Όμως, μια ομάδα ερευνητών από το Johns Hopkins Applied Physics Laboratory (APL) και το Whiting School of Engineering βρήκε τρόπο να ταράξει τα νερά, χρησιμοποιώντας έναν αλγόριθμο μηχανικής μάθησης (AI) για να εντοπίσει νέες, πιο αποδοτικές συνθήκες εκτύπωσης του δημοφιλούς κράματος Ti‑6Al‑4V, με στόχο την επιτάχυνση της παραγωγής και τη βελτίωση των ιδιοτήτων των τελικών προϊόντων.
Σύμφωνα με τη μελέτη που δημοσιεύτηκε στο Additive Manufacturing, ο συνδυασμός της λειτουργίας του laser, της ταχύτητας και άλλων παραμέτρων δημιουργεί έναν σύνθετο περιβάλλον πιθανών ρυθμίσεων. Μέχρι σήμερα, μέρος αυτής της συνάρτησης θεωρούνταν εκτός ορίων για τους ερευνητές, λόγω ανησυχιών που σχετίζονταν με τεχνικές παραμέτρους ή φόβου για ασταθή δομική απόδοση.
Το AI όμως αναγνωρίζει κρυφά μοτίβα μέσα στα εν
λόγω δεδομένα. Μετά από ανάλυση, η έξυπνη πλατφόρμα προτείνει νέες συνθήκες, οι
οποίες δοκιμάζονται πρώτα ψηφιακά και στη συνέχεια στο εργαστήριο.
Τα πρώτα αποτελέσματα δείχνουν ότι το AI
ανακαλύπτει παραμέτρους με υψηλότερη ταχύτητα εκτύπωσης, διατηρώντας ή και
ενισχύοντας την μηχανική αντοχή και την ελατότητα του κράματος. Αυτό σημαίνει γρηγορότερη
παραγωγή εξαρτημάτων, ιδιαίτερα κρίσιμων για την αεροναυπηγική, την αμυντική
βιομηχανία και τις ναυπηγήσεις. Επιπλέον, το κόστος μειώνεται, καθώς μειώνονται
οι πολύωρες δοκιμές, ενώ τα τελικά προϊόντα θεωρούνται πιο αξιόπιστα, με
ισχυρότερες δομικές ιδιότητες.
Αν και μέχρι στιγμής η έρευνα έχει εστιάσει στο κράμα τιτανίου Ti‑6Al‑4V, υπάρχουν σχέδια επέκτασης της μεθόδου και σε άλλα υλικά με απαιτητικές μηχανικές προδιαγραφές. Οι επιστήμονες θέλουν να ενσωματώσουν στο μοντέλο και δείκτες όπως η πυκνότητα, η ανθεκτικότητα σε διάβρωση και η θερμική σταθερότητα, ώστε να δημιουργήσουν πλήρως βελτιστοποιημένο περιβάλλον εκτύπωσης σε όλες τις εφαρμογές.
Η ενσωμάτωση AI στην τρισδιάστατη εκτύπωση
τιτανίου ανοίγει δρόμο για γρηγορότερη, πιο ανθεκτική και οικονομικά αποδοτική παραγωγή.
Η επιτυχημένη εφαρμογή της στο κράμα τιτανίου δημιουργεί ένα προηγούμενο που μπορεί
να αλλάξει ολόκληρη τη βιομηχανία παραγωγής μετάλλων, και υπόσχεται ευρύτερη ανάπτυξη
σε εφαρμογές όπου η ακρίβεια και η απόδοση είναι κρίσιμες.
Πηγή: 3Dnatives
