ORNL發(fā)布免費3D打印數(shù)據(jù)集用于零件質量分析

2024年7月21日，南極熊獲悉，美國能源部橡樹嶺國家實驗室（ORNL）發(fā)布了一組新的增材制造數(shù)據(jù)集。這些數(shù)據(jù)將幫助工業(yè)界和研究人員評估和提升3D打印部件的質量。通過利用這些數(shù)據(jù)，用戶可以在打印過程中實時評估部件質量，從而避免昂貴且耗時的生產(chǎn)后分析。

△該數(shù)據(jù)集大小為230GB，包含五組不同幾何形狀的零件的設計、打印和測試，均使用激光粉末床打印系統(tǒng)制造（傳送門）

十多年來，美國能源部位于ORNL的制造示范設施 (MDF) 一直在定期收集數(shù)據(jù)，該設施對先進制造的早期研究加上對最終組件的全面分析，為3D打印機性能提供了寶貴的信息。ORNL通過不斷引入新型材料、機器和控制技術，推動了3D打印技術的進步，從而具備了開發(fā)和共享綜合數(shù)據(jù)集的獨特能力�，F(xiàn)在，這些最新的數(shù)據(jù)集已經(jīng)通過在線平臺免費提供。

△左側的3D打印部件被切成小塊，通過拉伸直至斷裂來測試每個小塊的抗拉強度。右側的相同打印部件的數(shù)字副本已通過AI模型進行分析，以找出其結構中的異常

通過收集數(shù)據(jù)集推動3D打印技術進步

傳統(tǒng)制造業(yè)得益于數(shù)百年的質量控制經(jīng)驗，而增材制造作為一種較新的制造工藝，通常依賴于昂貴的評估技術來監(jiān)控零件質量。這些技術可能包括破壞性機械測試和非破壞性X射線計算機斷層掃描，后者能夠在不損壞物體的情況下生成詳細的橫截面圖像。盡管這些技術提供了豐富的信息，但也存在局限性，例如，檢測大型部件時的困難。

ORNL的綜合3D打印數(shù)據(jù)集可以用于訓練機器學習模型，從而改進對任何部件的質量評估。ORNL安全與數(shù)字制造部門負責人Vincent Paquit表示：“我們正在為行業(yè)提供值得信賴的數(shù)據(jù)集，用于產(chǎn)品認證。該數(shù)據(jù)管理平臺的結構旨在圍繞快速成型部件講述一個完整的故事，其目標是利用過程中的測量結果來預測打印部件的性能�！�

該數(shù)據(jù)集規(guī)模達230GB，涵蓋了五組具有不同幾何形狀的零件的設計、打印和測試，全部采用激光粉末床打印系統(tǒng)制造。研究人員可以訪問機器健康傳感器數(shù)據(jù)、激光掃描路徑、3萬張粉末床圖像以及6300次材料拉伸強度測試數(shù)據(jù)。

這是ORNL公開的一系列增材制造數(shù)據(jù)集中的第四個，也是最廣泛的一個。之前的數(shù)據(jù)集側重于MDF使用電子束粉末床和粘合劑噴射打印制造的零件。這些數(shù)據(jù)集可用于研究罕見失效機制、開發(fā)在線分析軟件或建立材料屬性模型所需的信息。

△美國海軍水面戰(zhàn)中心的增材制造實驗室負責人正在使用金屬激光燒結3D打印技術

美國本土制造業(yè)正在尋求數(shù)字化轉型

MDF由能源部先進材料和制造技術辦公室提供支持，作為一個全國性的合作聯(lián)盟，與ORNL 合作推動創(chuàng)新，激發(fā)靈感并促進美國制造業(yè)的轉型。

ORNL的研究人員展示了如何利用3D打印過程中的測量結果來訓練機器學習算法，從而應用這些數(shù)據(jù)集。結合高性能計算方法，訓練后的算法能夠可靠地預測機械測試是否成功。在預測零件的極限拉伸強度時，該算法的誤差減少了61%。

將加工過程中的測量結果與最終產(chǎn)品聯(lián)系起來，對于確定何時需要對零件進行額外測試，以及何時可以省略這些測試至關重要。ORNL安全與數(shù)字制造部門負責人Vincent Paquit表示：“這對行業(yè)規(guī)模的增材制造來說是一個關鍵推動因素，因為許多企業(yè)沒有能力對每個零件進行全面表征。利用這些數(shù)據(jù)，可以幫助企業(yè)捕捉設計意圖、制造過程與最終結果之間的聯(lián)系。”

生成的數(shù)據(jù)集是能源部核能辦公室資助的先進材料與制造技術計劃的一部分。這些數(shù)據(jù)和其他智能制造方法正在被用于加速先進制造技術的開發(fā)、鑒定、示范和部署，以實現(xiàn)可靠且經(jīng)濟的核能解決方案。