Yeni makine öğrenimi çerçevesi, metal 3D baskıda hassasiyeti ve verimliliği artırarak sürdürülebilir üretimi ilerletiyor

Özet: Araştırmacılar, yaygın olarak 3D baskı olarak da bilinen katkılı üretimi geliştirmek için makine öğreniminden yararlanıyor. Ekip, lazerle Yönlendirilmiş Enerji Biriktirmede (AIDED) Doğru Ters süreç optimizasyon çerçevesi adını verdikleri yeni bir çerçeveyi tanıttı. Yeni AIDED çerçevesi, bitmiş ürünün doğruluğunu ve sağlamlığını artırmak için lazerle 3D baskıyı optimize ediyor. Bu ilerleme, en uygun baskı koşullarını bulmak için metalin nasıl eriyeceğini ve katılaşacağını tahmin ederek havacılık, otomotiv, nükleer ve sağlık hizmetleri gibi endüstriler için daha yüksek kaliteli metal parçalar üretmeyi amaçlıyor.

Ayrıntılı Açıklama

Toronto Üniversitesi Mühendislik Fakültesi'nde Profesör Yu Zou liderliğindeki araştırmacılar, yaygın olarak 3D baskı olarak da bilinen eklemeli üretimi geliştirmek için makine öğreniminden yararlanıyor.

Additive Manufacturing dergisinde yayınlanan yeni bir makalede ekip, Lazerle Yönlendirilmiş Enerji Biriktirmede (AIDED) Doğru Ters süreç optimizasyon çerçevesi adını verdikleri yeni bir çerçeveyi tanıtıyor.


Yeni AIDED çerçevesi, bitmiş ürünün doğruluğunu ve sağlamlığını artırmak için lazer 3D baskıyı optimize ediyor. Bu ilerleme, en uygun baskı koşullarını bulmak için metalin nasıl eriyeceğini ve katılaşacağını tahmin ederek havacılık, otomotiv, nükleer ve sağlık hizmetleri gibi endüstriler için daha yüksek kaliteli metal parçalar üretmeyi amaçlıyor.


Doktora adayı ve yeni çalışmanın ilk yazarı Xiao Shang, "Önemli bir metal 3D baskı teknolojisi olan yönlendirilmiş enerji biriktirmenin daha geniş çapta benimsenmesi, şu anda deneme yanılma yoluyla optimum süreç parametrelerini bulmanın yüksek maliyeti nedeniyle engelleniyor" diyor.


"Çerçevemiz, sektörün ihtiyaçlarına göre çeşitli uygulamalar için en uygun süreç parametrelerini hızlı bir şekilde tanımlıyor."


Metal katkılı üretim, ince metalik tozu seçici olarak kaynaştırmak için yüksek güçlü bir lazer kullanır ve parçaları hassas bir 3D dijital modelden katman katman oluşturur.


Malzemelerin kesilmesi, dökülmesi veya işlenmesini içeren geleneksel yöntemlerin aksine, metal katkılı üretim, minimum malzeme israfıyla doğrudan karmaşık, son derece özelleştirilmiş bileşenler oluşturur.


Zou, "3D metal baskının en büyük zorluklarından biri üretim sürecinin hızı ve hassasiyetidir" diyor ve ekliyor: "Baskı koşullarındaki farklılıklar nihai ürünün kalitesinde tutarsızlıklara yol açarak güvenilirlik ve güvenlik açısından endüstri standartlarının karşılanmasını zorlaştırabilir.


"Bir diğer büyük zorluk da farklı malzeme ve parçaların baskısı için en uygun ayarların belirlenmesidir. İster havacılık ve tıbbi uygulamalar için titanyum ister nükleer reaktörler için paslanmaz çelik olsun, her malzeme belirli lazer gücü, tarama hızı ve sıcaklık koşulları gerektiren benzersiz özelliklere sahiptir. Çok çeşitli proses parametreleri arasında bu parametrelerin doğru kombinasyonunu bulmak karmaşık ve zaman alıcı bir iştir."


Bu zorluklar Zou ve laboratuvar grubuna yeni çerçevelerini geliştirmeleri için ilham verdi. AIDED, genetik algoritmanın - optimal çözümleri bulmak için doğal seçilimi taklit eden bir yöntem - önce makine öğrenimi modellerinin daha sonra baskı kalitesi için değerlendirdiği süreç parametreleri kombinasyonlarını önerdiği kapalı döngü bir sistemde çalışır.


Genetik algoritma bu tahminleri en uygunluk açısından kontrol eder ve en iyi parametreler bulunana kadar süreci tekrarlar.


Shang, "Çerçevemizin özelleştirilebilir hedeflerden optimum süreç parametrelerini bir saat gibi kısa bir sürede belirleyebildiğini ve süreç parametrelerinden geometrileri doğru bir şekilde tahmin ettiğini gösterdik" diyor ve ekliyor: "Ayrıca çok yönlüdür ve çeşitli malzemelerle kullanılabilir."


Çerçeveyi geliştirmek için araştırmacılar, geniş veri kümelerini toplamak üzere çok sayıda deney gerçekleştirdi. Bu önemli ancak zaman alıcı zorluk, veri kümelerinin çok çeşitli süreç parametrelerini kapsamasını sağladı.


Zou, ekibin ileriye dönük olarak, otonom araçların kendi kendilerini sürmesine benzer şekilde, minimum insan müdahalesiyle çalışan gelişmiş bir otonom veya kendi kendini süren katmanlı üretim sistemi geliştirmek için çalıştığını söylüyor.


"Son teknoloji eklemeli üretim yöntemlerini yapay zeka ile birleştirerek, yeni bir kapalı döngü kontrollü kendi kendine sürüş lazer sistemi oluşturmayı hedefliyoruz" diyor.


"Bu sistem potansiyel kusurları gerçek zamanlı olarak algılayabilecek, sorunları ortaya çıkmadan önce tahmin edebilecek ve yüksek kaliteli üretim sağlamak için işleme parametrelerini otomatik olarak ayarlayabilecek. Farklı malzemeler ve parça geometrileriyle çalışabilecek kadar çok yönlü olacak ve bu da onu imalat endüstrileri için ezber bozan bir hale getirecek."


Bu arada araştırmacılar, AIDED'in metal 3D baskı kullanan endüstrilerde süreç optimizasyonunu dönüştüreceğini umuyor.


Shang, "Havacılık, biyomedikal, otomotiv, nükleer ve daha fazlası gibi sektörler, geleneksel üretimden 3D baskıya geçişlerini kolaylaştırmak için bu kadar düşük maliyetli ancak doğru bir çözümü memnuniyetle karşılayacaktır" diyor.


Zou, "2030 yılına kadar, katmanlı üretimin çok sayıda yüksek hassasiyetli sektörde üretimi yeniden şekillendirmesi bekleniyor" diye ekliyor ve ekliyor: "Kusurları uyarlanabilir şekilde düzeltme ve parametreleri optimize etme yeteneği, benimsenmesini hızlandıracaktır."

Kaynak: University of Toronto Faculty of Applied Science & Engineering