機械学習技術による3Dプリント材料の開発により、リサイクルプラスチックの新たな用途が拡大すると期待される

はじめに: より複雑で多機能な 3D プリント製品に対する需要が高まるにつれ、付加製造のための新しい材料の適用可能性が模索されています。
Antarctic Bear は、より適合性の高い 3D プリント材料を開発するために、ダッカ工科大学の研究者が機械学習技術を使用して、3D プリント用の 6 種類の異なるナノ粒子充填プラスチック材料を分析および研究しようとしていることを知りました。 6 つの新しいフィラメントは FFF 3D 印刷プロセス用に設計されており、リサイクルされたプラスチックとナノ粒子の組み合わせから作られており、そのうち 2 つの材料にはグラフェンコーティングが施されています。
研究中、研究チームは微細構造、表面の質感、機械的挙動、熱特性など、材料の特性を評価、比較しました。研究者たちは機械学習技術の助けを借りて、特定の 3D プリント製品の印刷パラメータを相関させ、より信頼性が高く強力な機械的および物理的特性を実現することができました。
△a. PLA と HDPE、b. PLA、HDPE、TiO2、c. リサイクルプラスチック、PLA、HDPE、d. リサイクルプラスチック、PLA、HDPE、TiO2 の粒子混合物。画像はポリマーテストから。
FFF プロセスパラメータ<br /> この研究では、研究者らは、溶融圧力と押し出し圧力の動的バランスや温度依存のポリマーレオロジーなどの要素が最適な 3D プリント部品を実現するために重要となる FFF プロセスに焦点を当てました。 FFF 印刷部品の寸法精度、表面仕上げ、機械的特性は、使用されるフィラメントの特性と品質、および隣接するフィラメント間の結合特性によって大きく左右される可能性があります。
そのため、科学者たちは、FFF 印刷された部品を最適化するには、さまざまなプロセスパラメータ設定が部品の機械的特性にどのように影響するかを理解することが重要だと考えています。その中で最も重要なのは、引張強度、圧縮強度、曲げ強度、衝撃強度、印刷方向です。
△a. PLA と HDPE、b. PLA と HDPE、c. PLA、HDPE および TiO2、d. リサイクルプラスチック、PLA および HDPE、e. リサイクルプラスチック、PLA および HDPE、f. 混合リサイクルプラスチック、PLA、HDPE および TiO2 から押し出されたフィラメント。画像はポリマーテストから。
機械学習を使用した新しい 3D プリントフィラメントの設計<br /> この研究の主な目的は、市販の製品と比較して、より信頼性が高く、機械的および物理的特性が強い3Dプリント部品を豊富に求める方法を探ることです。研究者は、この研究の発見と応用が、さまざまな産業関連プロセスの発展に貢献できることを期待しています。
研究チームは、市販のFFF 3Dプリンターとフィラメント押し出し機を使用して3Dプリント部品を製造するために、PLA、HDPE、リサイクルフィラメント材料、酸化チタン（TiO2）ナノ粒子を含む6種類の新しいフィラメントを開発しました。
フィラメント材料のうち 2 つには、疎水性コーティングとしてグラフェンが含まれており、最終コンポーネントの本来の機械的特性は最小限に抑えられ、コンポーネントの表面のみが処理されます。
各材料について、機械学習技術を使用してノズルの温度を予測し、プリントベッドの温度と印刷速度もチームの機械学習プログラムによって決定されました。研究者らは、FFF印刷された製品の品質は、使用される材料の流動性に直接依存し、正確なノズル温度によって保証されると述べています。
△a. 3Dモデル画像、b. 45度の印刷方向。画像はPolymerTestingより。
研究者らは、Python プラットフォームを使用して、線形回帰アルゴリズムを使用して相対的なデータポイントを確立する機械学習プログラムを作成しました。機械学習モデルの適合性を測定するために、データをトレーニングセットとテストセットに分割するトレーニング/テスト機能も適用されます。この機能により、チームは理論上の最適値を比較し、モデルの完成度をより直感的に確認できるようになります。
テストデータがトレーニングデータセットと一致した場合、モデルは有効であると宣言されました。つまり、予測されたノズル温度がサンプルを印刷するのに十分であったことを意味します。機械学習プログラムが示唆したように、ノズルの温度はナノ粒子とリサイクルプラスチックで構成された材料で最も高くなり、プリンターのベッド温度が最高レベルのときに印刷速度は最小範囲になりました。
印刷後、材料は引張強度、伸び、硬度、熱重量分析 (TGA) などのテストを受け、印刷されたサンプルの最適化された特性を評価しました。
△a.SolidWorksモデル、b.FFF 3Dプリンター、c.印刷サンプル。画像はポリマーテストから。
研究者らは最終的に、FFF プリント部品を従来の 3D プリント部品よりも信頼性が高く、機械的および物理的特性の点でより強固なものにする手段として機械学習アルゴリズムを導入することを目指しています。研究者たちは、今後、この研究の結果が、産業上重要な付加製造プロセスのさまざまな改善への道を開くだろうと考えています。
△ 3Dプリンター向けMLプロセス最適化モデルの検証。画像はポリマーテストから。
この研究の詳細については、Polymer Testing誌に掲載された「機械学習誘導型3Dプリンターで製造されたナノ粒子注入プラスチック製品の開発と分析」という論文をご覧ください。この研究は、M. Hossain、M. Chowdhury、M. Zahid、C. Sakib-Uz-Zaman、M. Rahaman、M. Kowser が共同執筆しました。

