersions géométriques
(Fig. 9). Comme l’illustre la Figure 10, le mouvement
attendu est un déplacement linéaire d’un solide mobile (1)
relativement à un solide immobile (2). Cependant, le mou-
vement réel est un mouvement curviligne du solide mobile
International Journal of Computerized Dentistry 2015;18(4): 343–367
 APPLICATION

Geometric defects
Pivot kinematic connection/
Défauts géométriques Geometric defects
Liaison cinématique pivot Slide kinematic connection/
Défauts géométriques
Frame/Bâti Liaison cinématique glissière
A: Rotary numerical
Geometric defects axis/axe numérique
unremovable housing connection/ de rotation Y: Translation numerical
Défauts géométriques axis/axe numérique Geometric defects
Liaison encastrement de translation Slide kinematic connection/
indémontrable Défauts géométriques
Workpiece holder/ Liaison cinématique glissière
Geometric defects Porte-pièce
X: Translation numerical
Machine tool–workpiece interface
Geometric defects
axis/axe numérique
(removable housing connection)/ Slide kinematic connection/
de translation
Défauts géométriques Défauts géométriques
Interface pièce – machine-outil Liaison cinématique glissière
(liaison encastrement démontable) Z: Translation numerical
axis/axe numérique
de translation Geometric defects
Workpiece/
unremovable housing connection/
Pièce
Défauts géométriques
Liaison encastrement indémontable
Spindle/
Broche Geometric defects
Internal pivot kinematic connection
Tool holder/ between the rotor and stator of spindle electri-
Tool/ Porte-outil cal engine/
Outil Défauts géométriques
Liaison cinématique pivot interne au moteur
Mechanical loads when milling Geometric defects
électrique de la broche entre le rotor et le stator
machine tool structure and tool flexural pheno- Machine tool–tool interface
mena, vibrations, chocks/ (removable housing
Geometric defects connection)/ Geometric defects
Contraintes mécaniques lors de l’usinage
Tool manufacturing process Défauts géométriques Spindle – tool holder interface
phénomènes de flexions de la structure de la
Tool wear/ Interface outil - machine- (removable housing connection)/
machine-outil et de l’outil, vibrations, chocs
Défauts géométriques outil (liaison encastrement Défauts géométriques
Processus de fabriaction de l’outil, démontable) Interface porte-outil – broche
Usure outil (liaison encastrement démontable)

Fig 9 Machine tool structure: sources of geometric defects (example based on Carestream CS 3000 machine tool, Carestream
Dental [New York, USA]).
Fig. 9 Structure d’une machine-outil: sources de dispersions géométriques (exemple basé sur la machine outil Carestream
CS 3000, Carestream dental [New York, USA]).

(1) relativement au solide immobile (2) à cause des disper- the rotary cutting movement of the tool (axial and radial run-
sions géométriques du solide (2) induisant des mouve- out).
ments de rotations parasites (mouvements de tangage, A theoretical tool geometry is used in CAM software to
lacet et roulis). generate the tool path. Unfortunately, because of the
La structure d’une machine-outil est composée de liai- tool-manufacturing process, the real tool geometry contains
sons encastrement entre les axes numériques et le porte- geometric defect (dimension, form) during milling. Moreo-
pièce, le porte-pièce et la pièce (interface machine-outil – ver, this real geometry evolves due to tool wear during mill-
pièce), les axes numériques et la broche, la broche et le ing.
porte-outil et, le porte-outil et l’outil (interface
machine-outil – outil). Chaque liaison encastrement intro-
duit ses propres défauts géométriques, qui peuvent
engendrer un mauvais positionnement relatif des diffé-
rents composants de la machine-outil (Fig. 9). Les inter-
faces de la machine-outil avec la pièce et l’outil, respecti-
vement, sont démontables pour pouvoir changer le bloc

