Otimização da orientação da peça para o processo de fabricação aditiva de arame e arco para convexos e não

Nov 10, 2023

Scientific Reports volume 13, Número do artigo: 2203 (2023) Citar este artigo

1013 Acessos

1 Altmétrica

Detalhes das métricas

A otimização da orientação da construção para o processo de Manufatura Aditiva (AM) é uma etapa crucial porque tem um efeito vital na precisão e no desempenho da peça criada. O espaço de trabalho da Wire and Arc Additive Manufacturing (WAAM) é menos limitado e o tempo de produção é significativamente menor do que as outras impressoras 3D de metal. No entanto, um dos efeitos adversos do WAAM é o defeito no início e nas extremidades dos cordões de solda. Neste artigo, um algoritmo foi inventado para definir a posição de impressão ideal, reduzindo o número desses defeitos girando o objeto 3D em um loop em torno dos eixos X e Y por um pequeno grau constante e, em seguida, selecionando o grau de rotação que tem o menor número de superfícies ininterruptas e a maior área da primeira camada. O processo de soldagem será interrompido o mínimo possível pela tocha se houver o menor número possível de superfícies ininterruptas. Como resultado, haverá menos defeitos na produção e acabamento dos cordões de solda. Para ter uma superfície de conexão suficiente com a bandeja de construção, o que ajudará a manter a peça no lugar, a maior primeira camada também deve ser procurada. Portanto, verificou-se que uma orientação definida corretamente em relação à bandeja de construção pode reduzir o número de superfícies ininterruptas dentro das camadas, o que melhorará a precisão dimensional esperada das peças. A eficiência do processo é altamente afetada pelo formato da peça, mas na maioria dos casos, os erros de impressão podem ser drasticamente minimizados.

Nos últimos anos, como a Manufatura Aditiva (AM) se tornou um tópico popular entre a indústria e os pesquisadores acadêmicos, muitas direções de desenvolvimento foram lançadas em diferentes disciplinas. Engenheiros de fabricação e projetistas de máquinas desenvolvem soluções mais recentes para a produção aditiva camada por camada. De acordo com a necessidade específica, como tempo mínimo de produção, volume e precisão1,2,3,4 criam-se subtipos de processos como Sinterização Seletiva a Laser (SLS) para criação de peças metálicas de alta precisão, Fused Deposition Modeling (FDM) para criação produtos de plástico baratos e fabricação aditiva de arco de arame (WAAM), que tem uma grande vantagem na produção de estruturas de grande porte. Simultaneamente, os cientistas de materiais criaram uma gama diversificada de matérias-primas que podem ser usadas na fabricação3,5. Com isso, podem ser encontradas no mercado impressoras robustas de concreto, máquinas capazes de trabalhar com matérias-primas condutoras ou mesmo tecidos biológicos. Os designers desenvolvem seus métodos de otimização de formas utilizando a liberdade das geometrias impressas em 3D, respeitando o comportamento mecânico anisotrópico não homogêneo e outros aspectos decorrentes das estruturas em camadas6,7. Além disso, como a AM atende perfeitamente aos requisitos da Indústria 4.0, várias pesquisas se concentram na criação de sistemas de manufatura inteligentes, incorporando dispositivos IoT e aprimorando o uso de sistemas CAD-CAM8,9,10,11,12,13,14.

O fator mais importante para cada disciplina acima mencionada é entender as condições de fronteira e os limites das tecnologias. Em contraste com os métodos subtrativos tradicionais, os métodos aditivos têm características tecnológicas diferentes. Uma das principais tarefas para produzir uma peça AM é encontrar a orientação de impressão perfeita. Com essa configuração, muitos problemas de tecnologia de fabricação podem ser eliminados e as propriedades do produto final podem ser bastante determinadas com ela. Shim et al.15 Eles investigaram a precisão da impressão, propriedades mecânicas e características de superfície das peças impressas em diferentes orientações e encontraram as configurações ideais da seguinte forma: com uma espessura de camada de 100 m, eles imprimiram as peças em 3 orientações de impressão diferentes ( 0, 45 e 90 graus). De acordo com a análise dos resultados das peças impressas finais, as amostras impressas a 0 graus tiveram a maior resistência à flexão, seguidas pelas amostras impressas a 45 e 90 graus. As amostras impressas a 45 e 90 graus apresentaram as menores taxas de erro de comprimento, e as amostras impressas a 0 graus apresentaram as maiores taxas de erro de espessura. Alharabi et al.16 examinaram o efeito da orientação de impressão e conseqüentemente a direção das camadas sob teste de compressão. Eles descobriram que, se as camadas são perpendiculares à direção da carga, elas têm maior resistência à compressão do que paralelas. A rugosidade da superfície em função da direção de construção foi investigada por Li et al.17. Eles concluíram que essa propriedade é afetada principalmente pelo ângulo de construção e não pelo método AM, e a melhor rugosidade da superfície pode ser alcançada nas faces impressas paralelas ou perpendiculares em relação à plataforma de construção. Pandey et al.18,19 trabalharam para minimizar esses efeitos criando um sistema que prevê matematicamente a rugosidade da superfície utilizando o algoritmo genético multicritério e oferece a melhor orientação de impressão para Modelagem de Deposição Fusível (FDM). O benefício dessa solução é que eles obtiveram a orientação ideal da rugosidade da superfície; no entanto, eles não consideraram todos os fatores de limitação do processo de impressão e fabricação em 3D. Além disso, os modelos de aprendizado de máquina (ML) são uma nova tendência de modelagem em AM. Fundamentalmente, os modelos de ML trabalham com o princípio de reduzir iterativamente o erro esperado usando dados. Eles demonstraram ser ferramentas preditivas confiáveis. Xia et al.19 modelaram e previram a rugosidade da superfície do metal produzido pela manufatura aditiva de arco de arame usando métodos de aprendizado de máquina. Phatak e Pande20 também criaram uma solução de otimização usando um algoritmo genético para minimizar o tempo de usinagem e os erros de superfície. O algoritmo genérico foi utilizado no estudo de Masood et al.21, para encontrar a melhor orientação para peças com formas complexas. Com o sistema desenvolvido, eles foram capazes de determinar a melhor orientação onde o erro volumétrico geral é mínimo. Padhye et al.22 usaram otimização multiobjetivo e tomada de decisão multicritério para determinar o ótimo considerando dois fatores, tempo de impressão e rugosidade da superfície. Seu trabalho aponta que a tomada de decisão se torna mais complicada quando a orientação tem que ser satisfeita por vários aspectos ao mesmo tempo. Além disso, Morgan et al.23 desenvolveram um software especificamente para minimizar os requisitos de suporte para manufatura aditiva de metal. Portanto, com base nas pesquisas desses artigos, pode-se dizer que uma configuração aparentemente insignificante, como a orientação, pode ter um impacto significativo na qualidade da produção de várias maneiras, como acelerar o processo de impressão, diminuir a rugosidade da superfície, ou melhorando as propriedades mecânicas.