A data-driven approach for predicting printability in metal additive manufacturing processes
A data-driven approach for predicting printability in metal additive manufacturing processes
复制标题
用于预测金属增材制造工艺中可印刷性的数据驱动方法
DOI：
10.1007/s10845-020-01541-w
复制
发表时间：
2020
影响因子：
8.3
通讯作者：
Mycroft W
中科院分区：
文献类型：
--
作者：
Mycroft W
金属粉末床熔融增材制造技术为制造业提供了许多好处。然而，目前的方法，以印刷适性分析，确定哪些组件可能会不成功地建立，制造之前，是基于特设的规则和工程经验。因此，为了充分利用增材制造的好处，需要一种完全系统的方法来解决这个问题。在本文中，我们专注于印刷适性分析中的几何形状的影响。这是第一次，我们详细介绍了一个机器学习框架，用于确定增材制造过程中印刷适性的几何限制。该框架由三个主要部分组成。首先，我们详细介绍了如何构建能够将增材制造过程推向极限的艰苦测试工件。其次，我们解释如何测量增材制造的测试工件的可打印性。最后，我们构建了一个预测模型，能够在增材制造之前估计给定人工制品的可印刷性。我们测试了框架的所有步骤，并表明由于底层增材制造过程中固有的随机性，我们的预测模型接近对可获得的最大性能的估计。
Metal powder-bed fusion additive manufacturing technologies offer numerous benefits to the manufacturing industry. However, the current approach to printability analysis, determining which components are likely to build unsuccessfully, prior to manufacture, is based on ad-hoc rules and engineering experience. Consequently, to allow full exploitation of the benefits of additive manufacturing, there is a demand for a fully systematic approach to the problem. In this paper we focus on the impact of geometry in printability analysis. For the first time, we detail a machine learning framework for determining the geometric limits of printability in additive manufacturing processes. This framework consists of three main components. First, we detail how to construct strenuous test artefacts capable of pushing an additive manufacturing process to its limits. Secondly, we explain how to measure the printability of an additively manufactured test artefact. Finally, we construct a predictive model capable of estimating the printability of a given artefact before it is additively manufactured. We test all steps of our framework, and show that our predictive model approaches an estimate of the maximum performance obtainable due to inherent stochasticity in the underlying additive manufacturing process.
登录
查看更多内容
DOI：
--
发表时间：
1981
期刊：
Symposium on the Theory of Computing
影响因子：
--
作者：
B. Chazelle
通讯作者：
B. Chazelle
DOI：
10.1016/j.precisioneng.2017.08.021
发表时间：
2018-01-01
影响因子：
3.6
作者：
Villarraga-Gomez, Herminso;Lee, ChaBum;Smith, Stuart T.
通讯作者：
Smith, Stuart T.
美国国家标准与技术研究所 429 增材制造测试工件
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
S. Moylan;J. Slotwinski;A. Cooke;Kevin K. Jurrens;M. A. Donmez
通讯作者：
M. A. Donmez
使用完整的几何测试部件研究 DMLS 技术的可重复性
DOI：
--
发表时间：
2009
期刊：
影响因子：
--
作者：
B. Cavallini;J. Ciurana;C. Reguant;J. Delgado
通讯作者：
J. Delgado
随机多胞体的最新结果
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
R. Schneider
通讯作者：
R. Schneider