International Journal of Computerized Dentistry 2015;18(4): 343–367 359

APPLICATION
Mobile solid (1)/
Solide mobile 1
Rolling movement/
Mouvement de roulis
Immobile solid (2) with
geometric defect/ Yaw movement/
Solide immobile 2 avec défauts Mouvement de tangage
géométriques
Fig 10 Slide kinematic-connection geometric defect.
Fig. 10   Défauts géométriques dans une liaison glissière.
Discussion
Geometric defects and approximations
Digitizing protocol
Several digitizing devices for dental restoration are available,
which are based on several different technical solutions, with
several sources of uncertainties introducing geometric
defects. In current non-contact digitizing, the main difficulty
is to determine which uncertainties affect the restoration’s
adaptation.
The dental community generally believes that most
uncertainties are attributable to the digitization device, but
this is not entirely true. As was previously discussed, intraoral
digitization depends largely on the user’s skills, whereas this
is not the case as much for extraoral digitization. Neverthe-
less, this situation does not mean that extraoral digitizing is
the best practice, as the use of a traditional impression and
cast of a stone replica also introduce uncertainties. Most
practitioners seem to be more skilled at producing an accu-
rate traditional impression than an optical impression due to
their experience and daily practice. The general practitioner’s
involvement in the digitization step and carefulness in limit-
ing external environmental effects are also key factors in
reducing geometric defects.
Data processing integrated into digitized data processing
and post-processing involves a high level of automation, in
360
Pitch movement/
Mouvement de lacet
Real curvilinear movement/
Mouvement curviligne réel
Expected linear movement/
Mouvement rectiligne attendu
de matière brute et les outils usés. Malheureusement, de
telles liaisons encastrement démontables introduisent des
erreurs de positionnements aléatoires liées aux variations
de condition de bridage.
La broche se compose d’un rotor auquel est lié le
porte-outil, en mouvement de rotation relatif par rapport
au stator. Cette liaison pivot interne à la broche introduit
aussi des défauts géométriques affectant le mouvement
de rotation de coupe de l’outil (battement radial et axial).
Une géométrie théorique de l’outil est utilisée dans le
logiciel de FAO pour générer les trajectoires d’usinage. Mal-
heureusement, à cause du processus de fabrication de l’ou-
til, la géométrie réelle de l’outil est affectée de défauts géo-
métriques (dimension, forme). De plus, la géométrie réelle
de l’outil évolue à cause de son usure au cours des usinages.
Discussion
Dispersions géométriques et approximations
Protocole de numérisation
Plusieurs équipements de numérisation dédiés aux restau-
rations dentaires sont disponibles sur le marché. Ces solu-
tions se basent sur différentes solutions technologiques,
ayant de nombreuses sources d’incertitudes introduisant
des dispersions géométriques. Actuellement, dans la
International Journal of Computerized Dentistry 2015;18(4): 343–367

