Oznaka:

  • Raziskovalni dosežki
  • Univerzitetna služba za raziskovalno dejavnost
  • Raziskovanje
  • CTR 9
  • CTR 13
  • UL FS

Datum objave:

Doc. dr. Dominik Kozjek, raziskovalec Laboratorija za mehatroniko, proizvodne sisteme in avtomatizacijo (LAMPA) Fakultete za strojništvo UL, je v sodelovanju z raziskovalci Univerze Northwestern University (Illinois, ZDA), raziskovalnim laboratorijem ameriške vojske in podjetjem DMG MORI Advanced Solutions razvil novo metodo napovedovanja variacij temperature bazena taline pri procesu selektivnega laserskega taljenja kovinskega prahu.

Proces selektivnega laserskega taljenja kovinskega prahu se v industriji  uporablja za izdelavo geometrijsko kompleksnih kovinskih delov visokih zmogljivosti kot na primer medicinskih vsadkov ter delov motorja in strukturnih elementov letal. Ta izdelovalni proces je okolju prijazen, saj ga odlikujejo manjša poraba materiala za isto funkcionalnost izdelanih kosov, krajše dobavne verige in zmožnost visokega  prilagajanja izdelkov. Kljub vsemu pa je, zaradi oteženega napovedovanja in nadzora pogojev samega postopka taljenja, ki vplivajo na kakovost izdelanih kosov, oteženo kvalificiranje in certificiranje procesa. Posledično, je zaradi tega oteženo tudi pridobivanje potrebnih dovoljenj za široko uporabo teh metod v medicini, avtomobilski in vojaški industriji ter ostalih potencialnih področjih uporabe tega procesa za izdelavo varnostno kritičnih komponent. Metode s katerimi lahko predvidevamo in nadzorujemo spremembe v pogojih procesa, so tako ključnega pomena za nadaljnji napredek procesa selektivnega laserskega taljenja kovinskega prahu.

V objavljeni študiji so raziskovalci vpeljali uporabo umetne inteligence za napovedovanje variacij povprečne temperature bazena taline. Variiranje so predvideli na podlagi učenja napovednega modela umetne inteligence na preteklih koaksialnih meritvah sprememb temperature bazena taline. Metoda upošteva tudi dele, ki se v procesu tiskanja nahajajo v okolici opazovanega dela (običajno se v eni gradnji 3D tiska pri tem procesu skupaj natisne več kosov), ki, kot je prikazano v rezultatih študije, pomembno vplivajo na variacije pogojev procesa pri opazovanem delu.

Prednost predlagane metode je predvsem njena učinkovitost. Izkazalo se je, da  že z majhnim naborom podatkov za učenje napovednega modela umetne inteligence in nekaj minutnim procesiranjem na običajnem osebnem računalniku lahko pridobimo uporabne napovedi variacij povprečne temperature bazena taline vzdolž smeri gradnje opazovanega kosa. Pomembna prednost predlagane metode je tudi ta, da je metoda sposobna predvideti profile variacij temperature bazena taline za nove geometrije delov, ki jih model za napovedovanje prej v postopku učenja ni videl. Metoda variacijo temperatur predvidi samo z  uporabo vhodnih podatkov stroja in preteklih meritev temperatur bazena taline, ki pripadajo delom različnih geometrij, kot je geometrija opazovanega dela.

Rezultati raziskave so bili objavljeni v Additive Manufacturing (IF: 11.0), ki se uvršča med najboljše znanstvene revije na področju strojnega inženirstva. Z razvojem te nove metode predvidevanja variacij povprečne temperature bazena taline smo tako korak bližje zagotavljanju zanesljivosti in kakovosti procesa selektivnega laserskega taljenja kovinskega prahu za izdelavo varnostno kritičnih delov.