增加增材制造与机器学习建立成功

由Ansys的首席产品营销经理Scott Wilkins和首席产品经理Sak Arumugan撰写

增材制造的挑战

在工业上大规模采用AM的关键挑战是速度和可靠性。如何快速优化添加制造部件的工艺参数，从而缩短上市时间?克服这些挑战变得更加困难，因为每个AM工艺都有自己的工艺参数集，包括材料属性，制造设置，和不断变化的环境条件。

即使只关注材料属性也会产生大量的变量。一种合金的粉末化学成分可能会有很大的差异，因为少量的杂质会改变每批合金的成分。在Ti-6Al-4V合金粉末中钛的浓度的变异百分比在AM构建失败之前是可以容忍的?杂质如氧、铁、碳和氮的水平如何影响产生的AM零件的抗拉强度?

激光驱动调幅机中可能的加工参数变化(边界功率、边界速度、舱口距离、舱口速度、舱口偏移量、体积能量密度等)增加了调幅挑战的复杂性。再加上热处理、无损检测(NDT)检查和机械测试变量，很快您就会面临数据管理的重大挑战。

当一个或多个变量在构建过程中发生更改时，您在预测因果结果方面也可能遇到挑战。当存在如此多的过程-属性组合时，能够预测将要发生的事情在确保高构建成功率方面发挥着重要作用。

一种处理AM数据的数据驱动方法

对AM流程有信心的第一步是帮助工程师获取和管理他们的材料信息。这是最主要的关注点Ansys格兰塔小姐．它使公司能够收集、组织和存储他们自己的材料数据，这些数据来自对进口原材料和出口最终产品的测试。这些定制数据在微调公司专有材料知识产权的AM过程中是无价的。Granta MI还为公司提供了材料信息的单一存储库——“单一真相来源”——这避免了不同工程师处理不同数据的问题。

即使有Granta MI的数据管理功能，现实世界的AM数据集通常是稀疏和有噪声的——“稀疏”意味着数据集的某些行或列中存在空白，而“噪声”意味着同一属性的不同测量之间可能存在很大的差异。另一个问题是，即使数据中可能存在空白，这些材料数据集可能会变得太大，无法有效地提取有用的数据。

因此，Ansys与intellens合作，将其Alchemite™算法用于统计上填补空白，减少数据中的噪声。机器学习(ML)算法通常基于神经网络方法，从样本数据(称为训练数据)构建模型。这些模型仅仅基于他们从这些数据中“学到”的东西，而没有进一步的显式编程，这些模型支持的任务包括:

• 预测数据集其余部分中缺失的值
• 预测一组新的输入变量的输出
• 通过预测哪些输入将最好地实现预期的输出来优化性能
• 识别数据中的异常值、异常值或集群
• 识别哪些输入是哪些输出的强大驱动因素

机器学习使用现有的AM项目数据来构建预测模型，识别关键的过程-属性关系，指导您的测试程序，并提出最佳的处理参数。简而言之，Alchemite可以从您的数据中提取价值，即使它是稀疏的、有噪声的和大量的。当数据太少时，ML通过识别丢失的关键参数，帮助您高效地集中数据获取工作。当您有太多的数据时，Alchemite可以提取对预测AM构建成功至关重要的关键参数。了解更多关于Ansys解决方案如何工作与我们的AM数据按需网络研讨会．

利用机器学习识别调幅数据之间的偶然链接

这种对AM数据洞察的新水平使工程师能够控制AM过程，优化材料和零件性能。您可以通过大大减少的实验测试周期来实现结果，这有助于加快上市时间，并为AM程序节省大量的端到端总成本。

三app解决方案

为了使软件易于学习和使用，Granta MI为AM解决方案已被蒸馏成三个应用程序:一个训练数据集应用程序，一个优化应用程序，和一个可视化应用程序。

1. 训练数据集应用程序帮助工程师为神经网络创建训练数据集。只需点击几下，就可以从Granta MI数据库中提取关键数据，形成一个复杂的特征矩阵，可用于训练神经网络。
2. 使用优化应用程序，您可以使用由神经网络创建的模型并询问它，以得到关于AM过程的特定问题的答案。诸如“我如何最大化某一属性?”或者“如何减少构建中的特定失败模式?”可以通过这个应用程序回答。
3. 最后，可视化应用程序可以让你快速理解你的数据。图表比复杂的数据点表更容易理解。在可视化应用程序中，工程师可以截取复杂数据集的一部分，并将其图形化显示，从而从数据中得出见解。

增材制造中机器学习的光明前景

《麻省理工科技评论》2016年对375家企业进行了调查，其中近60%的企业将ML纳入了他们的运营中。领先的市场研究公司普华永道的一份报告指出，100%被确定为“数字冠军”(而不是“数字新手”)的公司都计划在2025年前使用ML。

他们这样做是有充分理由的。根据Ansys的计算，将数据管理系统与ML相结合的AM工艺预计将导致建立正确AM工艺参数所需的实验数量减少50-90%。这和其他好处将导致全球AM市场的成本降低10%。欲知详情，请浏览Ansys白皮书“机器学习如何帮助增材制造部件更快地进入市场。”

为了让AM作为一种工业制造过程继续增长，制造商将不得不依赖于减少构建失败数量的改进，并让他们对自己的工作流程充满信心。他们不能继续把钱浪费在昂贵的金属粉末上，而这些粉末最终只能被扔进废料堆。Ansys将继续向Granta MI添加功能，并与Intellegens合作，使ML成为AM构建过程中更重要的一部分，确保增材制造的好处将提供给下一代工程师。

如果你想看看这是如何为你的公司工作的，订一个示范与我们的团队。