免费的 3D 打印数据集可帮助分析并增强对打印部件的信心
美国能源部橡树岭国家实验室公开发布了一组新的增材制造数据，行业和研究人员可以使用这些数据来评估和改进 3D 打印部件的质量。数据集的广度可以大大促进仅使用打印过程中收集的信息来验证增材制造部件质量的努力，而无需昂贵且耗时的后期制作分析。十多年来，美国能源部位于 ORNL 的制造示范设施 (MDF) 一直在定期收集数据，该设施对先进制造的早期研究加上对最终组件的全面分析，已经创建了大量有关 3D 打印机性能的信息。多年来，ORNL 一直致力于利用新材料、机器和控件突破 3D 打印的界限，这为 ORNL 提供了开发和共享综合数据集的独特能力。最新的数据集现在可以通过在线平台免费获取。
传统制造业受益于数百年的质量控制经验。然而，增材制造是一种较新的非传统方法，通常依靠昂贵的评估技术来监控零件的质量。这些技术可能包括破坏性机械测试或非破坏性 X 射线计算机断层扫描，后者可在不损坏物体的情况下创建物体的详细横截面图像。
虽然这些技术很有用，但它们也有局限性——例如，它们很难在大型部件上执行。ORNL 的综合 3D 打印数据集可用于训练机器学习模型，以改进任何类型组件的质量评估。
ORNL 安全与数字制造部门负责人 Vincent Paquit 表示：“我们为行业提供可靠的数据集，用于产品认证。这是一个数据管理平台，旨在讲述增材制造组件的完整故事。目标是使用过程中的测量来预测打印部件的性能。”
实施的 AIR 的图形表示。本文重点关注节点 N5 和 N6（橙色），利用作者在节点 N1、N2、N3、N4 和 N8（蓝色）上展示的先前工作。每个节点的数据近似空间分辨率以红色显示。每个反馈回路所需的地面真实值数量的近似值也以红色显示。支持实施中继的数字平台的关键元素以紫色显示。从 N4 到 N7 的黑色虚线表示预测局部属性的可能替代途径。来源：材料（2023 年）。DOI：10.3390/ma16237293
该数据集有 230 GB，涵盖了五组不同几何形状的零件的设计、打印和测试，所有零件均采用激光粉末床打印系统制造。研究人员可以访问机器健康传感器数据、激光扫描路径、30,000 张粉末床图像和 6,300 次材料抗拉强度测试。
这是 ORNL 公开的一系列增材制造数据集中的第四个，也是最全面的数据集。以前的数据集主要关注在 MDF 上使用电子束粉末床和粘合剂喷射打印制造的部件的构造。可以搜索数据集以获取了解罕见故障机制、开发在线分析软件或模拟材料特性所需的特定信息。
MDF 由美国能源部先进材料和制造技术办公室支持，是一个全国性的合作者联盟，与 ORNL 合作创新、启发和催化美国制造业的转型。
ORNL 研究人员展示了如何通过使用 3D 打印过程中的测量结果训练机器学习算法来应用数据集。结合高性能计算方法，经过训练的算法可以可靠地预测机械测试是否会成功。它在预测零件极限抗拉强度方面的错误率也降低了 61%。
将过程中的测量结果与最终产品关联起来，是确定何时需要对零件进行额外测试以及何时不需要的关键。
“这是推动行业规模增材制造的关键因素，因为他们无法承担对每一件产品进行特性描述的费用，”Paquit 说道。“使用这些数据可以帮助他们掌握意图、制造和结果之间的联系。”
页:
[1]