numérisation sans contact, la principale difficulté est
d’identifier quelles incertitudes affectent l’adaptation
finale de la restauration.
La communauté dentaire pense souvent à tort que les
incertitudes les plus néfastes sont attribuables à l’équipe-
ment de numérisation, mais ce n’est pas totalement vrai.
Comme nous l’avons discuté, la numérisation intra orale
dépend énormément de l’expérience de l’utilisateur, alors
que la numérisation extra orale en est moins dépendante.
Néanmoins, cette situation ne signifie pas que la numérisa-
tion extra orale est la meilleure pratique, car l’utilisation de
l’empreinte traditionnelle et d’un modèle en plâtre introduit
aussi des incertitudes. La plupart des praticiens semble être
plus expérimenté pour réaliser une empreinte traditionnelle
fiable qu’une empreinte optique, du à leurs expériences et
pratiques quotidiennes. La formation du praticien à l’étape
de numérisation et l’attention portée à la limitation des
effets de l’environnement externes sur la numérisation sont
des facteurs clés pour réduire les dispersions géométriques.
Le traitement et post-traitement des données numéri-
sées s’appuient sur un haut niveau d’automatisation, ainsi
les développeurs de logiciel de CFAO ont verrouillés les
paramètres d’alignement, filtrage et maillage de nuage de
points33. Une forme non valide du modèle STL de la denture
peut être imputé à un mauvais choix ou une mauvaise défi-
nition des paramètres des algorithmes de traitement34,35. Le
filtrage, alignement et maillage d’un nuage de points par un
modèle STL introduisent des défauts dimensionnels et de
courbures dans le maître modèle numérique.
La principale difficulté est de déterminer si les ordres
de grandeur de ces erreurs de dimension et forme affectent
manifestement l’adaptation finale de la restauration. Les
ordres de grandeur de ces défauts géométriques devraient
être comparés aux tolérances géométriques acceptables
pour l’adaptation d’une restauration.
Protocole de conception de la restauration
Un processus interactif et semi-automatisé du processus de
conception basé sur une banque de dents génériques per-
met de réaliser la conception de restauration. Un tel proces-
sus de conception interactif semble pertinent pour pouvoir
répondre aux exigences cliniques, mais comme pour la
numérisation, la courbe d’apprentissage pour concevoir
une restauration adéquate est un facteur clé. Un débutant
dans l’utilisation de la CFAO dentaire aura plus de difficulté
à concevoir une restauration pérenne qu’un utilisateur plus
expérimenté. D’autre part, chaque système de CFAO den-
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
that dental CAD/CAM software developers have locked the
alignment, filtering, and meshing parameters.33 An invalid
shape of the STL model of the tooth can be imputed to par-
ameters poorly chosen or defined in the processing algo-
rithm.32,45 Point-cloud filtering, alignment, and meshing
with the STL model introduces dimension and curvature
defects on the digital master model that are different from
the patient’s tooth.
The main difficulty is determining whether the range of
these dimension and shape errors markedly affects the resto-
ration’s adaptation. The dimension of geometric defects
should be compared to the dimension tolerance suitable for a
restoration’s adaptation.
Restoration design protocol
An interactive and semi-automated design process based on
restoration databases allows for restoration design. Such an
interactive design process seems to be relevant to meet the
clinical requirements; but for digitizing, the learning curve in
designing a proper restoration is a key factor. A beginner in
dental CAD/CAM use may have more difficulty designing a
suitable restoration than an experienced user. Moreover, each
dental CAD/CAM system provides different databases for
tooth surface shape, design parameters, CAD model, and
design process for several restoration types. Therefore, the res-
toration’s shape does not always meet the true anatomical
requirements. The main difficulty is determining whether the
range of morphologic design errors affects the final restoration.
Restoration manufacturing protocol
The machining strategy model and parameters integrated in
the CAM software, which are set by the dental CAD/CAM
software developers and cannot be modified by the CAM
user, are processed with a high level of automation. As men-
tioned previously, the chord error and discretization step par-
ameters directly affect the geometric form of the milled res-
toration. These values implemented in the CAM software
should be compared to the form tolerance that is acceptable
for the suitable adaptation and contact-point position of a
restoration.
The height of the remaining material profile generated
after milling by the tool’s geometry, as well as the discretiza-
tion step, should be compared with the expected roughness
of the restoration surface. Another well-known effect of the
machining strategy is the surface integrity of the milled sur-
face.46 Therefore, machining strategies should be carefully
361
APPLICATION
chosen to optimize the geometric form, roughness, and sur-
face integrity of the restoration.
Several types of dental machine tools are available. These
tools can be specifically designed for dental applications (Cerec
MC XL, Sirona), or adapted from the micromechanical industry
(Ultrasonic 20, DMG). The wide range in price suggests differ-
ent technical solutions with different quality. Hence, the techni-
cal properties of machine tools for digital dentistry should be
researched in terms of the final restorations obtained.
Definitions and evaluation of accuracy in
digital dentistry
Several academic and industrial protocols have been devel-
oped to assess the accuracy of the digitizing process or the
whole CAD/CAM process.6,7,47-53 These studies have been
limited to evaluating local geometric defects in the digitizing
process, or global geometric defects in the whole CAD/CAM
process.19 However, defect sources in the CAD/CAM process
are not limited to the digitizing process, and no study has
determined whether the major contribution to global defect
can be attributed to the digitizing protocol only, and particu-
larly the digitizing device.
From a mechanical engineer’s viewpoint, each of the pro-
posed protocols is based on its own accuracy criteria and pro-
tocol of assessment. As stressed by the 3Shape Technology
Research center, we currently cannot compare different digi-
tizing devices.17 For example, the D900 scanner (3Shape)
supposedly has an accuracy of 15 µm, with an indication for
the measuring method of “Measured using metrology gauge
block.” However, one cannot determine whether the given
accuracy value corresponds to the scanner’s trueness, repeat-
ability or reproducibility for a dimensional value, or to the
form error of the used “metrology gauge block.” ISO assess-
ment recommendations should be adopted for each type of
CAD/CAM device or software, to provide practitioners and
laboratory technicians with clear, interpretable, and objective
accuracy values. This is the aim of the proposed ISO 12836
standard, dedicated to assessing the accuracy of extraoral
digitizing devices.6
In academic papers dedicated to the evaluation of dental
CAD/CAM accuracy, the restoration’s adaptation – and the
marginal adaptation, in particular – seems to be the focus of
the metrological measurement and analysis, and thus the most
clinically relevant parameter in terms of prosthesis quality.51,52
Nevertheless, associated dimension measurements are not the
same in each protocol, and the marginal fit values range from
20 to 200 µm, so they cannot be compared.7,53 Also, the clin-
362
taire propose sa propre banque de dents génériques et ses
propres paramètres de conception, son propre modèle CAO
et son propre protocole de conception pour différents types
de restauration. Ainsi, la forme de la restauration ne peut
pas toujours correspondre aux réelles exigences anato-
miques. La principale difficulté est de déterminer si les
ordres de grandeur de ces écarts morphologiques de
conception affectent la restauration finale.
Protocole de fabrication de la prothèse
Les modèles de stratégie d’usinage et paramètres associés
intégrés dans les logiciels de FAO sont implémentés avec
un haut niveau d’automatisation: les développeurs de
logiciel de CFAO dentaire fixent les modèles de stratégies
et paramètres associés, et l’utilisateur de la FAO ne peut
pas les modifier. Comme mentionné précédemment, les
paramètres d’erreurs de corde et de pas de discrétisation
impactent directement la forme de la restauration usinée.
Ces valeurs implémentées dans les logiciels de FAO
devraient être comparées aux tolérances de forme accep-
tables pour une adaptation pérenne de la restauration et
aux tolérances de positions de points de contact.
La hauteur du profil de matière restant généré après
usinage par la géométrie outil et le pas de discrétisation
devrait être comparée avec les rugosités attendues sur la
surface de la restauration. Un autre effet important de la
stratégie d’usinage est l’intégrité de la surface usinée46.
Ainsi, les stratégies d’usinage devraient être choisies avec
attention pour optimiser la forme, la rugosité et l’intégrité
de surface de la restauration.
Plusieurs types de machine-outil sont disponibles sur le
marché. Ces machines peuvent être spécifiquement
conçues pour des applications dentaires (Sirona – Cerec
MCXL) ou adaptées de l’industrie micro-mécanique
(DMG – Ultrasonic 20). La large gamme de prix de ces
machines suggère plusieurs solutions technologiques de
qualité différente. Ainsi, les capacités techniques des
machines-outils pour la dentisterie numérique devraient
être corrélées avec la qualité de restauration obtenue.
Définitions et évaluation de la précision en
dentisterie numérique
Plusieurs protocoles académiques et industriels ont été déve-
loppés pour évaluer la précision du processus de numérisa-
tion ou de l’ensemble du processus CFAO6,7,47-53. Le pre-
mier type d’étude études se sont limités à l’évaluation de
International Journal of Computerized Dentistry 2015;18(4): 343–367

