AIを使用して3Dプリントプロセスを予測することは、積層造形の分野で大きな可能性を秘めています。

AIを使用して3Dプリントプロセスを予測することは、積層造形の分野で大きな可能性を秘めています。
出典: Xianji.com

付加製造は、製造、自動車工学、さらには宇宙空間において、オンデマンドで部品や製品を製造できるようにする可能性を秘めています。しかし、3D プリントされたオブジェクトが現在および将来どのように機能するかを事前に知ることは困難です。物理的な実験: 特に金属積層造形 (AM) は時間がかかり、コストもかかります。これらのシステムを計算的にモデル化することさえも、コストと時間がかかります。

問題は気体、液体、固体、そしてそれらの間の相転移を含む多相であり、イリノイの研究者らは、付加製造には空間的および時間的スケールの範囲も広いと述べている。その結果、小規模な物理学と実際の製品の間に大きなギャップが生じます。

△ ケースA、B、Cについて、準定常状態(2マイクロ秒)における物理情報ニューラルネットワーク(PINN)による溶融池の形状、温度、溶融池の速度の予測
△金属積層造形のための完全接続型ディープニューラルネットワーク 研究者たちは、機械学習を利用してこれらの課題に取り組もうとしています。彼らは、ディープラーニングとニューラルネットワークを使用して、付加製造に関わる複雑なプロセスの結果を予測しています。研究者らは、処理、構造、特性、性能の関係を確立したかったと語った。

現在のニューラル ネットワーク モデルをトレーニングするには、大量のデータが必要です。しかし、積層造形の世界では、高忠実度のデータを取得するのは困難です。データの必要性を減らすために、研究者たちは「物理情報ニューラルネットワーク」、つまり PINN に取り組んでいます。

偏微分方程式として表現される保存則を組み込むことで、トレーニングに必要なデータの量を減らし、現在のモデルの機能を向上させることができると彼は述べた。

研究者らは、テキサス先端計算センターの Frontera および Stampede2 スーパーコンピューターを使用して、2 つのベンチマーク実験のダイナミクスをシミュレートしました。1 つは固体と液体の金属が相互作用する 1 次元凝固の例、もう 1 つは 2018 NIST 付加製造ベンチマーク テスト シリーズのレーザー ビーム溶融テストの例です。

1D 凝固の場合、彼らは実験データをニューラル ネットワークに入力しました。レーザービーム溶融試験では、実験データとコンピューターシミュレーションの結果が使用されました。彼らはまた、境界条件を「厳密に」強制する方法も開発しました。これは問題解決において同様に重要だと彼らは言います。

チームのニューラルネットワークモデルは、両方の実験のダイナミクスを再現することができました。 NIST チャレンジの場合、実験の温度と溶融プールの長さを実際の結果の 10% 以内で予測しました。彼らは 1.2 ~ 1.5 マイクロ秒のデータでモデルをトレーニングし、最大 2.0 マイクロ秒のさらなる時間ステップで予測を行いました。

ニューラルネットワークが金属積層造形プロセスのモデル化に応用されたのは今回が初めてです。研究者らは「私たちは、データと物理学をシームレスに統合する完璧なプラットフォームとして、物理学に基づく機械学習が積層造形分野で大きな可能性を秘めていることを実証しました」と述べています。

研究者たちは、将来、エンジニアがニューラル ネットワークを高速予測ツールとして使用し、AM プロセスのパラメータ (レーザー速度や温度分布など) の選択に関するガイダンスを提供したり、AM プロセスのパラメータと最終製品の特性 (表面粗さなど) との関係をマッピングしたりするようになると考えています。

顧客が特定の特性を求めている場合は、製造プロセスのパラメータに何を使用するかがわかります。

2021年5月にオンライン版『応用力学と工学の計算方法』に掲載された別の論文では、研究者らは、積層造形で使用される既存の有限要素法フレームワークに変更を加え、その技術が既存のベンチマークよりも優れた予測を達成できるかどうかを検討することを提案した。

研究者らは、アルゴンヌ国立研究所で最近行われた移動レーザーを使った付加製造実験を反映して、フロンテラで実行されたシミュレーションが実験のシミュレーションと深さの10.3パーセント以内で一致し、金属上面の実験でよく見られるヘリンボーン形状を再現していることを示した。

