GE, ORNL e PARC hanno concesso $ 1,3 milioni per accelerare la progettazione di parti 3D per turbomacchine
GE e partner dell’Oak Ridge National Laboratory e del PARC di proprietà di Xerox hanno ricevuto oltre $ 1,3 milioni attraverso il programma DIFFERENZIATO di ARPA-E. Il finanziamento consentirà ai partner di perseguire un progetto di ricerca volto a ridurre del 65% i tempi di progettazione e convalida per la produzione additiva. In caso di successo, il progetto potrebbe influenzare l’adozione delle tecnologie di stampa 3D industriale per i sistemi energetici, poiché renderebbe AM più veloce di molti processi di produzione tradizionali.
Il programma DIFFERENTIATE (Design Intelligence che favorisce una formidabile riduzione dell’energia e abilita nuovi miglioramenti tecnologicamente avanzati di grande impatto) ha lo scopo di supportare il lavoro degli ingegneri energetici nello sviluppo di tecnologie energetiche di nuova generazione (e più sostenibili). GE e i suoi partner hanno ricevuto una sovvenzione attraverso il programma per il loro lavoro volto a migliorare l’efficienza energetica della stampa 3D per i componenti di turbomacchine.
Oggi, sono necessari uno sforzo e risorse straordinari per progettare nuovi componenti per prodotti energetici complessi come turbine eoliche, motori a reazione e turbine a gas utilizzando AM. Il flusso di lavoro coinvolge molti esperti e include molte considerazioni sulle proprietà strutturali, termiche e fluide, tra gli altri. Complessivamente, possono essere necessari dai 2 ai 5 anni per progettare, sviluppare e validare un nuovo componente energetico usando AM.
Comprensibilmente, GE, ORNL e PARC vogliono accelerare significativamente questo processo. Lavorando insieme, i partner stanno sviluppando un modo per accelerare la progettazione AM e il processo di convalida del progetto per i componenti di turbomacchine. L’obiettivo, dicono, è rendere AM più veloce del casting tradizionale.
“Una delle chiavi per consentire l’uso diffuso e i vantaggi della stampa 3D è la riduzione del tempo necessario per creare e convalidare progetti di componenti 3D privi di difetti”, ha spiegato Brent Brunell, leader degli sforzi additivi di GE Research. “Utilizzando strumenti abilitati alla multi-fisica e AI, riteniamo di poter battere la cronologia di alcuni processi di produzione tradizionali automatizzando l’intero processo.”
In che modo i partner accelereranno il processo AM per i componenti energetici? Un aspetto chiave del lavoro è incentrato sull’automazione dell’ottimizzazione delle proprietà termiche e fluide. Secondo quanto riferito, i ricercatori di GE e PARC stanno lavorando sull’integrazione delle proprietà termiche e dei fluidi con l’ottimizzazione delle caratteristiche strutturali utilizzando l’intelligenza artificiale (AI), che può generare modelli surrogati da dati di produttività additivi e combinarli con tecniche di ottimizzazione del design multi-fisica.
La ricerca si baserà sull’uso del supercomputer Summit di ORNL, che consentirà la generazione di surrogati basati sull’intelligenza artificiale. ORNL fornirà inoltre l’accesso al suo reattore di isotopi ad alto flusso, che sarà utilizzato per analizzare parti stampate in 3D e generare dati per l’addestramento e la valutazione dei modelli basati su AI.
“Questo è il tipo di progetto che sfrutta le capacità uniche di ORNL – strutture sperimentali e computazionali – nonché esperienza nella scienza computazionale e nella produzione additiva”, ha affermato John Turner, direttore del programma di ingegneria computazionale presso ORNL.
In definitiva, il progetto mira a fornire una dimostrazione di un design multifunzione stampato in 3D ad alte prestazioni, privo di difetti, in grado di resistere a temperature e sollecitazioni elevate ed è superiore nelle prestazioni a un componente fuso.
“La combinazione di AI basata sui modelli e basata sui dati per accelerare la progettazione generativa è un’innovazione chiave che ridurrà drasticamente il tempo di sintesi e fabbricazione di parti di qualità”, ha aggiunto Saigopal Nelaturi, Responsabile del calcolo per l’automazione nell’area di ingegneria dei sistemi nel sistema Sciences Lab presso PARC. “I modelli surrogati (costruiti utilizzando l’apprendimento automatico) che incapsulano complessi accoppiamenti tra fisica del processo e qualità delle parti aiuteranno a guidare i modelli di ottimizzazione in regioni realizzabili di spazi di progettazione di dimensioni molto elevate. Questa combinazione di tecniche di intelligenza artificiale consente la sintesi automatica multi-funzionale delle parti per soddisfare le esigenze delle applicazioni del mondo reale, per le quali AM può fornire soluzioni davvero innovative. “
LR: GE Research Principal Scientist for Machine Learning, Naresh Iyer; Lead Engineer for Structural Mechanics / Dynamics, Sathyanarayanan Raghavan; Ingegnere principale per la ricerca additiva, Dean Robinson; e Carlos Velez, ingegnere capo del gruppo Thermosciences, conversano sugli strumenti di progettazione 3D nel Information Works Lab di GE Research. Fanno parte di un team di ricerca multidisciplinare che lavora per ridurre i tempi per la progettazione e la convalida dei componenti di turbomacchine stampati in 3D da 2-5 anni a 1-2 anni.