مواد و ساخت پیشرفته

درک کامل روابط پیچیده بین فرآیند-ساختار-خواص[1] (P-S-P) در ساخت افزایشی (AM) به دلیل اهمیت فوق‌العاده آن در دستیابی به کنترل پارامترهای، کنترل کیفیت و بهینه‌سازی فرآیند AM ، مدت‌هاست در تحقیقات اخیر مورد توجه قرار گرفته و دنبال شده است.

متاسفانه مدل‌سازی فیزیکی و روش‌های آزمایشگاهی تجربی معمولاً زمان‌بر و یا پرهزینه هستند. ولی با افزایش دسترسی به داده‌های دیجیتال AM و توسعه سریع تکنیک‌های مدل‌سازی بر پایه داده، به‌ویژه یادگیری ماشین[2] (ML)، مدل‌سازی AM مبتنی بر داده به‌عنوان یک رویکرد مؤثر در این راستا در حال ظهور است. این تکنیک، امکان را برای کشف خودکار الگوها و روندها در داده‌های AM، ساخت مدل‌های کمی روابط بین فرآیند-ساختار-خواص در فضای پارامترها و پیش‌بینی در نقاط با دسترسی کم، بدون نیاز به انجام مدل‌سازی فیزیکی یا آزمایش‌های جدید فراهم می‌کند.

در سال‌های اخیر تحقیقات گسترده‌ای در زمینه مدل‌سازی داده‌محور فرآیند، ساختار و خواص قطعات تولید شده به روش ساخت افزایشی مشاهده شده است. در این زمینه، این تحقیق با هدف ارائه یک بررسی سیستماتیک از مدل‌سازی AM مبتنی بر داده‌های موجود در طول زنجیره فرآیند-ساختار-ویژگی انتشار یافته است. به طور خاص، نتایج این تحقیق، خلاصه‌ای از اطلاعات مهم (به عنوان مثال، پارامترهای ورودی، خواص خروجی، منبع داده ها و مدل‌های مبتنی بر داده) را در مورد مدل‌سازی AM مبتنی بر داده‌های موجود است. همچنین تحلیل عمیقی در مورد موفقیتی که تاکنون این تکنیک به دست آورده است بحث می­کند.

بر اساس بررسی­های جامع انجام شده، این تحقیق همچنین به طور انتقادی محدودیت‌های عمده‌ای را که امروزه با آن مواجه هستیم را مورد بحث قرار می‌دهد و برخی جهت‌های تحقیقاتی را که برای پیشرفت قابل‌توجه مدل‌سازی AM مبتنی بر داده در آینده امیدوارکننده هستند، شناسایی می‌کند.

منبع:

https://www.sciencedirect.com/science/article/abs/pii/S1526612522001529