Mengurangi Risiko pada Metal AM: Peran Simulasi dan AI

Proyek Teknologi Manufaktur (MTP)yang didirikan oleh Hamed Hosseinzadeh, mengembangkan solusi perangkat lunak yang mengintegrasikan simulasi berbasis fisika dengan AI untuk mendukung alur kerja prediktif dalam manufaktur aditif logam. Perusahaan yang berbasis di New Jersey ini berfokus pada peningkatan pemahaman proses dan mengurangi coba-coba dalam desain dan produksi melalui alat komputasi dengan ketelitian tinggi.

AdditiveM, platform simulasi inti MTP, dirancang untuk proses Powder Bed Fusion (PBF) dan Directed Energy Deposition (DED). Platform ini menggabungkan metode elemen hingga dan metode beda hingga dalam kerangka kerja berbasis voxel untuk mensimulasikan distribusi panas, tegangan sisa, distorsi, dan evolusi struktur mikro. Platform ini mendukung simulasi skala besar dan skala mikro, sehingga pengguna dapat menyesuaikan resolusi voxel dan menggabungkan transisi fase material, siklus termal, dan kendala mekanis. Prediksi umur fatik diaktifkan melalui diagram Goodman yang dimodifikasi yang menggabungkan efek tegangan sisa dan pembobotan anomali stokastik.

AdditiveMind, modul pendamping AI untuk AdditiveM, menerapkan jaringan saraf yang dilatih pada data simulasi untuk mendeteksi anomali termal, merekomendasikan penyesuaian parameter, dan mengurangi waktu simulasi. Pendekatan hibrida ini mendukung pengoptimalan proses virtual dan, dalam aplikasi masa depan, kontrol waktu nyata yang adaptif.

Perangkat lunak MTP menargetkan para insinyur dan produsen yang bertujuan untuk meningkatkan keandalan dan prediktabilitas dalam alur kerja AM dengan memanfaatkan pengambilan keputusan berbasis data yang diinformasikan oleh simulasi.

Wawancara dengan Hamed Hosseinzadeh

Dalam wawancara dengan 3Druck.com ini, Hamed Hosseinzadeh, Pendiri MTP dan pengembang AdditiveM dan AdditiveMind, berbagi wawasannya tentang peran simulasi dan AI yang terus berkembang dalam manufaktur aditif logam. Dia membahas bagaimana alat pemodelan canggih membantu meningkatkan keandalan proses, mengurangi kegagalan, dan menghadirkan kecerdasan berbasis data ke dalam alur kerja desain dan produksi.

Dari sudut pandang Anda, apa saja perubahan paling signifikan dalam simulasi AM dan pemodelan proses selama dekade terakhir – dan bagaimana perubahan tersebut memengaruhi adopsi industri, khususnya dalam manufaktur aditif logam?

Selama dekade terakhir, simulasi manufaktur aditif (AM) telah berkembang secara signifikan-dari model termal dasar hingga kerangka kerja multiphysics yang canggih yang menangkap fenomena termal, mekanis, dan mikrostruktural. Selain itu, integrasi AI, termasuk model pengganti dan jaringan saraf yang diinformasikan oleh fisika, telah mempercepat kecepatan simulasi dan memungkinkan pengoptimalan waktu nyata. Metode berbasis Voxel dan akselerasi GPU sekarang mendukung pemodelan skala bagian, sementara kembaran digital menghubungkan simulasi (simulasi berbasis fisika dengan ketelitian tinggi dapat digunakan untuk pelatihan model AI, dan model AI terlatih untuk kontrol kembaran digital waktu nyata) dengan data sensor untuk kontrol adaptif. Yang terpenting, perangkat lunak simulasi AM khusus-seperti Simufact Additive, Ansys Additive, dan platform baru seperti AdditiveM-telah tersedia secara luas, sehingga pemodelan dengan ketelitian tinggi dan tervalidasi dapat diakses baik untuk penelitian maupun industri.