défauts géométriques locaux19. Pourtant, les sources de
défaut dans un processus CFAO ne se limitent par à la numé-
risation, et aucune étude n’est en mesure de prouver que la
contribution majeure au défaut global final d’une restaura-
tion est uniquement imputable au protocole de numérisation
et particulièrement à l’équipement de numérisation.
Du point de vue l’ingénieur en mécanique, chaque
protocoles se base sur ses propres critères de précision et
méthode d’évaluation. Par conséquent, comme l’a souli-
gné le centre de recherche technologique de 3 Shape, à
l’heure actuelle il est impossible de comparer des équipe-
ments de numérisation17.
Par exemple, le scanner 3Shape – D900 est supposé
avoir une précision de 15 µm, avec une indication sur la
méthode de mesure employée: «Mesuré en utilisant des
cales étalons de métrologie». Malgré ces informations, per-
sonne ne peut dire si la valeur de précision annoncée cor-
respond à la justesse, répétabilité ou reproductibilité du
scanner pour une valeur dimensionnelle étalon ou une
erreur de forme de la cale étalon utilisée. Les recommanda-
tions issues de l’ISO devraient être adoptées pour chaque
équipement ou logiciel CFAO, afin de fournir aux praticiens
et techniciens de laboratoire des valeurs de précision claires,
interprétables et objectives. C’est un des objectif de la
norme ISO 12836, dédiée à l’évaluation de la précision des
équipements de numérisation extra oraux6.
Dans les publications académiques dédiées à l’évalua-
tion de la précision de la CFAO dentaire, l’adaptation de la
restauration – et particulièrement l’adaptation marginale –
semble être le critère d’intérêt mesuré et analysé métrolo-
giquement, et ainsi le paramètre clinique le plus pertinent
évaluant la qualité de prothèse51,52. Toutefois, les dimen-
sions mesurés et associées à chaque protocole ne sont pas
les mêmes, et les valeurs d’adaptation marginale varient
entre 20 à 200 µm, ainsi il ne peuvent être comparés7,53.
De plus, la recommandation clinique pour une adaptation
marginale acceptable est suggérée entre 100 et 120 µm.
Cette dimension empirique obtenue en bouche correspond
approximativement à la dimension de la pointe des sondes
intra buccales des praticiens. Du point de vue d’un ingé-
nieur en mécanique, il n’existe pas de mesure référence
fiable, la direction de mesure et la tolérance dimensionnelle
d’une adaptation marginale acceptable n’est pas définie de
manière objective et non interprétable. En d’autres termes,
et en s’appuyant sur les normes ISO 5725, la valeur vraie
de l’adaptation marginale n’a jamais été définie de la même
manière dans toutes les études, ce qui explique la large
gamme de valeurs rapportées.
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
ical recommendation for an acceptable marginal fit is set to
below 100 to 120 µm. This dimension approximately corre-
sponds to the dimension of the practitioner’s dental probe tip.
From a mechanical engineer’s viewpoint, the marginal fit
measuring direction and dimension tolerance are not defined.
In other words, and according to ISO 5725 standards, the true
value of the marginal fit was not defined in the same way in all
studies, which explains the wide range of reported values.
In addition, from a mechanical engineer’s viewpoint,
most of the assessment protocols for dental CAD/CAM tools
give a global evaluation of geometric defects, which repre-
sents the sum of all the geometric defects introduced by the
different devices and software of the CAD/CAM system. As
a consequence, such protocols do not allow for finding the
CAD/CAM component that really introduces the highest
range of geometric defect. For example, a restoration that
does not fit the patient’s prepared tooth can be imputed to
the dental laboratory that produced the restoration, although
this misfit can originate in the tooth and tissue digitizing. The
future assessment of dental CAD/CAM accuracy might be
dedicated to evaluating local geometric defects. This situa-
tion would be particularly helpful, because new and future
dental CAD/CAM systems have a higher level of openness,
and allow for interchanging, replacing, or modulating a chain
link in the dental CAD/CAM system.
As a conclusion, the accuracy property is relevant in dental
CAD/CAM systems. Nevertheless, the described characteris-
tics are too vague, and evaluation protocols are too different,
for the comparison of CAD/CAM solutions. The recommen-
dations proposed in ISO 5725 and ISO 12836 standards seem
to be relevant to improve the accuracy of current measure-
ment protocols. The geometric defect sources should be dis-
tinguished in these protocols to allow for the analysis of which
digital devices or software most contribute to the global
geometric defect occurring in the final restoration.
Practitioners should help researchers to qualify and quantify
expected true values, such as the most meaningful and optimal
restoration adaptation. Some practitioners claim that maximal
accuracy is needed, but this is necessarily more expensive and
time-consuming. Practitioners should define the correct (neces-
sary and sufficient) “quality” for a given restoration type.
To evaluate dental CAD/CAM accuracy properly, it is
necessary to:
•• Qualify and quantify the expected accuracy according to
