La fabricación de personas de alta aleación de aleación de titanio de alto rendimiento, submarinos o dispositivos médicos ha sido un proceso lento y relacionado con los recursos. Incluso a pesar de las modernas técnicas de impresión de metal 3D, se necesitan pruebas generalizadas y tonificación fina para encontrar las condiciones correctas de fabricación.
¿Qué pasaría si estas partes pudieran hacerse más rápidas, fuertes y cercanas a la precisión perfecta?
Un equipo compuesto por expertos de John Hopkins Aplicated Physics Laboratory (APL) en Laurel, Maryland, está aprovechando la inteligencia artificial en la Escuela de Ingeniería Johns Hopkins Whiter para hacer realidad este hecho. Han identificado técnicas de procesamiento que mejoran tanto la velocidad de producción como la fuerza de estos materiales modernos.
“La nación es necesaria desesperadamente para acelerar la fabricación para cumplir con las disputas actuales y futuras”, dijo Morgan Tracler, un gerente de programas de contenido altamente y multifuncional en el área de la Misión de Desarrollo de Investigación y Desarrollo de APL. “En la APL, estamos impulsando la investigación sobre la fabricación adicional basada en láser para más rápido el contenido finado de la misión, asegurando que la producción produzca desafíos operativos”.
Resultados, recientemente aparecieron en la revista Fabricación adicional, Centrarse en Ti-6Al-4V, una aleación de titanio ampliamente utilizada es conocida por su alta fuerza y bajo peso. El equipo aprovechó los modelos con potencia de IA para hacer un mapa de las primeras condiciones de fabricación de descubrimiento para la fusión del lecho de polvo láser, que es un método de metal de impresión 3D. Los resultados desafían los supuestos a largo plazo sobre los límites del proceso, que revela una ventana de procesamiento más amplia para titanio de alta calidad desarrollado con propiedades mecánicas personalizadas.
El co -autor Brandon Karim dijo que el descubrimiento ofrece una nueva forma de pensar en el procesamiento de materiales.
“Durante años, asumimos que algunos parámetros de procesamiento estaban” lejos “para todos los materiales porque darían como resultado un producto de cierre de baja calidad”, dijo Kurm, un científico senior de contenido de APL. “Pero usando la IA para descubrir la gama completa de posibilidades, descubrimos nuevas regiones de procesamiento que permiten una impresión más rápida mientras mantienen o mejoran la resistencia y la estabilidad del material, la capacidad de propagar o dañar sin romperse. Ahora, los ingenieros eligen más que sus requisitos específicos”.
Estos resultados prometen industrias que dependen de piezas de titanio de alto rendimiento. La capacidad de producir componentes fuertes y ligeros a más velocidad puede mejorar la eficiencia de la construcción naval, la aviación y los dispositivos médicos. También apoya a los aeroespaciales y la defensa para extensos esfuerzos para avanzar en la fabricación adicional.
Los investigadores de la White School of Engineering, incluido Somnath Ghosh, se están conectando con una mejor imitación de IA a la IA sobre cómo funcionará el contenido fabricado adicional en el entorno extremo. Ghosh dirigió uno de los dos Instituto de Investigación de la Tecnología Espacial de la NASA (STRIS), la cooperación mutua entre John Hopkins y Carnegie Melneon se centró en el desarrollo de modelos computacionales modernos para acelerar la capacidad y la certificación del material. El objetivo es reducir el tiempo necesario para diseñar, probar y verificar el nuevo contenido de las aplicaciones espaciales, un desafío que está estrechamente alineado con los esfuerzos para mejorar y acelerar la fabricación de titanio de APL.
Antes de un gran salto
Este progreso está listo durante años en la APL para avanzar en la fabricación adicional. Cuando Steve Sturic, jefe de las tecnologías de fabricación en el departamento de desarrollo de investigación y investigación de la APL, llegó al laboratorio en 2015, reconoció que el ejercicio tenía sus límites.
“En ese momento, los mayores obstáculos para el uso de la fabricación adicional en el Departamento de Defensa fueron la disponibilidad de materiales”, recordó el Storicic. “Titanium fue una de las pocas personas que satisfacen las necesidades del Departamento de Defensa y se mejoraron para cumplir o superar el rendimiento de la fabricación tradicional. Sabíamos que teníamos que mejorar el rango de contenido para desbloquear completamente la capacidad de fabricación adicional y mejorar los parámetros de procesamiento”.
