Senvol ha recentemente presentato con successo un approccio di apprendimento automatico nello sviluppo di materiali consentiti che si è dimostrato più flessibile, conveniente ed equivalente all’approccio convenzionale (in questo caso, MMPDS) nello sviluppo dei materiali consentiti. Questo lavoro è stato realizzato nel contesto di un contratto governativo degli Stati Uniti, W911NF20-9-0009, che Senvol aveva ottenuto per applicare il suo software di apprendimento automatico, Senvol ML, al fine di accelerare lo sviluppo delle proprietà dei materiali consentiti per la produzione additiva (AM).
Tra i partner di Senvol nel programma figuravano EWI e Pilgrim Consulting. Inoltre, Hector Sandoval, esperto di Battelle e Lockheed Martin, ha svolto il ruolo di consulente tecnico nel programma. Il contratto è stato gestito dal National Center for Manufacturing Sciences (NCMS) attraverso il programma AMMP Other Transaction Agreement (OTA).
Nel contesto di questo programma, Senvol ha dimostrato un nuovo approccio allo sviluppo dei materiali consentiti utilizzando l’apprendimento automatico. L’approccio basato sull’apprendimento automatico si dimostra estremamente flessibile e in grado di gestire qualsiasi modifica nel processo di produzione additiva, rendendolo ideale per un supporto a lungo termine. Il programma si è concentrato sulla dimostrazione dell’approccio utilizzando un materiale in acciaio inossidabile 17-4 PH lavorato mediante la tecnologia di fusione laser a letto di polvere.
“Lo sviluppo dei materiali consentiti è un’attività costosa e che richiede molto tempo”, ha affermato Annie Wang, presidente di Senvol. “Il programma di Senvol ha ottenuto un grande successo nel dimostrare un nuovo approccio basato sull’apprendimento automatico nello sviluppo dei materiali consentiti per la produzione additiva. Siamo molto soddisfatti dei risultati e non vediamo l’ora di continuare a lavorare in questo settore all’avanguardia”.
La produzione additiva consente di realizzare progetti leggeri e prodotti innovativi in modo rapido, apportando vantaggi significativi in vari settori, tra cui quello commerciale e della difesa. Tuttavia, questi vantaggi non possono essere pienamente sfruttati a causa dei costi elevati e del tempo necessario per lo sviluppo dei materiali consentiti.
L’alto costo è principalmente dovuto al fatto che lo sviluppo dei materiali consentiti richiede la generazione di una grande quantità di dati sperimentali, che devono essere rigenerati da zero ogni volta che si verificano importanti modifiche nel processo. Questo rende il processo di produzione additiva non solo costoso e dispendioso in termini di tempo durante l’implementazione iniziale, ma anche costoso e dispendioso a lungo termine quando si verificano inevitabili modifiche nel processo.
Hector Sandoval, che ha esaminato l’approccio tecnico del programma AMMP e i risultati dei test, ha commentato: “Ho esperienza nello sviluppo dei materiali consentiti utilizzando metodologie tradizionali. Il processo attuale funziona bene, ma presenta alcune limitazioni. È stato entusiasmante sostenere il programma AMMP nella revisione dell’approccio tecnico, dei risultati dei test e della presentazione finale. È stato fantastico vedere di persona il potenziale di utilizzare un approccio basato sull’apprendimento automatico per stabilire i materiali consentiti”.
Il software Senvol ML supporta la qualificazione dei processi di produzione additiva ed è stato utilizzato nel programma per sviluppare proprietà dei materiali statisticamente valide, analoghe ai materiali consentiti. Il software è altamente flessibile e può essere applicato a qualsiasi processo di produzione additiva, qualsiasi macchina e qualsiasi materiale. È importante sottolineare che in questo progetto non sono stati sviluppati materiali consentiti completi a causa di limitazioni di budget e programmatiche, ma sono state prese diverse decisioni di semplificazione.
Zach Simkin, presidente di Senvol, ha commentato: “L’uso dell’apprendimento automatico nel processo di produzione additiva e nello sviluppo dei materiali è già molto maturo e ampiamente adottato dall’industria. Tuttavia, l’utilizzo dell’apprendimento automatico specificamente nello sviluppo dei materiali consentiti è ancora in fase di sviluppo. Siamo lieti di aver dimostrato con successo due volte l’efficacia dell’approccio basato sull’apprendimento automatico ai materiali consentiti: una volta in questo programma utilizzando una lega metallica e confrontandola con MMPDS, e una volta in un progetto precedente finanziato da America Makes utilizzando un materiale polimerico e confrontandolo con CMH-17. Tuttavia, sono necessarie ulteriori ricerche. I vantaggi sono enormi e non vediamo l’ora di continuare a collaborare con il governo e l’industria per progredire in questo settore”.
Il dottor William E. Frazier, Chief Scientist per l’Ingegneria dei Veicoli Aerei in pensione presso NAVAIR e attualmente presidente di Pilgrim Consulting LLC, ha aggiunto: “Sono stato entusiasta di unirmi al team di Senvol per questo programma. L’approccio basato sull’apprendimento automatico di Senvol affronta direttamente una delle principali sfide del settore: lo sviluppo rapido ed economico delle proprietà dei materiali di produzione additiva consentiti. Ho partecipato alla qualificazione di diversi processi e materiali di produzione additiva per applicazioni aeronautiche, e sono convinto che lo sviluppo continuo di questa tecnologia avrà un impatto positivo sui costi, i tempi e le prestazioni sia delle piattaforme di difesa che commerciali”.
Il software Senvol ML viene utilizzato da organizzazioni nei settori aerospaziale, della difesa, del petrolio e del gas, dei beni di consumo, medico, automobilistico, nonché da produttori di macchine per la produzione additiva e fornitori di materiali per la produzione additiva.
