Gli scienziati della Texas A&M University hanno identificato un set di parametri cross-compatibili per la stampa 3D coerente di componenti metallici privi di crepe Laser Powder Bed Fusion (LPBF).
Utilizzando i dati di stampa a traccia singola e l’apprendimento automatico (ML), i ricercatori sono stati in grado di scoprire il sistema ideale e la configurazione del materiale per creare ripetutamente parti impeccabili con proprietà uniformi. Rispetto ai metodi di ottimizzazione dei parametri esistenti, il team afferma che il loro è meno costoso, richiede molto tempo e generalmente molto più semplice, potenzialmente prestandogli applicazioni aerospaziali, automobilistiche o di difesa.
“La nostra sfida originale era assicurarsi che non ci fossero pori nelle parti stampate perché questo è l’ovvio killer per la creazione di oggetti con proprietà meccaniche migliorate”, ha affermato Raiyan Seede di Texas A&M. “In questo studio, abbiamo approfondito la messa a punto della microstruttura delle leghe, in modo che ci sia un maggiore controllo sulle proprietà dell’oggetto stampato finale, su una scala molto più fine rispetto a prima”.
Mentre il numero crescente di leghe compatibili con LPBF è ottimo per i produttori che cercano di creare parti complesse con proprietà specifiche, la diversità di questi metalli rende anche difficile identificare un set di parametri ideale per loro. Tali polveri spesso includono una miscela di nichel, alluminio o magnesio che, una volta stampate, si raffreddano a velocità diverse, il che può causare la “microsegregazione”.
“Immagina di versare il sale nell’acqua”, spiega Seede. “Si dissolve subito quando la quantità di sale è piccola, ma man mano che si versa più sale, le particelle di sale in eccesso che non si dissolvono iniziano a precipitare come cristalli. In sostanza, questo è ciò che accade nelle nostre leghe metalliche quando si raffreddano rapidamente dopo la stampa”.
Quando ciò accade durante la solidificazione, a volte emergono difetti nelle parti risultanti che influiscono sulle loro proprietà meccaniche e alla fine limitano le loro applicazioni. In passato, sono stati utilizzati trattamenti termici per combattere tale microsegregazione, ma questi possono portare a strutture a grana grossa e la loro compatibilità con le superleghe a base di nichel è spesso limitata.
Per aggirare questo problema, i ricercatori precedenti hanno cercato di adattare la composizione dei metalli interessati e identificare un set di parametri di elaborazione ottimizzato. Tuttavia, anche questo può essere un compito costoso e produrre risultati complessi che non possono essere facilmente convertiti in input, quindi per creare un approccio più sistemico alla lavorazione delle leghe di tutte le composizioni, il team di Texas A&M ha deciso di rivolgersi alle tecnologie ML.
Avendo identificato la velocità di solidificazione come chiave per evitare i difetti e rendendosi conto che l’aumento della velocità di scansione potrebbe non essere fattibile in alcuni casi, il team ha deciso di mappare il comportamento delle leghe per sviluppare invece un mezzo per “controllare” il processo.
Per raccogliere i dati richiesti, i ricercatori hanno studiato il comportamento di quattro leghe a base di nichel durante la stampa, ognuna con diverse concentrazioni di zinco, zirconio e alluminio. Sono stati quindi eseguiti un totale di 46 test laser a traccia singola, in cui sono stati monitorati gli stati fisici dei metalli a diverse temperature, ottenendo dati che potrebbero essere convertiti in diagrammi di fase dettagliati.
Dopo aver determinato come ottimizzare la composizione chimica per ottenere una microsegregazione minima, il team ha condotto ulteriori esperimenti per scoprire in che modo le impostazioni del laser influiscono anche sulla porosità delle parti. È interessante notare che le leghe con temperature di fusione più elevate sono risultate più suscettibili ai difetti del buco della serratura, poiché mostravano strutture del pool di fusione meno profonde, che portavano a una mancanza di fusione.
Successivamente, con l’obiettivo di trovare ulteriori tendenze nei dati raccolti, i ricercatori li hanno inseriti in un algoritmo di apprendimento automatico, che è stato addestrato a calcolare il potenziale tasso di errore e il livello di precisione di una determinata parte. I risultati hanno mostrato che, come previsto, la temperatura, la potenza del laser, il coefficiente di partizione e l’intervallo di congelamento hanno avuto un impatto sul modello risultante, ma la velocità di scansione è stata l’input più importante.
Sostenuto dall’Ufficio di ricerca dell’esercito degli Stati Uniti e dalla National Science Foundation , il team afferma che la loro ricerca ha prodotto un metodo semplificato per la stampa 3D di parti prive di crepe con qualsiasi lega, che ora potrebbe essere adottato in un’ampia varietà di settori.
“La nostra metodologia facilita l’uso efficace di leghe di diverse composizioni per AM senza la preoccupazione di introdurre difetti, anche su microscala”, ha aggiunto Ibrahim Karaman, capo del dipartimento di scienza e ingegneria dei materiali di Texas A&M. “Questo lavoro sarà di grande beneficio per le industrie aerospaziale, automobilistica e della difesa, che sono costantemente alla ricerca di modi migliori per costruire parti metalliche personalizzate”.
Solo nell’ultimo anno, sono stati compiuti progressi significativi nel valutare esattamente come i parametri dei sistemi LPBF possono essere modificati per ottenere i migliori risultati possibili. Utilizzando simulazioni e video ad alta velocità, un team del Lawrence Livermore National Laboratory è recentemente riuscito a individuare con precisione le cause del microcracking nel tungsteno .
Proprio come il team Texas A&M, anche una collaborazione di ricercatori cinesi e statunitensi ha scoperto che la velocità è una variabile vitale nella stampa 3D in metallo. Attraverso l’imaging a raggi X, gli scienziati hanno valutato la causa delle bolle a forma di J che si sono formate sugli oggetti stampati e hanno stabilito un “limite di velocità” LPBF al quale questo difetto della parte era meno probabile che si verificasse.
Nell’agosto 2020, un altro gruppo di ricercatori del Texas A&M ha implementato un approccio ML insieme all’Argonne National Laboratory per sviluppare un mezzo per prevedere i difetti nelle parti stampate in 3D . Tracciando collegamenti tra la storia termica e la formazione di difetti del sottosuolo, il team ha teorizzato che potrebbe essere possibile rilevare i vuoti durante la produzione e abbandonare qualsiasi stampa soggetta a cedimenti strutturali.
I risultati dei ricercatori sono dettagliati nel loro articolo intitolato ” Effetto della composizione e delle caratteristiche del diagramma di fase sulla stampabilità e sulla microstruttura nella fusione del letto di polvere laser: sviluppo e confronto delle mappe di elaborazione tra i sistemi di leghe “.
Lo studio è stato co-autore di Raiya Seede, Jiahui Ye, Austin Whitt, William Trehern, Alaa Elwany, Raymundo Arroyave e Ibrahim Karaman.