Munculnya komputasi berkinerja tinggi dan simulasi termomekanik serta model material yang lebih kuat telah memungkinkan pengoptimalan proses dan umpan balik yang hampir seketika, sehingga mengurangi kebutuhan akan proses coba-coba yang mahal. Di MTP, kami merangkul transisi ini dengan alat seperti AdditiveM, yang menjembatani pemodelan FEM/FDM termomekanik terperinci dengan antarmuka yang dapat diakses, mempercepat adopsi industri dengan mengurangi biaya dan risiko sambil mengoptimalkan kualitas cetak sebelum satu lapisan disimpan.

Banyak produsen menghadapi masalah dengan distorsi, tegangan sisa, dan kegagalan pembuatan logam AM. Bagaimana teknologi simulasi MTP membantu mengidentifikasi dan mengatasi masalah ini bahkan sebelum pencetakan dimulai?

Perangkat lunak AdditiveM dari MTP secara langsung mengatasi tantangan-tantangan ini melalui pemodelan prediktif yang efisien dari interaksi termal-mekanis yang kompleks yang terjadi selama manufaktur aditif logam. Inovasi utama kami terletak pada pengembangan algoritme numerik yang baru dan dioptimalkan yang memungkinkan simulasi yang cepat dan akurat pada komputer pribadi standar, tanpa memerlukan infrastruktur komputasi berkinerja tinggi. Salah satu pengembangan terbaru kami adalah kerangka kerja berbasis voxel baru untuk simulasi Directed Energy Deposition (DED), yang disebut Algoritma Deposisi Fluida Semu yang Dipandu Secara Termodinamika. Metode ini mendukung simulasi berbasis fisika dengan ketelitian tinggi dengan kontrol parameter cetak yang mendetail-tanpa biaya komputasi pemodelan CFD penuh. Metode ini mengintegrasikan prinsip-prinsip minimalisasi energi permukaan dan redistribusi massa untuk memberikan simulasi yang akurat namun efisien secara komputasi, mengurangi waktu CPU sekaligus menjaga ketepatan.

Untuk analisis mekanik, AdditiveM mengimplementasikan model konstitutif elastoplastik canggih yang menangkap tegangan sisa plastik – terutama disebabkan oleh gradien termal lokal dan perubahan fasa selama pengendapan lapis demi lapis – dan tegangan sisa elastis, yang biasanya berasal dari batasan geometris, struktur pendukung, dan kondisi batas. Kerangka kerja tegangan ganda ini memungkinkan analisis yang tepat terhadap akumulasi dan redistribusi tegangan sisa selama proses pembangunan. Dengan mengidentifikasi area berisiko tinggi dan mengevaluasi perilaku tegangan dalam konteksnya, AdditiveM memungkinkan pengguna untuk mengoptimalkan parameter cetak dan strategi pendukung, yang secara efektif mengurangi regangan plastis dan deformasi elastis. Hal ini menyebabkan lebih sedikit komponen yang gagal dibuat, akurasi dimensi yang lebih baik, dan umur pemakaian yang lebih lama.

Selain simulasi proses, kami telah memperluas AdditiveM untuk prediksi performa-khususnya, estimasi umur fatik dengan menggunakan diagram Goodman yang dimodifikasi yang ditingkatkan dengan pembobotan anomali stokastik dan efek tegangan sisa. Metode ini memungkinkan penilaian daya tahan yang terlokalisasi sebelum produksi. Diskusi terperinci tentang metodologi kami dapat ditemukan di bagian PROSIDING TMS SPRINGER: PREDIKSI UMUR KELELAHAN PADA METODE FUSI UNGGUN SERBUK MENGGUNAKAN DIAGRAM GOODMAN YANG DIMODIFIKASI DENGAN PEMBOBOTAN TEGANGAN SISA DAN ANOMALI: MENGGABUNGKAN PENGERASAN REGANGAN, PENGERASAN SIKLIK, DAN EFEK BAUSCHINGER.

Bagaimana Anda melihat peran pemantauan proses waktu nyata dan analitik data yang berkembang dalam alur kerja AM – dan keuntungan apa yang ditawarkan MTP dalam bidang ini dibandingkan dengan solusi yang lebih tradisional atau yang terikat pada perangkat keras?

