Vorteile für den Benutzer
- Mit der Bayes'schen Optimierung können mit weniger Versuchen hervorragende Ergebnisse erzielt werden.
- Mit dem AGS-V können Zugversuche bequem und mit hoher Präzision durchgeführt werden.
Einführung
Die 3D-Druckertechnologie wird in der Fertigung sowie in Forschung und Entwicklung häufig eingesetzt, um Teile mit komplexen Formen effizient herzustellen. Ihre Qualität hängt jedoch von verschiedenen Faktoren ab, wie dem verwendeten Material, den Formgebungsbedingungen und den Geräteeinstellungen. Die Optimierung dieser Faktoren ist nicht einfach. Um Leistungsindikatoren wie Umformgenauigkeit, Oberflächenqualität und Festigkeit zu verbessern, muss eine große Anzahl von Parametern angepasst werden, so dass traditionelle Methoden, die auf Versuch und Irrtum beruhen, viel Zeit und Kosten erfordern. In den letzten Jahren hat die "Bayes'sche Optimierung" als Lösung Aufmerksamkeit erregt. Dabei handelt es sich um eine statistische Methode, die mit einer begrenzten Anzahl von Versuchen effizient nach optimalen Parametern suchen kann. Sie ist besonders effektiv bei hochdimensionalen, nichtlinearen Problemen. In diesem Artikel wird ein Beispiel vorgestellt, bei dem die Bayes'sche Optimierung auf ein Modell für die Herstellung von Zugproben mit einem Harz-3D-Drucker angewendet wurde, um 3D-Druckbedingungen (erklärende Variablen) zu erhalten, die die Zugfestigkeit und die Herstellungszeiten (Zielvariablen) optimieren.
*1 Die in diesem Test erzielten Ausgangsbedingungen sind optimal für Hantel-
geformten Probekörpern, aber sie sind möglicherweise nicht optimal für andere Formen.
Testbedingungen
Die Gerätekonfiguration ist in Tabelle 1 dargestellt. Für die Filamente, die als Ausgangsmaterial für die Prüfkörper dienten, wurde PETG-CF verwendet, das eine ausgezeichnete mechanische Festigkeit und hohe Flexibilität aufweist. Abb. 1 zeigt die Präzisions-Universalprüfmaschine AGS-V, Abb. 2 den Prüfaufbau und Abb. 3 die Ergebnisse eines Zugversuchs. Die Bruchdehnung des in den Filamenten verwendeten PETG-CF war gering, und das Versagen erfolgte auf spröde Weise.
Bayes'sche Optimierung und Verfahren
Bei der Bayes'schen Optimierung werden die Testergebnisse eingegeben, und die nächsten Testbedingungen werden ausgegeben. Dieser Vorgang wurde sechsmal durchgeführt, und es wurden insgesamt 30 Bedingungen ausprobiert, so dass das erzielte Ergebnis als optimale Lösung angesehen wurde. Die Bayes'schen Optimierungsbedingungen sind in Tabelle 2 dargestellt. In diesem Fall wurden die erklärenden Variablen auf "Schichtabstand", "Druckgeschwindigkeit" und "Fülldichte" und die Zielvariablen auf "Maximierung der Zugfestigkeit" und "Minimierung der Druckzeit" gesetzt. Tabelle 3 zeigt die neun Bedingungen und ihre Testergebnisse für die erste Iteration. Die Bayes'sche Optimierungsberechnung wurde mit einem von Mitsui Knowledge Industry Co., Ltd. (MKI-bayesopt).
Test Ergebnisse
Die Ergebnisse des Bayes'schen Optimierungsversuchs sind in Tabelle 4 dargestellt. Für die Zugfestigkeit hatte die Probe Nr. 25 (rote Linie) die optimalen Bedingungen, und für die Druckzeit hatte die Probe Nr. 14 (blaue Linie) die optimalen Bedingungen. Abb. 4 ist ein dreidimensionales Diagramm, das die Korrelation zwischen der Zielvariablen Zugfestigkeit und den erklärenden Variablen zeigt. Der orangefarbene Teil steht für eine hohe Zugfestigkeit, der blaue Teil für eine niedrige Zugfestigkeit. Es ist zu erkennen, dass die Fülldichte und die Druckgeschwindigkeit einen größeren Einfluss auf die Festigkeit haben als der Lagenabstand. Eine höhere Fülldichte und eine langsamere Druckgeschwindigkeit führten tendenziell zu einer höheren Festigkeit. Abb. 5 ist ein 3-dimensionales Diagramm, das die Korrelation zwischen der Zielvariablen Druckzeit und den erklärenden Variablen zeigt. Der orangefarbene Teil steht für längere Druckzeiten, der blaue Teil für kürzere Druckzeiten. Je größer der Schichtabstand, desto höher die Druckgeschwindigkeit, und je geringer die Fülldichte, desto kürzer die Druckzeit.
English 
German 
Czech 
Slovak 
Bulgarian 
Romanian 