Forskere revolutionerer 3-D-printede produkter med datadrevet designmetode

Additiv fremstilling (AM), også kendt som tredimensionel udskrivning, er en proces, der fremstiller dele på en lag-for-lag måde ved at tilføje og bearbejde materialer. Fremskridt inden for AM-teknologi har gjort det muligt at behandle en bred vifte af materialer for at skabe produkter i varierende skalaer, der spænder fra medicinske implantater til flymotordele. Disse produkter, som kan være rig i form, materiale, hierarkiske og funktionelle kompleksiteter, tilbyder et stort potentiale til at revolutionere eksisterende produktudviklingsprocesser.

Imidlertid, det kan være en vanskelig proces fuldt ud at realisere potentialet i AMs unikke muligheder for produktudvikling, da det kræver, at produktdesignere ændrer deres designtankegang.

I konventionelle fremstillingsprocesser, hovedopgaven for designere er at skræddersy deres design for at eliminere fremstillingsproblemer og minimere omkostningerne. Tværtimod, AM har færre produktionsbegrænsninger og tilbyder designere meget mere designfrihed til at udforske. Derfor, designere skal søge efter optimale designløsninger ud af millioner af designalternativer, der er forskellige i geometri, topologi, struktur, og materiale. Dette kan være en kedelig opgave med nuværende designmetoder og computerstøttede designværktøjer (CAD) på grund af manglen på evne til hurtigt at udforske og udnytte et så højdimensionelt designrum.

For at løse dette problem, forskere fra Digital Manufacturing and Design (DManD) Center fra Singapore University of Technology and Design (SUTD) foreslog en holistisk tilgang, der anvender datadrevne metoder i designsøgning og -optimering på successive stadier af en designproces for AM-produkter.

Først, de brugte enkle og beregningsmæssigt billige surrogatmodeller i designudforskningsprocessen til at tilnærme og erstatte komplekse high-fidelity ingeniøranalysemodeller for hurtigt at indsnævre det højdimensionelle designrum. Næste, de udførte designoptimering baseret på raffinerede surrogatmodeller for at opnå et enkelt optimalt design. Disse surrogatmodeller trænes baseret på et opdateret datasæt ved hjælp af Markov Chain Monte Carlo resampling-metoden.

Denne designtilgang blev demonstreret i designet af en AM-fremstillet ankelbøjle (se billede), der har en afstembar mekanisk ydeevne for at lette gendannelsesprocessen af ​​leddene. I dette design, forskerne udvalgte et metamateriale, som har en hestesko-lignende struktur, hvor dens stivhed kan skræddersyes. Den foreslåede designtilgang blev anvendt til at optimere orienteringen og dimensionerne af den hesteskolignende strukturs geometri i forskellige områder for at opnå ønskede stivhedsfordelinger.

Sådanne geometriske kompleksiteter muliggjort af AM tilbyder ankelbøjledesignet unikke og gunstige adfærd. Ankelbøjlen er meget blød inden for det tilladte bevægelsesområde, hvilket giver komfort til patienterne. Imidlertid, når bevægelsen er uden for det tilladte område, den bliver stiv nok til at beskytte brugernes led mod ekstreme belastningsforhold på grund af dens geometriske design.

"Tidligere det var svært for designere at forestille sig et design med så kompleks geometri på grund af begrænsningerne i konventionel fremstilling, men nu er dette design let opnåeligt med AM. Vores nye tilgang giver designere mulighed for at omfavne designfriheden i AM, der følger med skiftet i designparadigme og skabe mere optimale produkter, der ligner ankelbøjlen, " sagde førsteforfatter Dr. Yi Xiong, Forskningsstipendiat fra SUTD.

Med design rumudforskning og -udnyttelse udviklet, forskerholdet arbejder hen imod et mere ambitiøst mål – at udvikle et næste generations CAD-system til AM.

"Dette CAD-AM-system vil gøre det muligt for designere at designe komplekse geometriske og materielle strukturer, der udviser adfærd, der er uopnåelig med konventionelle design- og fremstillingsværktøjer. Designere kan hurtigt undersøge designalternativer 10 gange mere sammenlignet med, hvad de nuværende metoder tillader, " sagde SUTD professor David Rosen, leder af forskningsteamet og meddirektør for DManD Centret.