Simulación del camino hacia piezas impresas en 3D uniformes

Las capacidades de simulación de procesos en 3DXpert ayudan a evitar costosas fallas de construcción. Imagen cortesía de Oqton.

La fabricación aditiva (AM) ha hecho avances significativos como una alternativa viable para la creación de piezas de grado de producción. Sin embargo, incluso con los avances en el hardware de impresión 3D, así como en el software destinado a optimizar los diseños para la salida AM, la demanda de herramientas capaces de monitorear y simular procesos AM está creciendo para garantizar una calidad y un rendimiento de las piezas consistentes y repetibles.

La brecha está comenzando a cerrarse a medida que las empresas implementan nuevas ofertas de simulación de procesos y monitoreo in situ que brindan a los profesionales de la impresión 3D información valiosa sobre cómo modificar los parámetros de impresión y las propiedades del material para lograr piezas de alta calidad a escala. Simplemente no es práctico tomarse el tiempo y gastar los recursos para iterar el conjunto perfecto de parámetros para imprimir un puñado de piezas o prototipos a medida. Ese proceso simplemente no se sostiene desde el punto de vista de la eficiencia o el retorno de la inversión (ROI) cuando se organizan tiradas de fabricación limitadas oa gran escala.

Muchas empresas que comienzan con AM esperan que el proceso sea lineal, desde el diseño de una pieza hasta su impresión local, todo en un período de tiempo relativamente corto.

"La realidad es bastante diferente: hay áreas en las que las iteraciones prevalecen", dice Doug Kenik, director de gestión de productos de software en Markforged.

Kenik fue anteriormente director ejecutivo de Teton Simulation, que fue adquirida por Markforged en abril pasado. Su software de simulación basado en la nube, que automatiza la validación y optimiza el rendimiento de las piezas AM, ahora está integrado en la plataforma AM Markforged Digital Forge de metal y fibra de carbono.

Históricamente, ha sido una especie de juego de adivinanzas evaluar la capacidad de una pieza impresa en 3D para funcionar como se especifica, pero la simulación, incluido el software de simulación de procesos, cambia esa ecuación.

"Lo que mucha gente hace ahora es lanzar un dardo y ver si algo funciona y, si no, regresan y lo rediseñan o cambian algo en la impresión y lo intentan de nuevo", dice Kenik. "La otra opción es imprimirlo sólido, pero eso es una pérdida de material y tiempo. La simulación resuelve ese problema: le dirá si algo funcionará o no antes de imprimirlo, en lugar de iterar físicamente a través de la impresión y las pruebas".

Si bien la optimización topológica y el software de diseño generativo elevan la capacidad de adaptar los diseños para AM y las nuevas herramientas de monitoreo de procesos ayudan a los ingenieros a realizar una inspección capa por capa del proceso de construcción, todavía existe una gran diferencia entre recopilar todos esos datos y aprovecharlos para realmente producir piezas confiables y de alta calidad de manera constante. El problema radica en gran medida en la falta de integración entre las diferentes herramientas de software y las plataformas de impresoras 3D, dice Brad Rothenberg, director ejecutivo de nTopology, que comercializa software de diseño de ingeniería ajustado para AM.

Una conexión implícita directa entre nTopology y EOSPRINT permitió a Siemens Energy fabricar un intercambiador de calor industrial que antes no se podía imprimir. Imagen cortesía de nTopology.

"Todas las piezas están ahí, el problema central es cómo se conectan esas piezas", dice. "Específicamente con las herramientas de monitoreo de procesos, estamos recopilando todos los datos, pero el problema se reduce a cómo usar los datos y hacerlos procesables. ¿Cómo aprendemos de esos datos para tomar mejores y más rápidas decisiones de diseño y crear productos que son más confiable, con mejor desempeño, a menor costo?"

Materialise está abordando algunos de estos problemas, más recientemente con una nueva solución de monitoreo de procesos para la impresión 3D de metal junto con un conjunto de herramientas que se utiliza para modificar los parámetros de construcción de una impresora para lograr una calidad más consistente. Ambas ofertas están diseñadas para ayudar a los usuarios de AM a evitar compilaciones fallidas, defectos ocultos y parámetros de impresión 3D estándar que no coinciden con sus aplicaciones de AM y que resultan en tiempo de máquina, material y capacidad de posprocesamiento desperdiciados.

