Un modello AI prevede la qualità delle parti metalliche stampate in 3D

Un team di ricerca internazionale ha sviluppato un modello basato sull’intelligenza artificiale capace di valutare la probabilità e le caratteristiche dei difetti interni durante la fase di progettazione del processo che potrebbe migliorare l’affidabilità dei componenti prodotti con la manifattura additiva.

Un team di ricerca del Korea Institute of Materials Science (KIMS), in collaborazione con il Max Planck Institute in Germania, ha sviluppato un modello basato sull’AI in grado di valutare la probabilità e le caratteristiche dei difetti interni durante la fase di progettazione del processo. Questa ricerca potrebbe migliorare significativamente l’affidabilità dei componenti realizzati con la stampa 3D di metalli, per i settori aerospaziale, della difesa e della mobilità e ampliare le applicazioni nella produzione industriale di massa. Il lavoro è stato pubblicato sulla rivista Acta Materialia.

La manifattura additiva di metalli suscita interesse come tecnologia di produzione di nuova generazione in grado di fabbricare componenti complessi e di alto valore, ma la sua applicazione industriale è limitata dai difetti interni microscopici generati durante il processo, che possono portare al cedimento del componente e al degrado delle prestazioni. La valutazione convenzionale della qualità si concentra principalmente su indicatori semplici come la porosità, ma in pratica l’impatto sulle prestazioni meccaniche varia significativamente a seconda della forma, delle dimensioni, della posizione e della distribuzione dei difetti.

Andare oltre le semplici misurazioni dei difetti

Per affrontare queste sfide, il team di ricerca ha sviluppato un modello di intelligenza artificiale spiegabile in grado di analizzare e prevedere sistematicamente le relazioni tra le condizioni del processo di produzione additiva di metalli, la morfologia dei difetti e le prestazioni meccaniche. Questo approccio consente di prevedere potenziali difetti interni e il loro impatto sulle prestazioni fin dalla fase di progettazione del processo, offrendo un nuovo quadro di riferimento per la progettazione di processi e la gestione della qualità consapevoli dei difetti.

La caratteristica principale del modello di IA sviluppato risiede nella sua capacità di analizzare e prevedere i difetti interni generati durante il processo di fusione laser a letto di polvere (LPBF) nella stampa 3D di metalli, basandosi su caratteristiche morfologiche, come forma e distribuzione, piuttosto che semplicemente sul numero o sulla frazione di difetti. Utilizzando immagini microstrutturali, il modello analizza automaticamente la dimensione dei pori, la non circolarità e la distribuzione spaziale, correlando direttamente questi fattori con le proprietà meccaniche e consentendo una spiegazione quantitativa di come i difetti influenzano le prestazioni effettive. In particolare, il modello è progettato per spiegare perché i difetti aumentano e le prestazioni si deteriorano in determinate condizioni di processo, distinguendosi dai modelli di intelligenza artificiale “a scatola nera” convenzionali, i cui processi decisionali non sono trasparenti.

Il team di ricerca del Korea Institute of Materials Science (KIMS) ha analizzato in modo esaustivo le condizioni di processo, le caratteristiche delle polveri, le immagini dei difetti e i dati sulle proprietà meccaniche di diversi materiali per la produzione additiva di metalli, tra cui acciaio, leghe di alluminio e leghe di titanio, e ha utilizzato questi set di dati per addestrare il modello di intelligenza artificiale. Attraverso questo approccio, i ricercatori hanno creato un quadro di riferimento integrato in grado di effettuare previsioni graduali, valutando come le variabili di processo e le caratteristiche delle polveri influenzano la formazione dei difetti e come la morfologia dei difetti influisce successivamente sulle prestazioni meccaniche.

Impatto industriale e prospettive future

Questa tecnologia, sviluppata dal Korea Institute of Materials Science (KIMS), in collaborazione con il Max Planck Institute, può migliorare significativamente l’affidabilità qualitativa dei componenti metallici stampati in 3D e accelerarne la produzione di massa per parti di alto valore. In particolare, può essere utilizzata per l’ottimizzazione dei processi e il controllo qualità della produzione additiva di metalli in diversi settori che richiedono componenti metallici altamente affidabili, come quello aerospaziale, della difesa e della mobilità. Riducendo il tasso di difetti, gli sprechi di materiale e i costi di rilavorazione, si prevede un miglioramento dell’efficienza complessiva della produzione industriale.

Il Dott. Jeong Min Park del KIMS, autore principale dello studio, ha dichiarato: “Questa ricerca va oltre la semplice riduzione dei difetti nei componenti metallici stampati in 3D; stabilisce un quadro scientifico che spiega come specifici tipi di difetti influenzino direttamente le prestazioni. Prevediamo che questo lavoro contribuirà a una più ampia adozione industriale della produzione additiva di metalli, in particolare in settori ad alte prestazioni come quello aerospaziale, spaziale e della difesa”.

Il team di ricerca prevede di condurre studi di approfondimento per estendere questa tecnologia a un sistema di gestione della qualità basato sul digital twin, applicabile in ambito industriale.