Výhody pre používateľa
- Vynikajúce výsledky sa dajú dosiahnuť s menším počtom pokusov pomocou bayesovskej optimalizácie.
- Pri použití zariadenia AGS-V možno pohodlne vykonávať ťahové skúšky s vynikajúcou presnosťou.
Úvod
Technológia 3D tlačiarní sa vo veľkej miere využíva vo výrobe a vo výskume a vývoji na efektívnu výrobu dielov zložitých tvarov. Jej kvalita však závisí od rôznych faktorov, ako sú použitý materiál, podmienky tvarovania a nastavenia zariadenia. Optimalizácia týchto faktorov nie je jednoduchá. Najmä na zlepšenie výkonnostných ukazovateľov, ako je presnosť tvárnenia, kvalita povrchu a pevnosť, je potrebné upraviť veľký počet parametrov, takže tradičné metódy založené na metóde pokusov a omylov si vyžadujú veľké množstvo času a nákladov. V posledných rokoch priťahuje pozornosť "bayesovská optimalizácia" ako riešenie. Je to štatistická metóda, ktorá dokáže efektívne hľadať optimálne parametre s obmedzeným počtom pokusov. Je obzvlášť účinná pri nelineárnych problémoch s vysokou dimenziou. V tomto článku je uvedený príklad, v ktorom bola bayesovská optimalizácia použitá na modeli výroby skúšobných vzoriek v ťahu pomocou živicovej 3D tlačiarne s cieľom získať podmienky 3D tlače (vysvetľujúce premenné), ktoré optimalizujú pevnosť v ťahu a čas výroby (objektívne premenné).*
*1 Výstupné podmienky získané v tomto teste sú optimálne pre činky
tvarovaných skúšobných vzoriek, ale nemusia byť optimálne pre iné tvary.
Testovacie podmienky
Konfigurácia zariadenia je uvedená v tabuľke 1. Na výrobu vlákien, ktoré boli surovinou pre skúšobné vzorky, sa použil PETG-CF, ktorý má vynikajúcu mechanickú pevnosť a vysokú pružnosť. Na obr. 1 je znázornený presný univerzálny skúšobný stroj AGS-V, na obr. 2 je znázornené skúšobné zariadenie a na obr. 3 sú výsledky ťahovej skúšky. Predĺženie do porušenia PETG-CF použitého vo vláknach bolo nízke a k porušeniu došlo krehkým spôsobom.
Bayesovská optimalizácia a postupy
Pri Bayesovskej optimalizácii sú vstupom výsledky testov a výstupom sú ďalšie podmienky testovania. Tento postup sa vykonal 6-krát a celkovo sa vyskúšalo 30 podmienok, takže získaný optimálny výsledok sa považoval za optimálne riešenie. Podmienky bayesovskej optimalizácie sú uvedené v tabuľke 2. V tomto prípade boli vysvetľujúce premenné nastavené na "rozstup vrstiev", "rýchlosť tlače" a "hustota náplne" a cieľové premenné boli nastavené na "maximalizáciu pevnosti v ťahu" a "minimalizáciu času tlače". V tabuľke 3 je uvedených deväť podmienok a ich výsledky testov pre prvú iteráciu. Výpočet Bayesovskej optimalizácie sa vykonal pomocou služby, ktorú poskytla spoločnosť Mitsui Knowledge Industry Co, Ltd. (MKI-bayesopt).
Výsledky testov
Výsledky bayesovskej optimalizácie sú uvedené v tabuľke 4. Pre pevnosť v ťahu mala optimálne podmienky skúšobná vzorka číslo 25 (červená čiara) a pre čas tlače mala optimálne podmienky skúšobná vzorka číslo 14 (modrá čiara). Na obr. 4 je trojrozmerný graf, ktorý znázorňuje koreláciu medzi objektívnou premennou pevnosť v ťahu a vysvetľujúcimi premennými. Oranžová časť označuje vysokú pevnosť v ťahu a modrá časť nízku pevnosť v ťahu. Je vidieť, že hustota náplne a rýchlosť tlače mali väčší vplyv na pevnosť ako rozstup vrstiev. Vyššia hustota plnenia a nižšia rýchlosť tlače mali tendenciu vytvárať vyššiu pevnosť. Na obr. 5 je trojrozmerný graf, ktorý znázorňuje koreláciu medzi objektívnou premennou čas tlače a vysvetľujúcimi premennými. Oranžová časť označuje dlhší čas tlače a modrá časť označuje kratší čas tlače. Čím väčšia je rozteč vrstiev, tým vyššia je rýchlosť tlače a čím nižšia je hustota náplne, tým kratší je čas tlače.
English 
German 
Czech 
Slovak 
Bulgarian 
Romanian 