Pemantauan proses waktu nyata dan analitik data menjadi penting untuk mencapai kontrol loop tertutup dan mengurangi variabilitas yang melekat pada proses AM. Sistem tradisional sering kali mengandalkan solusi berbasis perangkat keras seperti kamera termal atau sensor kolam lelehan, yang menyediakan data mentah tetapi tidak memiliki kemampuan prediksi.

MTP mengambil pendekatan yang berbeda. Dengan AdditiveMind, modul bertenaga AI kami, kami mengintegrasikan wawasan berbasis data dengan pemodelan berbasis fisika untuk memungkinkan prediksi dan pengoptimalan yang cerdas. AdditiveMind menggunakan jaringan saraf yang dilatih berdasarkan hasil simulasi untuk memprediksi anomali, fitur termal, menyarankan penyempurnaan parameter, dan mempercepat konvergensi. Kerangka kerja intelijen hibrida ini memungkinkan kami memberikan wawasan yang dapat ditindaklanjuti tidak hanya selama fase desain tetapi juga selama proses integrasi di masa depan-tanpa bergantung pada sensor atau infrastruktur akuisisi data yang mahal.

Ke depan, teknologi baru mana – seperti pengoptimalan berbasis AI, kembaran digital, atau manufaktur hibrida – yang menurut Anda memiliki dampak terbesar pada masa depan AM logam, dan bagaimana MTP bersiap untuk mendukung evolusi tersebut?

Konvergensi AI, kembaran digital, dan desain paduan dan proses yang digerakkan oleh simulasi akan menentukan batas depan manufaktur aditif logam berikutnya. AI memungkinkan pengenalan pola yang cerdas, kontrol adaptif, dan pengoptimalan parameter. Kembaran digital menciptakan replika virtual waktu nyata dari sistem fisik yang dapat mendukung diagnostik prediktif dan kontrol loop tertutup. Keduanya membutuhkan simulasi dengan ketelitian tinggi untuk implementasi yang efektif.

MTP secara aktif maju di semua bidang ini. AdditiveMind mewakili inisiatif AI kami, menanamkan kecerdasan ke dalam alur kerja simulasi untuk penyempurnaan parameter dan eksplorasi pertukaran desain-kinerja. Kami juga mengembangkan kerangka kerja kembar digital yang menghubungkan umpan balik sensor dari proses AM dengan mesin simulasi kami untuk diagnostik waktu nyata, prediksi anomali, dan kontrol. Di sisi algoritmik, kami terus meningkatkan kecepatan dan skalabilitas model numerik dan AI kami untuk mendukung suku cadang berskala besar, sistem multi-material, dan integrasi pabrik pintar.

Yang terpenting, desain paduan untuk logam AM menjadi pendorong utama dalam menghindari cacat bawaan dan fitur mikrostruktur yang tidak diinginkan-seperti retakan pemadatan, variasi persentase fasa, dan morfologi butiran. Simulasi proses yang akurat memungkinkan kami untuk memprediksi bagaimana parameter cetak memengaruhi gradien termal dan laju pendinginan, yang secara langsung terkait dengan pembentukan cacat dan evolusi mikrostruktur. Dengan mengintegrasikan simulasi mikrostruktural dengan prediksi riwayat termal, kami mendukung pengembangan paduan yang dirancang khusus untuk kondisi AM. Penggabungan simulasi dan desain paduan ini memiliki potensi untuk mengurangi keretakan, meningkatkan kinerja mekanis, dan mempercepat kualifikasi material baru.

Dengan menyatukan fisika ketelitian tinggi dengan kecerdasan berbasis data, MTP membantu mengubah manufaktur aditif dari praktik coba-coba menjadi disiplin ilmu teknik yang prediktif, adaptif, dan otonom-mendukung segala hal mulai dari kinerja komponen hingga penemuan material.

Anda dapat menemukan informasi lebih lanjut tentang MTP di laman situs web.