clinical functional requirements criteria with clearly
defined parameters (eg, dimension tolerance in a given
direction, form, or roughness tolerance in a given restor-
ation area).
363
APPLICATION
•• Qualify and quantify the accuracy permitted by the dif-
ferent devices by standard accuracy parameters and
measuring protocols in order to compare the different
chain links and different commercial solutions.
Conclusions
Dental CAD/CAM is a complex digital data workflow com-
posed of digital data processing, exchange, and conversion
steps involving the use of several types of digital models,
software algorithms, and digital devices to create a restor-
ation. From analysis of the dental CAD/CAM process, the
technology used in digital devices, data-processing algo-
rithms, and data models embedded in CAD/CAM systems
induces more or less systematic geometric defects of the res-
toration. Moreover, the user’s skills and external environment
during dental CAD/CAM practice introduce random geomet-
ric defects. The user’s learning curve and carefulness seem to
be important in dental CAD/CAM practice.
The geometric defects introduced at each level of the
dental CAD/CAM system are closely related to the clinical
adaptation of the final restoration. Hence, two types of
protocols aiming to evaluate the accuracy of dental CAD/
CAM systems assess (1) the accuracy of the digitizing pro-
cess by measuring local geometric defect, and (2) the accu-
racy of the whole CAD/CAM chain by measuring global
geometric defect. Unfortunately, the accuracy values
defined and evaluated in these protocols cannot be com-
pared because the measurement methods are not standard-
ized; each protocol defines its own accuracy characteristics
such as the restoration misfit, with different measurement
directions, or defines its own artifact of comparison such as
different crown models or metrology gauges. Furthermore,
none of the reported studies could affirm that the major
contribution to the final restoration misfit – related to the
CAD/CAM system’s global geometric defects – can be
attributed to the digitizing protocol. Therefore, the accura-
cy of each device and software should be evaluated inde-
pendently, in view of the new-generation, open CAD/CAM
systems that allow (or will allow) for the integration of any
devices and software.
We suggest improving current protocols by applying ISO
5725 and ISO 12836 standards to standardize protocols
measuring the accuracy of dental CAD/CAM systems. These
protocols should be developed in consideration of the clinical
functional requirements that lead to a successful and sustain-
able restoration.
364
D’autre part, du point de vue d’un ingénieur de la
mécanique, la plupart des protocoles d’évaluation des sys-
tèmes de CFAO dentaire donne une évaluation globale
des dispersions géométriques, représentant la somme de
toutes les dispersions introduites par les différents équipe-
ments et logiciels constituant un système CFAO. En consé-
quence, ces types de protocole ne permettent pas de trou-
ver le composant CFAO qui introduit réellement le plus
grand ordre de grandeur de dispersions géométriques. Par
exemple, une restauration ne s’adaptant pas sur la dent
préparée du patient peut être imputés au laboratoire qui a
produit la restauration, bien que cette non adaptation
peut avoir pour origine un problème de numérisation des
dents et tissus dentaires en bouche. L’évaluation future de
la précision de la CFAO dentaire doit être dédiée à l’éva-
luation locale des défauts géométriques. Cette situation
serait particulièrement utile puisque les nouveaux et futurs
systèmes de CFAO dentaire ont un niveau d’ouverture
plus élevé permettant ainsi d’interchanger, remplacer ou
moduler un maillon du système de CFAO.
En conclusion, la propriété de précision est pertinente
dans le domaine de la CFAO dentaire. Néanmoins, les
caractéristiques industrielles sont trop vagues et les proto-
coles d’évaluation trop différents pour comparer des solu-
tions CFAO. Les recommandations proposées dans les
normes ISO 5725 et ISO 12836 semblent pertinentes
pour améliorer les protocoles actuels de mesure de préci-
sion. Les sources de dispersions géométriques devraient
être distinguées dans ces protocoles, pour permettre
d’analyser quels équipements numériques ou logiciels
contribuent le plus au défaut géométrique global surve-
nant sur la prothèse finale.
Les praticiens pourraient aider les chercheurs à quali-
fier et quantifier les valeurs vraies, tel que l’adaptation de
restauration la plus significative et optimale cliniquement.
Certains praticiens annoncent que la précision maximale
est nécessaire, mais la précision maximale est nécessaire-
ment plus chère et consommatrice de temps. Les prati-
ciens devraient définir la bonne – nécessaire et suffisante –
«qualité» pour un type de restauration donnée.
Pour évaluer correctement la précision de la CFAO
dentaire, il est nécessaire de:
•• Qualifier et quantifier la précision attendue au regard
des exigences fonctionnelles cliniques basées sur des
paramètres clairement définis (e.g., tolérance dimen-
sionnelle dans une direction donnée, tolérances de
forme ou de rugosité selon la zone de la restauration
considérée).
International Journal of Computerized Dentistry 2015;18(4): 343–367

