볼록형 및 비볼록형 와이어 및 아크 적층 제조 공정을 위한 부품 방향 최적화

Scientific Reports 13권, 기사 번호: 2203(2023) 이 기사 인용

1177 액세스

1 알트메트릭

측정항목 세부정보

적층 제조(AM) 공정을 위한 건물 방향 최적화는 생성된 부품의 정확성과 성능에 중요한 영향을 미치기 때문에 중요한 단계입니다. WAAM(Wire and Arc Additive Manufacturing)의 작업 공간은 덜 제한적이며 생산 시간은 다른 금속 3D 프린터보다 훨씬 짧습니다. 그러나 WAAM의 부작용 중 하나는 용접 비드의 시작과 끝 부분에 결함이 있다는 것입니다. 본 논문에서는 X축과 Y축을 중심으로 루프의 3D 개체를 작은 일정 각도만큼 회전시킨 다음 회전 정도를 선택하여 최적의 인쇄 위치를 정의하고 이러한 결함 수를 줄이는 알고리즘을 개발했습니다. 중단되지 않는 표면이 가장 적고 첫 번째 레이어의 면적이 가장 넓습니다. 중단되지 않는 표면이 가능한 경우 토치에 의해 용접 프로세스가 최대한 중단되지 않습니다. 결과적으로, 용접 비드의 생산 및 마무리에 있어서 결함이 줄어들게 됩니다. 작업물을 제자리에 고정하는 데 도움이 되는 빌드 트레이와의 충분한 연결 표면을 확보하려면 가장 큰 첫 번째 레이어도 찾아야 합니다. 따라서 빌드 트레이를 기준으로 적절하게 정의된 방향은 레이어 내의 중단 없는 표면 수를 줄여 부품의 예상 치수 정확도를 향상시킬 수 있다는 것이 밝혀졌습니다. 공정의 효율성은 부품의 형상에 따라 크게 영향을 받지만 대부분의 경우 인쇄 오류를 획기적으로 최소화할 수 있습니다.

최근 몇 년 동안 적층 제조(AM)가 업계 및 학계 연구자들 사이에서 인기 있는 주제가 되면서 다양한 분야에서 많은 개발 방향이 출시되었습니다. 제조 엔지니어와 기계 설계자는 적층형 적층 생산을 위한 최신 솔루션을 개발합니다. 최소 생산 시간, 수량, 정확도1,2,3,4 등 특정 요구 사항에 따라 고정밀 금속 부품 제작을 위한 선택적 레이저 소결(SLS), 금속 부품 제작을 위한 융합 증착 모델링(FDM)과 같은 하위 유형 프로세스를 만듭니다. 저렴한 플라스틱 제품과 대형 구조물 생산에 큰 장점을 지닌 와이어아크 적층가공(WAAM)이 대표적이다. 동시에 재료 과학자들은 제조에 사용할 수 있는 다양한 원자재를 만들었습니다3,5. 그 결과, 견고한 콘크리트 프린터, 전도성 원재료로 작업할 수 있는 기계, 심지어 생물학적 직물까지 시장에서 찾아볼 수 있습니다. 디자이너는 3D 인쇄 형상의 자유를 활용하고 불균일한 이방성 기계적 동작과 계층 구조에서 발생하는 기타 측면을 존중하여 형상 최적화 방법을 개발합니다6,7. 또한 AM은 Industry 4.0의 요구 사항을 완벽하게 충족하므로 여러 연구에서는 지능형 제조 시스템 생성, IoT 장치 통합 및 CAD-CAM 시스템 사용 향상에 중점을 두고 있습니다8,9,10,11,12,13,14.

위에서 언급한 각 분야의 가장 중요한 요소는 기술의 경계 조건과 한계를 이해하는 것입니다. 전통적인 감산법과 달리 덧셈법은 기술적 특성이 다릅니다. AM 부품을 생산하는 주요 작업 중 하나는 완벽한 인쇄 방향을 찾는 것입니다. 이 하나의 설정으로 많은 제조 기술 문제를 제거할 수 있으며 최종 제품 특성을 크게 결정할 수 있습니다. Shim et al.15 그들은 서로 다른 방향으로 인쇄된 부품의 인쇄 정확도, 기계적 특성 및 표면 특성을 조사하고 다음과 같이 최적의 설정을 찾았습니다. 레이어 두께가 100m인 경우 부품을 3가지 다른 인쇄 방향으로 인쇄했습니다( 0, 45, 90도). 최종 인쇄된 부품의 결과를 분석한 결과, 0도에서 인쇄된 시편의 굴곡강도가 가장 높았고, 45도와 90도에서 인쇄된 시편이 그 뒤를 이었습니다. 45도와 90도에서 인쇄된 시편은 길이에 대한 오차율이 가장 낮았고, 0도에서 인쇄된 시편은 두께에 대한 오차율이 가장 높았습니다. Alharabi et al.16은 인쇄 방향의 영향과 결과적으로 압축 시험 중인 층의 방향을 조사했습니다. 그들은 층이 하중 방향에 수직인 경우 평행한 것보다 압축 강도가 더 높다는 것을 발견했습니다. 제작 방향에 따른 표면 거칠기는 Li et al.17에 의해 조사되었습니다. 그들은 이 특성이 AM 방법보다는 주로 빌드 각도에 의해 영향을 받으며 빌드 플랫폼에 상대적으로 평행하거나 수직으로 인쇄된 면에서 최상의 표면 거칠기를 얻을 수 있다고 결론지었습니다. Pandey et al.18,19는 다기준 유전자 알고리즘을 활용하여 표면 거칠기를 수학적으로 예측하고 FDM(Fused Deposition Modeling)에 가장 적합한 인쇄 방향을 제공하는 시스템을 만들어 이러한 효과를 최소화하기 위해 노력했습니다. 이 솔루션의 이점은 다음과 같습니다. 최적의 표면 거칠기 방향; 그러나 그들은 3D 프린팅 및 제조 공정의 모든 제한 요소를 고려하지 않았습니다. 또한 기계 학습(ML) 모델은 AM의 새로운 모델링 트렌드입니다. 기본적으로 ML 모델은 데이터를 사용하여 예상되는 오류를 반복적으로 줄이는 원칙에 따라 작동합니다. 이는 신뢰할 수 있는 예측 도구임이 입증되었습니다. Xia 등19은 기계 학습 방법을 사용하여 와이어 아크 적층 제조로 생산된 금속의 표면 거칠기를 모델링하고 예측했습니다. Phatak과 Pande20은 또한 유전자 알고리즘을 사용하여 가공 시간과 표면 오류를 최소화하는 최적화 솔루션을 만들었습니다. Masood et al.21의 연구에서는 복잡한 모양의 부품에 대한 최상의 방향을 찾기 위해 일반 알고리즘이 사용되었습니다. 개발된 시스템을 통해 전체 체적 오류가 최소가 되는 최상의 방향을 결정할 수 있었습니다. Padhye et al.22는 인쇄 시간과 표면 거칠기라는 두 가지 요소를 고려하여 최적을 결정하기 위해 다목적 최적화 및 다기준 의사결정을 사용했습니다. 그들의 작업은 방향이 동시에 여러 측면에서 충족되어야 할 때 의사 결정이 더 복잡해진다는 점을 지적합니다. 또한 Morgan et al.23은 금속 적층 제조에 대한 지원 요구 사항을 최소화하기 위해 특별히 소프트웨어를 개발했습니다. 따라서 이들 논문의 연구에 따르면 배향과 같이 사소해 보이는 설정도 인쇄 공정 가속화, 표면 거칠기 저하, 또는 기계적 특성을 개선합니다.