Materialise Process Control, integrado con la plataforma de software de impresión 3D CO-AM, utiliza IA para automatizar el control de calidad. Imagen cortesía de Materialise.

"Idealmente, una impresora producirá el mismo componente una y otra vez, pero con algunos componentes, ese no es el caso", dice Bart Van der Schueren, director de tecnología de Materialise. "Todo tipo de cosas pueden suceder mientras se deposita la capa de polvo y, a menudo, es algo que nadie puede ver durante el proceso".

La nueva solución de control de procesos de Materialise utiliza inteligencia artificial (IA) para analizar y correlacionar datos de capas del proceso de impresión 3D, lo que ayuda a los usuarios a identificar las piezas defectuosas antes de que se envíen al posprocesamiento o a la inspección de calidad, que la empresa estima que pueden representar del 30 % al 70% del costo total de fabricación de una pieza. A través de colaboraciones con Phase3D y Sigma Additive Solutions, ambos proveedores de soluciones de inspección de procesos AM in situ, Materialise está integrando datos complementarios que desarrollarán conocimientos más profundos sobre el proceso de impresión 3D.

La asociación Phase3D agrega mapeo de altura, una forma de datos de capas topográficas y Sigma Additive Solutions brinda datos térmicos del baño de fusión para optimizar la calidad de impresión 3D.

Materialise también anunció el kit de desarrollo de software (SDK) Build Processor, que ofrece una plataforma de desarrollo abierta para fabricantes de máquinas y clientes para que puedan crear y personalizar más fácilmente procesadores de construcción para alcanzar su punto óptimo específico entre la rentabilidad y la calidad de la pieza en apoyo de la masa. producción AM.

Van der Schueren dice que la información más valiosa que los usuarios pueden obtener del monitoreo de procesos no es necesariamente una corrección in situ capa por capa, sino examinar la totalidad de las imágenes y tener una visión global. También es importante evaluar los datos y las perspectivas como parte de una plataforma holística en lugar de silos individuales, dice. Con ese fin, la solución de control de procesos y las ofertas futuras tienen conectividad total con la plataforma de software abierta CO-AM de la empresa para administrar el proceso AM completo.

"Se debe tener una visión holística del proceso total y tenerlo todo en cuenta, desde la preparación de datos hasta la inspección de piezas y componentes del archivo", dice.

Hexagon Manufacturing Intelligence aprovecha la simulación y el modelado para abordar el problema de calidad de las piezas AM. La empresa ha colaborado con fabricantes de impresoras para validar la combinación de materiales específicos y procesos AM como parte de su plataforma de modelado de materiales multiescala Digimat.

En uno de esos ejemplos, la empresa se asoció con Stratasys para capturar el comportamiento de los materiales de polietercetonacetona (PEKK) reforzados con Antero, livianos y de alto rendimiento de Stratasys y sus procesos AM específicos. Este esfuerzo brinda a los clientes de AM modelos de simulación validados que ayudan a predecir cómo funcionarán las piezas impresas con PEKK y las impresoras Stratasys aprobadas sin tener que incurrir físicamente en el tiempo y los costos de la creación de prototipos físicos.

En el lado de los metales, Hexagon Manufacturing Intelligence se asoció con Raytheon Technologies en una herramienta de simulación de múltiples escalas que complementará su software de simulación de procesos Simufact Additive y estará disponible en noviembre.

Combinando tecnologías de Hexagon y el negocio Pratt & Whitney de Raytheon, los socios están desarrollando una herramienta que predice el historial térmico y los defectos en la ruta del láser y la escala de la capa de polvo para probar combinaciones de materiales, geometrías y procesos de impresión para lograr mejores resultados de impresión e integridad de la pieza. según Mathieu Perennou, director de estrategia global y desarrollo comercial de Hexagon Manufacturing Intelligence, fabricación aditiva.