La APL pasó años en mejorar la fabricación adicional, centrándose en el control defectuoso y el rendimiento del material. En 2021, el equipo de APL publicó un estudio en John Hopkins APL Technical Digest que examinó cómo los defectos afectan las propiedades mecánicas. Al mismo tiempo, el equipo de la tienda estaba desarrollando un marco de corrección de material de alta velocidad, que condujo a una patente presentada en 2020.
Este marco, que está diseñado para acelerar significativamente la corrección de las condiciones de procesamiento, proporcionó una base sólida para el último estudio. Al desarrollar esta base, el equipo aprovechó el aprendizaje automático para encontrar una gama de parámetros de procesamiento sin precedentes, algo que hubiera sido inaccesible por los métodos de pruebas y errores tradicionales.
En esta perspectiva, se reveló un gobierno de procesamiento de alta densidad debido a preocupaciones sobre la inestabilidad del material. Con el ajuste objetivo, el equipo abrió nuevas formas de mejorar la fusión larga y larga larga larga larga larga larga.
“No solo estamos tomando una mejora adicional”, dijo Straike, “dijo Straikek”. En muy poco tiempo, descubrimos los términos de procesamiento, que impulsaron más que el rendimiento.
Ai encuentra muestras ocultas
Las propiedades de titanio, como todos los materiales, pueden verse afectadas por el proceso de acción. El intervalo entre la potencia del láser, la velocidad del escaneo y las pistas láser determina cuán estable es el material, ya sea fuerte, flexible o roto y defectuoso. Tradicionalmente, la combinación correcta requiere una prueba lenta y una prueba de error.
En lugar de ajustar manualmente la configuración y esperar los resultados, el equipo capacitó a los modelos de IA utilizando la optimización de Bisen, una técnica de aprendizaje automático que predice la experiencia más prometedora basada en la siguiente basada en los datos anteriores. Al analizar los resultados de las pruebas iniciales y mejorar sus predicciones con cada repetición, la IA rodeó las mejores condiciones de procesamiento, lo que permite a los investigadores practicar miles de estructuras antes de probar un puñado de laboratorios.
Este enfoque permitió al equipo identificar inmediatamente la configuración no utilizada, algunas de las cuales fueron excluidas en la fabricación tradicional, lo que podría producir titanio más denso y más denso. Los resultados eliminaron los supuestos de mucho tiempo sobre los que los parámetros láser logran las mejores características de material.
“No está a punto de preparar las partes más rápido”, dijo Chrome. “Se trata de matar el equilibrio correcto entre el poder, la flexibilidad y el rendimiento. La IA nos está ayudando a detectar las regiones que no nos hemos considerado”.
Store enfatiza que el enfoque está más allá de mejorar la impresión de titanio: personaliza el contenido para requisitos específicos. “Los fabricantes a menudo encuentran todos los accesorios de tamaño único, pero nuestro patrocinador necesita salud”, dijo. “Ya sea para submarinos en las situaciones del Ártico o en las situaciones extremas, el componente de vuelo, esta técnica nos permite mejorar estos desafíos únicos mientras mantenemos un alto rendimiento”.
Chrome agregó que aumentar el modelo de aprendizaje automático es otro objetivo importante para predecir comportamientos materiales aún más complicados. El trabajo inicial del equipo analizó la densidad, la fuerza y la estabilidad, y Kurm dijo que estaba analizando otros factores importantes, como la resistencia o la corrosión a la fatiga.
“Este trabajo ha sido una clara demostración de IA, pruebas de alto lanzamiento y resistencia a la fabricación de datos”, dijo. “Se experimentó años para comprender cómo respondería un nuevo contenido al entorno relacionado de nuestro patrocinador, pero si pudiéramos usarlo todo en las semanas y usar esta visión para desarrollar una mejor mejora?”
Nuevas posibilidades
El éxito de esta investigación también abre la puerta a aplicaciones más amplias. La tesis recientemente publicada se centra en el titanio, pero también se ha aplicado un enfoque similar a la IA a otros metales y técnicas de fabricación, que incluyen una mezcla especialmente desarrollada para aprovechar la fabricación adicional.
El futuro departamento de búsqueda se califica en el monitoreo de SETO. Strack describe una visión en la que la fabricación adicional adicional de metal puede ser suave como la impresión 3D en el hogar: “Imaginamos un cambio de pirámide donde el futuro puede ajustar el sistema de fabricación adicional tan pronto como se imprime, lo que requiere un proceso de procesamiento posterior generalizado.