•• Qualifier et quantifier la précision atteignable par les
différents équipements à travers des paramètres de
précision et protocoles de mesures standard, pour
pouvoir comparer les différents maillons de la chaîne
numérique et les différentes solutions commercialisées.
Conclusions
La CFAO dentaire s’appuie sur un flux complexe de don-
nées numériques se composant de traitement de données
numériques, d’étapes d’échange et conversion impliquant
l’utilisation de différents types de modèles numériques,
algorithmes logiciels et équipements numériques pour
réaliser une restauration. D’après l’analyse du processus
de CFAO dentaire, les technologies utilisées dans les équi-
pements numériques, les algorithmes de traitement et les
modèles numériques exploités dans les systèmes de CFAO
dentaire induisent plus ou moins de défauts géométriques
systématiques sur les restaurations. D’autre part, l’expé-
rience de l’utilisateur et l’environnement extérieur durant
la pratique de la CFAO dentaire introduisent des défauts
géométriques aléatoires. La courbe d’apprentissage et la
vigilance de l’utilisateur semblent être importants dans la
pratique de la CFAO dentaire.
Les défauts géométriques introduits à chaque niveau
du système de CFAO dentaire sont intimement liés à
l’adaptation clinique de la restauration finale. Par consé-
References
1. Fasbinder DJ. Computerized technology for restorative dentistry. Am J
Dent 2013;26:115–120.
2. van Noort R. The future of dental devices is digital. Dent Mater
2012;28:3–12.
3. Miyazaki T, Hotta Y, Kunii J, Kuriyama S, Tamaki Y. A review of dental
CAD/CAM: current status and future perspectives from 20 years of
experience. Dent Mater 2009;28:44–56.
4. Beuer F, Schweiger J, Edelhoff D. Digital dentistry: an overview of
recent developments for CAD/CAM generated restorations. Br Dent J
2008;204:505–511.
5. Tapie L, Lebon N, Mawussi B, Fron Chabouis H, Duret F, Attal J-P. Under-
standing dental CAD/CAM for restorations – the digital workflow from a
mechanical engineering viewpoint, Int J Comput Dent 2015;18:21–44.
International Journal of Computerized Dentistry 2015;18(4): 343–367
APPLICATION
quent, deux types de protocole ayant pour but d’apprécier
la précision des systèmes de CFAO évaluent (1) la préci-
sion du processus de numérisation en mesurant les défauts
géométriques locaux (2) la précision de l’ensemble de la
chaîne CFAO en mesurant les défauts géométriques glo-
baux. Malheureusement, les valeurs de précision définies
et évaluées dans ces protocoles ne sont pas comparables
car les méthodes de mesure ne sont pas standardisées;
chaque protocole définit ses propres caractéristiques de
précision, comme pour l’adaptation de la prothèse, avec
différentes directions de mesure, ou définit sont propres
étalons de comparaison comme différents modèles de
couronnes ou cales de métrologie. De plus, aucune étude
ne peut affirmer que la contribution majeure à l’inadapta-
tion finale d’une prothèse – relative aux défauts géomé-
triques globaux des systèmes CFAO – peut être attribués
au protocole de numérisation. En conséquence, la préci-
sion de chaque équipement et logiciel doit être évaluée
indépendamment, à la vue de la nouvelle génération, de
systèmes de CFAO ouverts qui autorisent ou autoriseront
l’intégration de n’importe quel équipement et logiciel.
Nous suggérons d’améliorer les protocoles actuels en
s’appuyant sur les normes ISO 5725 et ISO 12836 pour
standardiser les protocoles de mesure de précision des sys-
tèmes de CFAO dentaire. Ces protocoles devraient être
développés en considérant les exigences fonctionnelles cli-
niques menant à la réussite et pérennité d’une restaura-
tion.
6. Ng J, Ruse D, Wyatt C. A comparison of the marginal fit of crowns
fabricated with digital and conventional methods. J Prosthet Dent
2014;112:555–560.
7. Boitelle P, Mawussi B, Tapie L, Fromentin O. A systematic review of
CAD/CAM fit restoration evaluations. J Oral Rehabil 2014;41:853–874.
8. ISO 5725-1:1998. Accuracy (Trueness and Precision) of Measurement
Methods and Results – Part 1: General Principles and Definitions.
9. ISO 5725-2:2002. Accuracy (Trueness and Precision) of Measurement
Methods and Results – Part 2: Methods for the Determination of
Repeatability and Reproducibility.
10. ISO 5725-3:2001. Accuracy (Trueness and Precision) of Measurement
Methods and Results – Part 3: Intermediate Measures of the Precision
of a Standard Measurement Method.
365
APPLICATION
11. ISO 5725-4:1994. Accuracy (Trueness and Precision) of Measurement
Methods and Results – Part 4: Basic Methods for the Determination of
the Trueness of a Standard Measurement Method.
12. ISO 5725-5:2005. Accuracy (Trueness and Precision) of Measurement
Methods and Results – Part 5: Alternative Methods for the Determina-
tion of the Precision of a Standard Measurement Method.
13. ISO 5725-6:2001. Accuracy (Trueness and Precision) of Measurement
Methods and Results – Part 6: Use in Practice of Accuracy Values.
14. Duret F, Blouin JL, Brouillat C, et al. Rapport Odontologique: La CFAO
