Senvol使用機器學習進行增材制造材料可行性開發，準確預測材料性能
時間：2023-07-13 10:12 來源：南極熊 作者：admin 閱讀：次
2023年7月12日，總部位于紐約的數據庫管理公司Senvol最近展示了一種用于材料可行性開發的機器學習方法，與傳統方法相比，該方法更靈活、更經濟、更省時。在本案例中，Senvol將這種方法應用到了金屬材料性能的標準化開發（MMPDS）過程中。這項工作是Senvol與美國政府合同W911NF-20-9-0009
的一部分，目的是應用其機器學習軟件Senvol
ML，為快速開發增材制造（AM）的材料可行性提供途徑。在制造和工程領域中，材料可行性是指材料在特定條件下的可靠性和性能限制。這些條件可能包括溫度、壓力、應力、環境影響等。
Senvol在該項目中的合作伙伴包括EWI和Pilgrim
Consulting。Battelle公司和洛克希德馬丁公司的研究員Hector
Sandoval也擔任了該項目的技術顧問。該合同由國家制造科學中心（NCMS）通過AMMP其他交易協議（OTA）項目管理。機器學習方法非常靈活，能夠應對增材制造工藝中的任何變化，這使得該方法非常適合長期運行。該項目的重點是使用通過粉末床熔融增材制造機器加工的17-4 PH不銹鋼材料對新方法進行示范。
Senvol總裁Annie Wang表示："材料可行性開發是一項非常昂貴和耗時的工作，Senvol的項目非常成功地展示了一種利用機器學習進行增材制造可行性開發的新方法。我們對結果非常滿意，并期待在這一前沿領域繼續開展工作。"
△在Senvol的AMMP項目中制造的試樣。
可行性開發的高成本在很大程度上源于這樣一個事實，即材料可行性開發需要在一個固定的加工點生成大量的經驗數據，這意味著每當工藝發生重大變化時，所有的經驗數據通常都必須從頭開始重新生成。這導致增材制造工藝不僅在首次實施時成本高、耗時長，而且當增材制造工藝不可避免地發生變化時，長期維護的成本也很高，耗時長。Hector
Sandoval審查了AMMP計劃的技術方法和測試結果，他補充說："我有使用傳統方法制定材料允許值的經驗。目前的流程運行良好，但也存在一些局限性。通過審查技術方法、測試結果和最終演示來支持AMMP計劃是令人興奮的。很高興能親眼目睹利用基于機器學習的方法幫助確定材料可行性的潛力。"
Senvol
ML軟件支持增材制造工藝的鑒定，并在該項目中用于開發經統計證實的材料屬性，類似于材料允許值。此外，該軟件還同時優化了數據生成要求。值得注意的是，該軟件非常靈活，可應用于任何增材制造工藝、機器和材料。值得注意的是，該項目并未開發真正的可行性。由于預算和程序限制，項目團隊不得不做出一些簡化決定。
Senvol公司總裁ZachSimkin表示："機器學習在增材制造工藝和材料開發中的應用已經非常成熟。這已經被工業界所采用，并且是唾手可得的成果。。然而，將機器學習專門用于材料可行性開發仍是一項正在進行中的工作。我很高興我們現在已經成功地演示了兩次機器學習的方法--一次是在這個項目中使用金屬合金并與MMPDS進行比較，另一次是在之前由America
Makes資助的項目中使用聚合物材料并與CMH-17進行比較--但還需要更多的研究。前景是巨大的，我們期待繼續與政府和行業合作，推進這一領域的工作。”
Senvol總裁Zach Simkin表示："我很高興能加入Senvol的團隊參與該項目。Senvol的機器學習方法直接解決了行業面臨的主要挑戰：快速、經濟地開發增材制造材料的性能允許值。“William E. Frazier博士表示："我曾參與過多項增材制造工藝和飛行材料的鑒定工作，在我看來，該技術的進一步發展將對國防和商業平臺的成本、進度和性能產生積極影響。Senvol ML軟件的用戶包括航空航天、國防、石油和天然氣、消費品、醫療和汽車行業的組織，以及增材制造機器制造商和增材制造材料供應商。
(責任編輯：admin)
Xenia進軍大幅面增材制造
研究人員基于3D打印冰模板
美國Brooks與惠普合作開發
《AHM》：3D打印為患者定
MB Therapeutics與Lynxter
美國國防部正在使用3D打印最新內容
美國空軍引進3D砂
3D打印個性化晶格
伊犁州奎屯醫院實
昆士蘭科技大學3D
全彩3D打印吉他在
PSAS成功發射3D打熱點內容