研究は、コンピューティング技術の継続的な成長と高性能コンピューティングへの連邦政府の投資から恩恵を受けています。

Frontera は、彼らのような研究を加速させるだけでなく、トレーニング データが広く入手できない分野での機械学習やディープラーニングの研究への扉を開き、AI 研究の可能性を広げます。

「最も興奮するのは、自分のモデルが、ほんの少しの既存データを使って未来を予測できるのがわかるときです」とチュー氏は言う。「そのモデルは、プロセスの進化を何らかの形で理解しているのです。」

以前は、ガスと金属の界面の温度、速度、形状を正確に予測できるという自信はほとんどありませんでした。データについて適切な推論を行えることを示します。


人工知能、予測

<<:  サンドビック、計測・自動化企業DWフリッツオートメーションを買収

>>:  概要: 3D プリントされた金属部品のレーザー研磨 (パート 2)

推薦する

AM: 温度応答性粒子ハイドロゲルの4Dプリントにより形状制御変形が可能に

出典: EFL Bio3Dプリンティングとバイオ製造ハイドロゲル 4D プリンティングは、外部刺激に...

日本の浅野株式会社が Geomagic ソフトウェアを使用して自動車設計の革新を推進する方法

Geomagic® Design X™ はより強力なモデリングおよび設計機能をもたらし、Geoma...

UltiMaker 3Dプリントによる自動溶接効率の向上

オランダの溶接ソリューション専門会社 Elektrolas は、UltiMaker S5 Pro B...

泰安中央病院3Dプリントセンター:インテリジェントなエンパワーメントが正確な診断と治療を助け、患者に朗報をもたらす

出典: ワールド・オブザベーション足首関節は全足首置換術が必要ですが、欠損した関節の置換には何を使用...

レノボ、HP、Tmallなどが「3Dプリンター」商標登録ラッシュに見舞われ、ギャングが脅迫を開始

最近、南極熊3Dプリントタオバオ店は、悪質な企業が3Dプリント業界企業の商標を悪意を持って登録し、南...

2019年の錦江靴博覧会で、Yingpu 3Dは靴製造業界におけるSLS技術の研究と応用を発表しました。

展示会:第21回中国(錦江)国際靴産業と第4回国際スポーツ産業博覧会 日時:2019年4月19日〜2...

Sanwei International、粉末ベッドベースのカラー3Dプリントの特許を取得

フルカラー 3D プリントは簡単なことではなく、3D プリント業界が実現に苦労してきた機能です。有名...

技術的な投稿です! 3Dプリンター操作の安全上の危険性7種類の分析

この投稿は Spectacled Bear によって 2021-8-23 09:05 に最後に編集さ...

患者さんに朗報です!米国は局所虚血を効果的に治療できる3Dプリント細胞パッチを開発した

アンタークティックベア、2017年6月15日/ボストン大学バイオデザインセンターの科学者らは最近、健...

プリント・イット3D、中小企業の利用コスト削減を支援するワックスモデル3Dプリンターのレンタルを開始

2018 年 5 月 15 日、ウェールズを拠点とする 3D プリンター機器販売業者 Print ...

米空軍は1,280ドルのコーヒーカップの購入を断念し、3Dプリントのハンドルを使って古いコーヒーカップを修理した。

米メディア「ミリタリー」が現地時間24日に報じたところによると、米空軍は兵士らが1280ドル相当のコ...

Nature Communications: セラミックナノ粒子を使用した金属 3D プリントの欠陥の制御

南極熊の紹介: 2022年3月16日、ウィスコンシン大学マディソン校のLianyi Chen教授と彼...

「大混乱: 3D プリンティングから 3D 製造へ」の受賞者 10 名のリスト

活動テーマ: 3Dプリントが将来の製造業に与える破壊的な影響について考える活動テーマ: 書籍のプレゼ...

SLA、SLM、SLS、FGF、FDMなど主流の積層造形分野を包括的にカバーするJinshi 3Dが2024Formnextに登場

2024年8月28日から30日までの3日間、深セン国際付加製造、粉末冶金、先進セラミックス展示会(...