dentaire, Ministry of Research (ed). Vol. 1, ANVAR, 1987:140. English
version available at: http://www.francois-duret.com/Accueil/media/
download/Publication/97-FD%201987%20-%20CFAO%20
ANVAR%20tome%201%20UK.pdf
15. Duret F, Blouin JL, Brouillat C, et al. Rapport Odontologique: La CFAO
dentaire, Ministry of Research (ed). Vol. 2, ANVAR, 1987:142. English
version available at: http://www.francois-duret.com/Accueil/media/
download/Publication/101-FD%201987%20-%20CFAO%20
ANVAR%20tome%202%20UK.pdf
16. Duret F. Empreinte Optique. PhD dissertation in the Faculté d’Ondon-
tologie. Lyon: Université Claude Bernard, 1973:400. Available at:
http://www.francois-duret.com
17. Hollenbeck K, Allin T, van der Poel M. Technical report, Dental Lab 3D
Scanners – How they work and what works best. 3Shape Technology
Research, Copenhagen, 2012.
18. ISO 12836:2012. Dentistry — Digitizing Devices for CAD/CAM Sys-
tems for Indirect Dental Restorations — Test Methods for Assessing
Accuracy.
19. Nedelcu RG, Persson AS. Scanning accuracy and precision in 4 intraoral
scanners: an in vitro comparison based on 3-dimensional analysis. J
Prosthet Dent 2014;112:1461–1471.
20. Hayashi K, Sachdeva AU, Saitoh S, Lee SP, Kubota T, Mizoguchi I.
Assessment of the accuracy and reliability of new 3-dimensional scan-
ning devices. Am J Orthod Dentofacial Orthop 2013;144:619–625.
21. Ireland AJ, McNamara C, Clover MJ, et al. 3D surface imaging in den-
tistry – what we are looking at. Br Dent J 2008;205:387–392.
22. Lee RT, Shiou FJ. Multi-beam laser probe for measuring position and
orientation of freeform surface. Measurement 2011;44:1–10.
23. Blanco D, Fernandez P, Cuesta E, Mateos S, Beltrán N. Influence of
surface material on the quality of laser triangulation digitized point
clouds for reverse engineering tasks. In: Emerging Technologies & Fac-
tory Automation (ETFA) 2009, IEEE International Conference, IEEE,
2009:1–8.
24. Bajard A, Aubreton O, Bokhabrine Y, et al. Three-dimensional scanning
of specular and diffuse metallic surfaces using an infrared technique.
Optical Engineering 2012;51:063603-1­–063603-12.
25. Trifkovic B, Budak I, Todorovic A, Vukelic D, Lazic V, Puskar T. Compara-
tive analysis on measuring performances of dental intraoral and extraoral
optical 3D digitization systems. Measurement 2014;47:45–53.
366
26. Budak I, Vukelić D, Bračun D, Hodolič J, Soković M. Pre-processing of
point-data from contact and optical 3D digitization sensors. Sensors
2012;12:1100–1126.
27. Song YL, Li J, Yin L, Huang T, Gao P. The feature-based posterior crown
design in a dental CAD/CAM system. Int J Adv Manuf Technol
2007;31:1058–1065.
28. Mehl A, Blanz V, Hickel R. Biogeneric tooth: a new mathematical rep-
resentation for tooth morphology in lower first molars. Eur J Oral Sci
2005;113: 333–340.
29. Williams RJ, Bibb R, Eggbeer D, Collis J. Use of CAD/CAM technology
to fabricate a removable partial denture framework. J Prosthet Dent
2006;96:96–99.
30. Zhao M, Ma L, Tan W, Nie D. Interactive tooth segmentation of dental
models. In: Engineering in Medicine and Biology Society, IEEE,
2005:654–657.
31. Yau HT, Hsu CY, Peng HL, Pai CC. Computer-aided framework design
for digital dentistry. Comput Aided Des Appl 2008:5;667–675.
32. Sansoni G, Docchio F. Three-dimensional optical measurements and
reverse engineering for automotive applications. Robotics and Com-
puter-Integrated Manufacturing 2004;20:359–367.
33. Zheng SX, Li J, Sun QF. A novel 3D morphing approach for tooth
occlusal surface reconstruction. Computer-Aided Design 2011;43:
293–302.
34. Adolph S, Gürke S. Modeling of a fitting inlay from various informa-
tion. In: Vision Modeling and Visualization Conference (VMV),
2001:309–316.
35. Leu MC, Delli P, Walker MP. Digital Design and Fabrication in Dentistry.
In: Bidanda B, Bartolo P (eds). Bio-Materials and Prototyping Applica-
tions in Medicine. Springer Science Inc, 2008:125–152.
36. Reich S, Troeltzsch M, Denekas T, Wichmann M. Generation of func-
tional Cerec 3D occlusal surfaces: a comparison of two production
methods relevant in practice. Int J Comput Dent 2004;7:229–238.
37. Yau HT, Chen HC, Yu PJ. A Customized Smart CAM System for Digital
Dentistry. Computer-Aided Design and Applications 2011;8:395–405.
38. Kim T. Constant cusp height tool paths as geodesic parallels on an
abstract Riemannian manifold. Computer-Aided Design 2007;39:
477–489.
39. ISO 2806:1994. Industrial Automation Systems – Numerical Control of
Machines – Vocabulary.
40. ISO 6983-1:2009, Automation Systems and Integration – Numerical
Control of Machines – Program Format and Definition of Address
Words, Part 1. Data Format for Positioning, Line Motion and Contour-
ing Control Systems.
41. Dripke C, Groh F, Keinert M, Verl A. A New Approach to Interpolation
of Tool Path Trajectories with Piecewise Defined Clothoids. In: Enabling
Manufacturing Competitiveness and Economic Sustainability. Springer
International Publishing, 2014:249–254.
International Journal of Computerized Dentistry 2015;18(4): 343–367
 APPLICATION

