ORNL E SENVOL PUBBLICANO UN RAPPORTO TECNICO SU COME VALUTARE I PARAMETRI DEL PROCESSO DI STAMPA 3D
L’Oak Ridge National Laboratory (ORNL), insieme allo specialista dei dati di produzione additiva Senvol , ha pubblicato un rapporto tecnico sulla raccolta di dati pedigree per la stampa 3D industriale.
I risultati sono il risultato di un accordo di ricerca e sviluppo cooperativo di due anni che ha visto ORNL lavorare con Senvol per valutare e perfezionare la procedura operativa standard (SOP) dell’azienda, un manuale di oltre 100 pagine che descrive in dettaglio come generare dati pedigree sugli effetti dei parametri di processo. Una volta che il feedback indipendente di ORNL è stato integrato nel SOP, i partner hanno valutato l’efficacia del documento utilizzandolo per il test di stampa 3D basato su una stampante 3D PBF Concept Laser X Line 1000R con lega Al-Si-Mg.
Ryan Dehoff, responsabile della produzione sicura e digitale presso ORNL, ha dichiarato: “L’impatto di questo progetto sarà significativo nell’aiutare l’industria della produzione additiva a comprendere la necessità di produrre dati genealogici. Abbiamo dimostrato che la raccolta dei dati genealogici è fondamentale per comprendere la qualità dei materiali di produzione additiva e ci siamo assicurati che tutti i dati sfumati necessari per estrarre con precisione le informazioni vengano acquisiti.
Qual è la procedura operativa standard di Senvol?
Il SOP ha lo scopo di aiutare le organizzazioni a garantire che ogni progetto di generazione dei dati sui parametri di processo segua una procedura standard collaudata. Descrive esempi di complessità che devono essere pensate come le geometrie dei campioni, il numero di campioni da stampare in 3D e come catturare gli effetti di tutte le variabili di processo testate. Il documento fornisce anche una guida sulle procedure del piano di test, sulla gestione dei materiali e persino sugli standard del settore da seguire.
Peeyush Nandwana, un ricercatore di metalli in polvere presso ORNL, spiega: “Questo SOP copre argomenti come la raccolta di informazioni geometriche appropriate, parametri di elaborazione chiave per la tecnologia AM e qualsiasi protocollo chiave di test sui materiali. Questi sono fondamentali in termini di comprensione della vera risposta materiale, specialmente quando si ha a che fare con approcci di analisi multivariata in cui molte di queste variabili possono essere interconnesse “.
72 barre di trazione
Per testare l’efficacia del SOP, i partner hanno stampato in 3D 72 campioni di barre di trazione con parametri di stampa variabili come potenza del laser, velocità di scansione e spessore dello strato. Le parti sono state quindi sottoposte a procedure di prova di trazione per determinarne le proprietà meccaniche. Ciò ha permesso ai partner di inserire i dati di trazione in Senvol ML , il software di machine learning dell’azienda, nel tentativo di determinare la correlazione tra i parametri e le successive resistenze alla trazione delle barre di alluminio stampate in 3D.
I punti chiave del test includono una correlazione negativa tra lo spessore dello strato e l’allungamento. D’altra parte, all’aumentare della densità di energia laser, aumenta anche l’allungamento, cementando la teoria secondo cui la dispersione nell’allungamento è dovuta alla presenza di pori e difetti nelle parti. È interessante notare che la resa e la resistenza alla trazione finale delle barre di alluminio non avevano alcuna correlazione con lo spessore dello strato o la densità di energia, indicando che le proprietà di resistenza delle parti stampate in 3D dipendono maggiormente dalla microstruttura.
Annie Wang, Presidente di Senvol, conclude: “ORNL ha una notevole esperienza nella produzione additiva e quindi siamo stati molto lieti di lavorare con loro su questo progetto. Collettivamente siamo stati in grado di dimostrare che generare i dati su larga scala in questo lavoro e sfruttare l’uso delle funzioni di correlazione dal software di machine learning Senvol, Senvol ML, può fornire la base per isolare gli impatti di diverse variabili sulle proprietà e sulle prestazioni dei materiali risultanti. Ciò può essere particolarmente utile nello sviluppo di parametri di processo per nuovi materiali e macchine “.
Ulteriori dettagli sulla SOP e sul progetto biennale possono essere trovati nel rapporto intitolato ” Raccolta di dati AM ad alto pedigree per l’analisi e la correlazione dei dati “.
