Ottimizzazione dell'orientamento delle parti per il processo di produzione additiva a filo e ad arco per convessi e non

Rapporti scientifici volume 13, numero articolo: 2203 (2023) Citare questo articolo

1009 accessi

1 Altmetrico

Dettagli sulle metriche

L’ottimizzazione dell’orientamento dell’edificio per il processo di produzione additiva (AM) è un passaggio cruciale perché ha un effetto vitale sulla precisione e sulle prestazioni della parte creata. Lo spazio di lavoro di Wire and Arc Additive Manufacturing (WAAM) è meno limitato e il tempo di produzione è significativamente più breve rispetto alle altre stampanti 3D in metallo. Tuttavia, uno degli effetti negativi del WAAM è il difetto all'inizio e alla fine dei cordoni di saldatura. In questo articolo è stato inventato un algoritmo per definire la posizione di stampa ottimale, riducendo il numero di questi difetti ruotando l'oggetto 3D in un ciclo attorno agli assi X e Y di un piccolo grado costante e quindi selezionando il grado di rotazione che ha il minor numero di superfici ininterrotte e l'area più ampia del primo strato. Il processo di saldatura verrà interrotto il meno possibile dalla torcia se ci sono meno superfici ininterrotte possibili. Di conseguenza ci saranno meno difetti nella produzione e nella finitura dei cordoni di saldatura. Per avere una superficie di connessione sufficiente con il vassoio di costruzione, che aiuterà a mantenere il pezzo in posizione, si dovrebbe cercare anche il primo strato più grande. Pertanto, si è scoperto che un orientamento adeguatamente definito rispetto al vassoio di costruzione può ridurre il numero di superfici ininterrotte all'interno degli strati, il che migliorerà la precisione dimensionale prevista delle parti. L'efficienza del processo è fortemente influenzata dalla forma della parte, ma nella maggior parte dei casi gli errori di stampa possono essere drasticamente ridotti al minimo.

Negli ultimi anni, man mano che la produzione additiva (AM) è diventata un argomento popolare tra l’industria e i ricercatori accademici, sono state lanciate molte direzioni di sviluppo da diverse discipline. Gli ingegneri di produzione e i progettisti di macchine sviluppano nuove soluzioni per la produzione additiva strato per strato. In base alle esigenze specifiche, come il tempo di produzione minimo, il volume e la precisione1,2,3,4, creano sottotipi di processi come la sinterizzazione laser selettiva (SLS) per la creazione di parti metalliche di alta precisione, la modellazione a deposizione fusa (FDM) per la creazione prodotti in plastica economici e produzione additiva ad arco di filo (WAAM) che presenta un grande vantaggio nella produzione di strutture di grandi dimensioni. Allo stesso tempo, gli scienziati dei materiali hanno creato una vasta gamma di materie prime che possono essere utilizzate per la produzione3,5. Di conseguenza, sul mercato si possono trovare robuste stampanti per calcestruzzo, macchine in grado di lavorare con materie prime conduttive o anche tessuti biologici. I progettisti sviluppano i loro metodi di ottimizzazione della forma utilizzando la libertà delle geometrie stampate in 3D, rispettando il comportamento meccanico anisotropo disomogeneo e altri aspetti derivanti dalle strutture stratificate6,7. Inoltre, poiché l’AM soddisfa perfettamente i requisiti dell’Industria 4.0, diverse ricerche si concentrano sulla creazione di sistemi di produzione intelligenti, sull’integrazione di dispositivi IoT e sul miglioramento dell’utilizzo dei sistemi CAD-CAM8,9,10,11,12,13,14.