42. ISO 841-1:2001. Industrial Automation Systems and Integration –

Numerical Control of Machines – Coordinate System and Motion
Nomenclature.

Gefräst.
43. Chanal H, Duc E, Ray P. A study of the impact of machine tool structure

Precious-
on machining processes. Int J Mach Tools Manuf 2006;46:98–106.

44. Okafor AC, Ertekin YM. Derivation of machine tool error models and
error compensation procedure for three axes vertical machining center
using rigid body kinematics. Int J Mach Tools Manuf 2000;40:

metal milling
Aus Edelmetall.
1199–1213.

45. Yang XD, Wang Y, Yang P. 3-D Modeling for Teeth Correction on the
Basis of Optical Measurement. Applied Mechanics and Materials
2007;10-12:662–666.

46. Yin L, Song XF, Qu SF, Han YG, Wang H. Surface integrity and removal
mechanism in simulated dental finishing of a feldspathic porcelain.
Journal of Biomedical Materials Research Part B Applied Biomaterials
2006;79:365­–378.

47. Bosch G, Ender A, Mehl A. A 3-dimensional accuracy analysis of chair-

side CAD/CAM milling processes. J Prosthet Dent 2014;112:1425–1431.

48. Probst FA, Litzenburger AP, Richter MJ, Mehl AC. Similarity measure
for quality control of dental CAD/CAM-applications. Comput Biol Med
2012;42:1086–1090.

49. Ng J, Ruse D, Wyatt C. A comparison of the marginal fit of crowns

fabricated with digital and conventional methods. J Prosthet Dent
2014;112:555–560.

50. Drago C, Saldarriaga RL, Domagala D, Almasri R. Volumetric determi-

nation of the amount of misfit in CAD/CAM and cast implant frame-
your
works: a multicenter laboratory study. Int J Oral Maxillofac Implants Configurenow!
2010;25:920–929. sca n n e r
etall.de
in-edelm
www.fraesen-
51. Scotti R, Cardelli P, Baldissara P, Monaco C. Clinical fitting of CAD/
CAM zirconia single crowns generated from digital intraoral impres-
sions based on active wavefront sampling. J Dent [epub ahead of print
17 October 2011].

52. Moldovan O, Luthardt RG, Corcodel N, Rudolph H. Three-dimensional

fit of CAD/CAM-made zirconia copings. Dent Mater 2011;27:
1273–1278. Do you do a lot of precious metal work, or just a little, or hardly
any at all? Does your lab successfully use traditional casting
53. Katoh H, Kasahara S, Ebihara Y, Kikuchi K. Evaluation of the Accuracy
processes? Do you believe in digital technologies and a wide
of CAD/CAM Crowns Fabricated Using CT Images. In: Interface Oral
mix of materials? Precious metal milling from C.HAFNER – an
Health Science 2011. Japan: Springer, 2012:265–267.
economical solution for any dental lab.

For more information call

+49 7044 90 333-333 or go to
www.c-hafner.de/en

Address/Adresse
Dr. Laurent Tapie
Faculty of Dental Surgery, Paris Descartes University, Sorbonne Paris Cité,
Paris, France, E-Mail: laurent.tapie@univ-paris13.fr

C.HAFNER GmbH + Co. KG Phone +49 7044 90 333-0

Gold- und Silberscheideanstalt dental@c-hafner.de
International Journal of Computerized Dentistry 2015;18(4): 343–367 71299 Wimsheim · Germany www.c-hafner.de/en