Pesquisadores da POSTECH e o Instituto Coreano de Ciência de Materiais (KIMS) desenvolveram uma estrutura analítica baseada em IA que pode prever a resistência mecânica de componentes metálicos impressos em 3D em segundos, mesmo quando defeitos internos estão presentes.
O trabalho foi liderado pelo professor Kim Hyeong-seop do Instituto de Pós-Graduação em Tecnologia de Materiais Ferrosos e Ecológicos da POSTECH e do Departamento de Ciência e Engenharia de Materiais, e foi conduzido em colaboração com o pesquisador sênior Park Jung-min da KIMS. Os resultados foram publicados na revista internacional de ciência de materiais Acta Materialia.
O problema do defeito na fabricação aditiva de steel
O processo de estratificação no LPBF frequentemente produz pequenos vazios internos semelhantes a bolhas que podem se tornar pontos fracos críticos em peças destinadas a aplicações exigentes, como motores de aeronaves ou montagens automotivas. Mas quantificar o efeito destes vazios na resistência estrutural requer testes repetitivos extensos e dispendiosos.
Em vez de tentar eliminar os defeitos, a equipe de pesquisa treinou a IA para trabalhar com eles. O modelo ingeriu um amplo conjunto de dados que abrange parâmetros de fabricação – incluindo potência do laser e velocidade de digitalização – juntamente com dados sobre microestrutura interna, bem como o tamanho e distribuição espacial dos vazios.
Uma técnica descrita como “aprendizagem seletiva de dados” foi então aplicada para identificar as variáveis com maior influência na força, melhorando a precisão da previsão.
Resultados explicáveis e precisão verificada
Uma característica distintiva do quadro é a sua capacidade de produzir equações legíveis por humanos juntamente com as suas previsões, em vez de funcionar como uma caixa negra.
Testes de validação realizados em uma liga de alumínio-silício-magnésio (Al-Si-Mg)amplamente utilizado nos setores aeroespacial e automotivo, retornou previsões de força com um erro médio de 9,51 megapascais (MPa), um resultado que a equipe afirmou ser mais de quatro vezes mais preciso do que os métodos existentes.
Os pesquisadores indicaram que a estrutura poderia ser estendida para um mapa de projeto com reconhecimento de defeitos, dando aos engenheiros visibilidade avançada sobre como o desempenho dos componentes varia com as mudanças nas condições de fabricação.
“Essa tecnologia aumentará a confiabilidade das peças metálicas impressas em 3D, acelerando enormemente sua comercialização em áreas como aeroespacial e automotiva”, disse Kim Hyeong-seop.