La produzione di leghe di titanio ad alte prestazioni, impiegate in ambiti come l’aerospazio, la tecnologia medica o la difesa, comporta costi elevati e richiede processi di lavorazione sofisticati. Anche con le moderne tecnologie di stampa 3D in metallo, l’identificazione dei parametri ideali di produzione resta un’attività complessa e dispendiosa in termini di tempo. Un gruppo di ricerca del Johns Hopkins Applied Physics Laboratory (APL), in collaborazione con la Whiting School of Engineering, ha sperimentato l’uso dell’intelligenza artificiale per migliorare l’efficienza del processo di fusione laser a letto di polvere (L-PBF) applicato alla stampa 3D di titanio.
Un nuovo approccio alla produzione del Ti-6Al-4V
L’attenzione si è concentrata sulla lega Ti-6Al-4V, conosciuta per la sua combinazione di resistenza meccanica e leggerezza. Attraverso l’uso dell’apprendimento automatico, i ricercatori sono riusciti ad analizzare anche condizioni di stampa considerate finora poco efficaci, individuando nuovi parametri in grado di generare una microstruttura più densa e resistente.
Morgan Trexler, responsabile del programma per i materiali estremi e multifunzionali presso APL, ha evidenziato come vi sia un’esigenza crescente di accelerare la produzione per rispondere in tempi rapidi a nuove esigenze operative. Secondo Trexler, la produzione additiva basata su laser può offrire una risposta concreta a queste necessità, permettendo di sviluppare rapidamente materiali già pronti per l’uso finale.
L’ottimizzazione attraverso l’intelligenza artificiale
A differenza dei metodi classici, che richiedono numerose prove fisiche, il team ha adottato modelli predittivi supportati dall’intelligenza artificiale per identificare rapidamente i parametri di processo più adatti. L’ottimizzazione bayesiana ha permesso di simulare migliaia di configurazioni, testando in laboratorio solo quelle più promettenti. Alcune combinazioni di potenza del laser, velocità di scansione e distanza tra le tracce hanno dimostrato di migliorare la resistenza del materiale senza comprometterne la duttilità.
Nuove opportunità nel controllo dei parametri di stampa
Brendan Croom, scienziato dei materiali presso APL, ha spiegato che spesso sono stati esclusi parametri considerati inadeguati, sulla base di ipotesi consolidate. L’intelligenza artificiale ha però permesso di esplorare aree del processo mai considerate prima, rivelando la possibilità di aumentare la velocità di stampa mantenendo elevati livelli di qualità. Questo approccio offre agli ingegneri maggiore libertà nella scelta delle impostazioni, adattandole alle esigenze specifiche del componente da produrre.
Prospettive applicative e sviluppi futuri
Le implicazioni di questi risultati si estendono a diversi settori industriali. La possibilità di produrre componenti in titanio in modo più efficiente può ridurre i costi e migliorare le prestazioni, in particolare nel campo aerospaziale e navale. Inoltre, la metodologia può essere applicata ad altre leghe e a diverse tecnologie di produzione additiva, aprendo la strada a ulteriori sviluppi.
Il team sta anche lavorando a sistemi predittivi basati su AI per valutare il comportamento dei materiali in condizioni ambientali estreme. Questo potrebbe velocizzare la fase di qualificazione dei materiali, rendendoli rapidamente disponibili per l’uso industriale.
Tra le evoluzioni in fase di studio, vi è l’integrazione di sistemi di monitoraggio in tempo reale durante la stampa, in grado di adattare i parametri in corso d’opera per garantire un risultato conforme già in fase di produzione.
Steve Storck ha delineato una visione in cui la stampa 3D metallica possa diventare tanto affidabile e automatizzata quanto quella domestica, con sistemi in grado di autoregolarsi per garantire qualità costante senza la necessità di interventi successivi. Questa prospettiva lascia intravedere un futuro in cui la produzione additiva diventa uno strumento sempre più centrale nella realizzazione di materiali avanzati.