Il fattore più importante per ciascuna disciplina sopra menzionata è comprendere le condizioni al contorno e i limiti delle tecnologie. A differenza dei metodi sottrattivi tradizionali, i metodi additivi hanno caratteristiche tecnologiche diverse. Uno dei compiti principali per la produzione di una parte AM è trovare l'orientamento di stampa perfetto. Con questa impostazione è possibile eliminare molti problemi legati alla tecnologia di produzione e determinare in modo significativo le proprietà del prodotto finale. Shim et al.15 Hanno studiato la precisione di stampa, le proprietà meccaniche e le caratteristiche superficiali delle parti stampate in diversi orientamenti e hanno trovato le impostazioni ottimali come segue: con uno spessore dello strato di 100 m, hanno stampato le parti in 3 diversi orientamenti di stampa ( 0, 45 e 90 gradi). Secondo la loro analisi dei risultati delle parti finali stampate, i campioni stampati a 0 gradi avevano la resistenza alla flessione più elevata, seguiti dai campioni stampati a 45 e 90 gradi. I campioni stampati a 45 e 90 gradi hanno mostrato i tassi di errore più bassi per la lunghezza, mentre i campioni stampati a 0 gradi hanno mostrato i tassi di errore più alti per lo spessore. Alharabi et al.16 hanno esaminato l'effetto dell'orientamento della stampa e di conseguenza la direzione degli strati sottoposti al test di compressione. Hanno scoperto che se gli strati sono perpendicolari alla direzione del carico hanno una resistenza a compressione maggiore rispetto a quelli paralleli. La rugosità superficiale in funzione della direzione di costruzione è stata studiata da Li et al.17. Hanno concluso che questa proprietà è influenzata principalmente dall'angolo di costruzione piuttosto che dal metodo AM e che la migliore ruvidità superficiale può essere ottenuta sulle facce stampate parallele o perpendicolari rispetto alla piattaforma di costruzione. Pandey et al.18,19 hanno lavorato per ridurre al minimo questi effetti creando un sistema che predice matematicamente la rugosità superficiale utilizzando l'algoritmo genetico multicriterio e offre il miglior orientamento di stampa per la modellazione a deposizione fusa (FDM). Il vantaggio di questa soluzione è che hanno ottenuto l'orientamento ottimale della rugosità superficiale; tuttavia, non hanno considerato tutti i fattori limitanti del processo di stampa e produzione 3D. Inoltre, i modelli di machine learning (ML) rappresentano una nuova tendenza di modellazione nell’AM. Fondamentalmente, i modelli ML funzionano secondo il principio della riduzione iterativa dell’errore previsto utilizzando i dati. Hanno dimostrato di essere strumenti predittivi affidabili. Xia et al.19 hanno modellato e previsto la rugosità superficiale del metallo prodotto dalla produzione additiva con arco a filo utilizzando metodi di apprendimento automatico. Phatak e Pande20 hanno inoltre creato una soluzione di ottimizzazione utilizzando un algoritmo genetico per ridurre al minimo il tempo di lavorazione e gli errori superficiali. L'algoritmo generico è stato utilizzato nello studio condotto da Masood et al.21, per trovare l'orientamento migliore per parti di forma complessa. Con il sistema sviluppato, sono stati in grado di determinare l'orientamento migliore in cui l'errore volumetrico complessivo è minimo. Padhye et al.22 hanno utilizzato l'ottimizzazione multi-obiettivo e il processo decisionale multi-criterio per determinare l'ottimale considerando due fattori, il tempo di stampa e la ruvidità della superficie. Il loro lavoro sottolinea che il processo decisionale diventa più complicato quando l'orientamento deve essere soddisfatto da più aspetti contemporaneamente. Inoltre, Morgan et al.23 hanno sviluppato un software specifico per ridurre al minimo i requisiti di supporto per la produzione additiva in metallo. Pertanto, sulla base della ricerca contenuta in questi articoli, si può affermare che un'impostazione apparentemente insignificante, come l'orientamento, può avere un impatto significativo sulla qualità della produzione in diversi modi, come accelerando il processo di stampa, riducendo la ruvidità superficiale, o migliorare le proprietà meccaniche.