В Корее разрабатывают ИИ, ищущую взаимосвязь между условиями 3D-печати, морфологией дефектов и характеристиками печатаемого изделия
- KOREA HERALD
- 3 часа назад
- 3 мин. чтения
Корреспондент Гу Бон Хёк
- Совместное исследование KIMS и немецкого Института Макса Планка
Доктор Ван Чжэ Мин (слева направо), Институт Макса Планка, Германия; доктор Пак Чжон Мин, Корейский институт материаловедения; проф. Дирк Рабе, Институт Макса Планка, Германия [Предоставлено Корейским институтом материаловедения]
Исследовательская группа под руководством доктора Пак Чжон Мина из Отдела исследований наноматериалов Корейского института материаловедения (KIMS) в сотрудничестве с доктором Ван Чжэ Мином и командой под руководством профессора Дирка Рабе из Института Макса Планка в Германии разработала модель на основе искусственного интеллекта (ИИ), способную предсказывать появление внутренних дефектов в металлических деталях, напечатанных на 3D-принтере. Ожидается, что данное достижение значительно повысит надежность качества металлических компонентов, напечатанных на 3D-принтере, и значительно расширит возможности их массового применения в промышленности.
Хотя 3D-печать металлом привлекает внимание как технология производства следующего поколения, позволяющая изготавливать сложные компоненты с высокой добавленной стоимостью, она до сих пор ограничена в промышленном применении из-за микроскопических внутренних дефектов, возникающих в процессе, которые приводят к выходу компонентов из строя и ухудшению их характеристик. Ранее качество оценивалось в основном с помощью простых показателей, таких как коэффициент пористости. Однако в реальности влияние дефекта на механические характеристики значительно варьируется в зависимости от его формы, размера, местоположения и распределения.
Для решения этих проблем исследовательская группа разработала «объяснимую модель искусственного интеллекта», способную систематически анализировать и прогнозировать взаимосвязь между условиями процесса 3D-печати металлом, морфологией дефектов и механическими характеристиками печатаемого изделия. Это представляет собой новый подход, позволяющий прогнозировать вероятность возникновения внутренних дефектов и связанные с этим изменения характеристик у печатаемого изделия еще на этапе проектирования процесса, что дает возможность осуществлять проактивный контроль качества.
Суть разработанной модели искусственного интеллекта заключается в анализе и прогнозировании внутренних дефектов, возникающих при лазерной плавке порошкового слоя (LPBF) — технологии 3D-печати металлом — не только на основе их количества или пропорции, но и на основе «морфологических характеристик», таких как форма и расположение. Используя изображения микроструктуры, она автоматически анализирует размер пор, некруглость и распределение в пространстве. Это позволяет установить непосредственную связь между ними и механическими свойствами печатаемого изделия, предоставляя количественное объяснение того, как дефекты влияют на фактические эксплуатационные характеристики изделия. Причем ИИ-модель обладает структурой, способной объяснить, почему дефекты увеличиваются и эксплуатационные характеристики ухудшаются при определенных условиях процесса, что отличает ее от существующих моделей искусственного интеллекта типа «черный ящик», процессы вывода результатов которых остаются непрозрачными.
Концептуальная схема, в котором ИИ анализирует / предсказывает влияние тех или иных свойств порошка и условий техпроцесса на дефекты / рабочие характеристики компонентов в процессах 3D-печати металлом [Предоставлено Корейским институтом материаловедения]
Рис. 4. Важность характеристик для прогнозирования морфологических и механических свойств. (a–d) Важность параметров материала и процесса для прогнозирования морфологических дескрипторов: пористость (a), доля некруговых пор, NPR (b), максимальный размер пор, MPS (c), и обратная величина среднего минимального расстояния между порами, RAMDP (d), с использованием данных по всем трем сплавам (Maraging Steel 300, AlSi10Mg и Ti-6Al-4 V). (e–g) Важность морфологических дескрипторов для прогнозирования механических свойств: предел текучести, YS (e), предел прочности при растяжении, UTS (f), и общее удлинение, TE (g), на основе данных только по AlSi10Mg.
Исследовательская группа провела комплексный анализ условий процесса, характеристик порошка, изображений дефектов и данных о механических свойствах различных материалов для 3D-печати металлов, включая сталь, алюминиевые сплавы и титановые сплавы, и обучила модель ИИ на основе этих данных. Это позволило создать интегрированную структуру, которая поэтапно прогнозирует влияние тех или иных переменных процесса и характеристик порошка на образование дефектов, а также влияние морфологии дефектов на механические характеристики печатаемого изделия.
Данная технология может значительно повысить надежность качества металлических компонентов, напечатанных на 3D-принтере, ускорив их массовое производство для деталей с высокой добавленной стоимостью. Она может быть использована для оптимизации процесса 3D-печати металлом и управления качеством в отраслях, требующих высоконадежных металлических компонентов, таких как аэрокосмическая, оборонная и транспортная промышленность. Ожидается, что это будет способствовать повышению эффективности производства во всех отраслях за счет минимизации брака, отходов и затрат на переделку при изготовлении компонентов.
«Это исследование имеет большое значение, поскольку выходит за рамки простого снижения дефектов в металлических компонентах, напечатанных на 3D-принтере; оно предоставляет научную основу для объяснения того, как те или иные дефекты влияют на фактическую производительность» - сказал доктор Пак Чжон Мин, добавив: «Ожидается, что оно будет способствовать повышению промышленной применимости 3D-печати металлом в секторах производства высокопроизводительных компонентов, таких как аэрокосмическая и оборонная промышленность».
Результаты исследования опубликованы 1 января в международном научном журнале по металлическим материалам «Acta Materialia».
Комментарии