"Esto permite a los usuarios cambiar los procesos para mejorarlos, así como dar retroalimentación a los modelos para calcular el rendimiento de las piezas con mayor precisión", dice Perennou.

La cartera de Hexagon también cuenta con VGSTUDIO Max de Volume Graphics, que realiza análisis de escaneo de tomografía computarizada en piezas impresas para inspección de calidad, asegurando que defectos como porosidades se identifiquen rápidamente. Esta parte del flujo de trabajo también permite "inyectar" el mapa de porosidad en un modelo de análisis de elementos finitos (FEA) para un mayor análisis del rendimiento de la pieza, dice Perennou.

Aunque la simulación de procesos de FA a niveles de macroescala permite realizar comprobaciones de fabricación, actualmente no proporciona datos amplios sobre la calidad del material producido, un elemento crítico y único del proceso de FA y un obstáculo que limita la adopción de AM, especialmente en industrias altamente reguladas. como aeroespacial.

"Una simulación a microescala brindará información precisa sobre la calidad del material fabricado durante el proceso de impresión, pero tales enfoques FEA requieren un uso intensivo de la CPU y requieren largos tiempos de resolución", dice Perennou.

A partir de ahora, "por lo general, se realizan a nivel de cupón y, por lo tanto, son difíciles de escalar a una pieza completa en un entorno industrial".

De hecho, los conjuntos masivos de datos recopilados por las herramientas de simulación de procesos son uno de los cuellos de botella principales para hacer que los conocimientos sean procesables como una forma de ajustar los procesos de AM, dice Daeho Hong, gerente de producto de nTopology.

Él visualiza un futuro en el que las capacidades de monitoreo in situ se utilicen no solo para sugerir o automatizar cambios en los procesos de impresión 3D o las trayectorias de herramientas, sino que se apliquen a nivel de diseño. Para admitir ese tipo de flujo de trabajo, los datos de geometría de piezas complejas deben integrarse directamente en el hardware de la impresora 3D sin necesidad de mallas, un caso de uso preparado para las capacidades de modelado implícitas de nTopology, dice.

"Imagínese un hilo digital completo de diseño y fabricación tan estrechamente acoplado que lo que aprenda del diseño de experimentos podría retroalimentarse en el diseño", explica Rothenberg. "Manejar grandes conjuntos de datos es el problema crítico que debe abordarse".

nTopology está trabajando actualmente con Siemens Energy en un mecanismo de intercambio de datos interoperable que aprovecha sus capacidades de diseño implícitas para transferir geometría compleja de forma ligera y escalable a las impresoras EOS. La capacidad, que estará disponible para los clientes de nTopology, se está ampliando actualmente para admitir hardware de impresión 3D adicional en el futuro, dice.

Eventualmente, será importante cerrar el ciclo para que los conocimientos de monitoreo de procesos in situ puedan afectar automática y directamente los parámetros y el rendimiento de la impresora 3D. Sin embargo, las arquitecturas de impresoras propietarias y la relativa inmadurez de la tecnología actual lo dificultan en este momento.

"Es un problema del huevo y la gallina: cada fabricante de máquinas tiene un enfoque diferente y la suma de esos enfoques crea complejidad", dice Fabian Grupp, gerente de marketing de productos para FA industrial en Oqton.

Mientras tanto, adoptar un enfoque holístico habilitado a través de un diseño híbrido para entornos AM como 3DXpert combinado con el sistema operativo de fabricación Oqton puede ayudar a las organizaciones a maximizar la producción AM consistente a través de capacidades que incluyen el diseño de estructuras de soporte, la simulación de construcciones, el cálculo de rutas de escaneo y la optimización de la organización del plataforma de construcción. Más allá de cualquier inversión en tecnología, las organizaciones deben comprometer recursos dedicados a la AM y conseguir la participación de la gerencia en los niveles más altos.

"Necesita recursos dedicados para implementar AM como una estrategia de fabricación completa con escalabilidad exitosa", dice Grupp.

Beth Stackpole es editora colaboradora de Digital Engineering. Envíe un correo electrónico sobre este artículo a [email protected].