万博Ansys stellt Studierenden auf dem Weg zum Erfolg die Simulationssoftware kostenlos zur Verfügung。
万博Ansys stellt Studierenden auf dem Weg zum Erfolg die Simulationssoftware kostenlos zur Verfügung。
Für die Vereinigten Staaten and Kanada
+ 1 844.462.6797
万博Ansys优势杂志
2022年5月
增材制造(AM)使制造具有复杂形状的产品成为可能,这些产品无法使用传统方法制造,如铸造、成型、锻造或机械加工。万博网通过精确地沉积粉末层(金属或聚合物),并将每一层的粉末颗粒与自身和后续层热融合,可以生产的实际工作部件的几何形状几乎没有限制。从效率优化的小型散热器到将未来宇航员送入太空的巨大火箭发动机。我可以做到这一切。
AM直到现在还不能像制造商所希望的那样快速和持续地生产这些部件。增材制造通常需要无数轮的试验和错误来优化新的增材制造部件。即使设计和AM工艺已经完成,也可以在工艺中引入其他变量,例如新一批材料或不同的环境条件,这些变量会影响重复性。考虑到在失败的构建中浪费的金属粉末的高成本,添加剂制造商无法承受失败。
在工业中大规模采用AM的主要挑战是速度和可靠性。如何快速优化增材制造零件的工艺参数,从而缩短上市时间?克服这些挑战变得更加困难,因为每个AM工艺都有自己的一组工艺参数,包括材料特性、制造设置和不断变化的环境条件。
即使只关注材料属性也会产生大量的变量。合金的粉末化学成分可以有很大的差异,因为少量的杂质可以改变每一批合金的成分。在AM构建失败之前,Ti-6Al-4V合金粉末中钛浓度的变化百分比是多少?杂质如氧、铁、碳和氮的水平如何影响所产生的AM部件的抗拉强度?
在激光驱动的AM机器中,加工参数的可能变化(边界功率、边界速度、开口距离、开口速度、开口偏移量、体积能量密度等)增加了AM挑战的复杂性。再加上热处理、无损检测(NDT)检验和机械测试变量,很快您就面临着重大的数据管理挑战。
当一个或多个变量在构建过程中发生变化时,您可能还会遇到预测因果结果的挑战。当存在如此多的流程-属性组合时,能够预测将要发生的事情在确保高构建成功率方面发挥了重要作用。
AM变量的绝对数量的表示。
使用机器学习来识别AM数据之间的因果关系。
建立AM流程信心的第一步是帮助工程师捕获和管理他们的材料信息。这是最主要的关注点万博Ansys Granta MI.它使公司能够收集、组织和存储他们自己的材料数据,这些数据来自对进口原材料和出口最终产品的测试。万博网这种定制的数据是非常宝贵的微调AM过程为公司的专有材料知识产权。Granta MI还为公司提供了材料信息的单一存储库——“单一真相来源”——这避免了不同工程师使用不同数据的问题。
即使有Granta MI的数据管理功能,现实世界的AM数据集通常是稀疏和有噪声的——“稀疏”意味着数据集的某些行或列中存在间隙,而“噪声”意味着同一属性的不同测量之间可能存在很大的差异。另一个问题是,即使数据中可能存在空白,这些重要的数据集也可能变得太大,无法有效地提取有用的数据。
万博用于增材制造数据的Ansys 2022 R1机器学习。
因此,A万博nsys与Intellegens合作,结合其Alchemite™算法,在统计上填补空白,减少数据中的噪声。机器学习(ML)算法通常基于神经网络方法,从样本数据(称为训练数据)构建模型。仅基于他们从这些数据中“学到”的东西,而没有进一步的显式编程,这些模型支持的任务包括:
机器学习使用现有的AM项目数据来构建预测模型,以识别关键的工艺-属性关系,指导您的测试程序,并提出最佳的工艺参数。简而言之,Alchemite可以从数据中提取价值,即使数据稀疏、有噪声且容量很大。当数据太少时,ML通过识别缺失的关键参数,帮助您高效地集中数据采集工作。当您有太多数据时,Alchemite可以提取对预测AM构建成功至关重要的关键参数。了解更多关于Ansys解决方案如何工作的AM数据与万博我们按需网络研讨会.
这种对AM数据的新水平的洞察使工程师能够控制AM过程并优化材料和部件性能。您可以通过大大减少实验测试周期来实现结果,这有助于加快上市时间,并为AM程序节省大量的端到端总成本。
为了使软件易于学习和使用,Granta MI AM解决方案已提炼成三个应用程序:一个训练数据集应用程序,一个优化应用程序和一个可视化应用程序。
2016年《麻省理工科技评论》调查的375家企业中,近60%的企业将ML纳入了他们的运营中。领先的营销研究公司普华永道(PwC)的一份报告指出,100%被确定为“数字冠军”(而不是“数字新手”)的公司计划在2025年之前使用机器学习。
他们这样做有充分的理由。根据Ansys的计算,将数万博据管理系统与ML相结合的AM工艺预计将导致建立正确AM处理参数所需的实验数量减少50-90%。这和其他好处将导致全球AM市场成本降低10%。如欲了解更多,请浏览万博Ansys白皮书“机器学习如何帮助增材制造零件更快地推向市场。”
为了使AM作为工业制造工艺继续增长,制造商将不得不依赖于减少制造失败数量的改进,并使他们对自己的工作流程充满信心。他们不能继续把钱浪费在昂贵的金属粉末上,而这些粉末最终只能被扔到废铁堆里。万博Ansys将继续为Granta MI添加功能,并与Intellegens合作,使ML成为AM构建过程中更重要的一部分,确保增材制造的好处将惠及未来几代工程师。
如果你想看看这是如何为你的公司工作的,预约演示和我们的团队一起。
我们在这里回答你的问题,期待与你交谈。我们Ansys销售团队的一名成员万博将很快与您联系。