การพิมพ์ 3 มิติด้วยอัลลอยจะไร้ข้อผิดผลาดเมื่อมีการใช้งาน Machine Learning ควบคู่

Date Post
21.10.2021
Post Views

นักวิจัยจาก Texas A&M ได้มีการปรับแต่งกระบวนการในการผลิตชิ้นส่วน 3 มิติด้วยวัสดุโลหะะอย่างอัลลอยด้วย Laser Bed Powder Fusion ให้มีประสิทธิภาพดียิ่งขึ้นด้วย AI

ในช่วงศตวรรษที่ผ่านมาการพิมพ์ 3 มิติสำหรับวัสดุโลหะเติบโตอย่างรวดเร็วโดยเฉพาะการผลิตชิ้นงานที่ต้องการการปรับแต่งพิเศษ ซึ่งวัสดุอย่างอัลลอยมีการใช้งานมากขึ้นแต่ทว่าความท้าทายสำคัญ คือ จะผลิตชิ้นส่วนอัลลอยอย่างไรให้ได้รูปทรงอย่างที่ต้องการโดยไม่มีความผิดพลาด ซึ่งการผลิตโดยใช้อัลลอยมักจะมีปัญหาด้านความเรียบร้อยของชิ้นงานเมื่อชิ้นงานเย็นตัวลง

ทีมวิจัยจาก Texas A&M University จึงได้พัฒนากระบวนการขึ้นรูปด้วยการเติมเนื้อวัสดุสำหรับโลหะแบบ Laser Powder Bed Fusion แบบใหม่ขึ้น โดยใช้การผสมผสาน Machine Learning และการพิมพ์ 3 มิติแบบ Single-track ซึ่งได้รับการยืนยันว่าปฏิกริยาทางเคมีของอัลลอยและค่าต่าง ๆ ระหว่างกระบวนการสามารถทำให้เกิดการพิมพ์ให้คุณสมบัติของวัสดุนั้นเป็นหนึ่งเดียวกันได้ในระดับไมโคร

Laser Powder Bed Fusion นั้นเป็นวิธีที่นิยมใช้ในการผลิตชิ้นส่วนโลหะแบบ 3 มิติ กระบวนการเริ่มต้นด้วยการม้วนแผ่นบาง ๆ ของผงโลหะบนฐานพิมพ์จาดนั้นจึงละลายผงเหล่านั้นด้วยแสงเลเซอร์ตามเส้นทางที่ระบบได้ออกแบบไว้หลังจากนั้นเพิ่มชั้นผงโลหะเพิ่มเข้าไปและทำกระบวนการเดิมซ้ำ ๆ จนถึงขั้นตอนสุดท้าย

การใช้ผงอัลลอยในการเติมเนื้อวัสดุนั้นเป็นความท้าทาย เพราะเป็นการผสมกันของโลหะ เช่น นิกเกิล อะลูมินัม และแมกนีเซียมในระดับความเข้มข้นที่แตกต่างกัน ทำให้การพิมพ์ผงเหล่านี้เมื่อต้องเจอกับการเย็นตัวอย่างรวดเร็วหลังได้รับความร้อนคุณสมบัติของโลหะแต่ละชนิดที่แตกต่างกันทำให้เกิดการแข็งตัวในอัตราที่แตกต่างกัน การผสมที่ไม่ได้สัดส่วนนี้ทำให้เกิด Microscopic Flaw ที่เรียกกันว่า Microsegregation

เพื่อแก้ไขปัญหา Microdefect ที่เกิดขึ้นทีมวิจัยได้สำรวจการแข็งตัวของอัลลอย 4 ชนิดที่มีนิกเกิลและวัสดุโลหะชนิดอื่น โดยอัลลอยแต่ละชนิดจะมีการศึกษาสถานะทางกายภาพหรือคุณสมบัติในแต่ละเฟสเมื่อมีอุณหภูมิที่ต่างกันเพื่อเพิ่มความเข้มข้นของโลหะอื่น ๆ ในอัลลอยที่มีนิกเกิลเป็นพื้นฐาน ทำให้เห็นถึงส่วนประกอบทางเคมีของอัลลอยที่เปลี่ยนไป อันจะนำไปสู่การใช้งานในการเติมเนื้อวัสดุ ในการทดลองต่อมาจึงได้ช้ผงอัลลอยเหล่านั้นกับการตั้งค่าเลเซอร์ที่แตกต่างกันเพื่อเก็บข้อมูลการทดลอง ในขั้นตอนสุดท้ายเป็นการฝึกฝนโมเดล Machine Learning เพื่อให้ระบุรูปแบบของข้อมูลการทดลองแบบ Single-Track ที่เกิดขึ้นรวมถึง Phase Diagram เพื่อสร้างสมการสำหรับประยุกต์ใช้กับ Microsegregation ที่ใช้กับอัลลอยประเภทใดก็ได้

ที่มา:
today.tamu.edu

เนื้อหาที่น่าสนใจ:
6K Additive เปิดตัว Refractory สำหรับผงโลหะที่ใช้ในการพิมพ์ 3 มิติ
Logo-Company
Logo-Company
Logo-Company
logo-company
Thossathip Soonsarthorn
"Judge a man by his questions rather than his answers" Voltaire
Digitech2024