3D プリントにおける機械学習<br /> 機械学習の予測機能は、プロセスと材料開発を改善するために、3D プリントのさまざまな側面でますます活用されるようになっています。
アルゴンヌ国立研究所とテキサス A&M 大学はこれまで、機械学習を使用して 3D プリント部品の欠陥をより効果的に検出しており、ニューヨーク大学タンドン工学部も機械学習を使用してガラスと炭素繊維の 3D プリント部品をリバースエンジニアリングしています。
材料開発の面では、スウィンバーン工科大学は機械学習ツールを使用して 3D プリント建築材料の性能を向上させており、ケンブリッジ大学からスピンアウトした Intellegens は積層造形用の新材料を設計するための新しい機械学習アルゴリズムを開発しました。
最近、リーハイ大学の研究者らも、構造の類似性に基づいて材料を分類できる新しい機械学習手法を提案した。

機械学習技術による3Dプリント材料の開発により、リサイクルプラスチックの新たな用途が拡大すると期待される

アスペクト、3Dプリント人体組織の開発継続のため100万ドルの資金を獲得

大きな「イースターエッグ」がここにあります! CR-10 V2 新製品がまもなく登場します。新製品は無料です!

AGC、リアルな解剖モデルを3Dプリントするための新しい生体適合性材料を発売

海外市場を拡大する金属3Dプリント粉末メーカーのJinyuan Intelligentが2024年のFormnext展示会に出展

3Dプリントが金型業界にもたらす喜びと不安

積層造形の典型的な応用シナリオ2: 衛星の主要部品の統合製造

2018年中国児童教育会議、3Dプリンターメーカー教育は見逃せない

輝く3D: 中国の3Dプリントエコシステムの構築

国内の3Dプリント粉末材料の設計と検証を加速し、主要材料の独立管理を実現

西北工科大学のトップジャーナルのリン・シン教授 | その場高速再溶解に基づくレーザー積層造形法によるアルミニウム合金の強度と可塑性における画期的な進歩！

推薦する

35%軽量化！サフランの3Dプリント金属タービンノズルが欧州航空安全認証を取得

3D プリンティング、石油・ガス業界はどのように関わってくるのでしょうか?

第31回日本勧業博覧会への参加方法と見学方法、トップ10展示会FAQ

影響力は年々拡大している。第3回「天宮杯」は中国の積層造形構造最適化の潮流をリードする

3Dプリント後処理のルーチン分析

たった1時間！ KSCAN-Magicは4メートルを超えるタービンブレードの3D検査を正確に制御します

3Dプリント肖像画のコストが80元まで下がりました。写真業界で普及するでしょうか？

バインダージェット金属3Dプリントは製造工場の生産方法を変える

プラズマ3Dプリントチタン部品は、エネルギーを大幅に節約し、消費量を削減し、航空宇宙分野で使用できます。

才能があるなら来てください！感謝祭「プリントチキン」3Dプリントクリエイティブデザインコンテストが始まりました！

ラムダビジョン、宇宙で新たな人工網膜バイオプリンティング研究を開始

招待された唯一の3Dプリント会社として、Xitongは国家「グローバル化」戦略フォーラムに参加し、スピーチを行った。

レイ・ジュンはロシアのMiファンから新年の贈り物を受け取った：3DプリントされたMi Rabbitモデル

多くの起業家が失敗し、3Dプリントの価値に対する需要はほとんど重要ではないと言われました

新しい研究: セルロースナノクリスタル (CNCS) は食品 3D プリントの材料の範囲を拡大できます。ほうれん草、トマト、リンゴはすべて印刷可能です!