AI revela una nueva forma de fortalecer las aleaciones de titanio y acelerar la fabricación

La producción de piezas de aleación de titanio de alto rendimiento, ya sea para naves espaciales, submarinas o dispositivos médicos, ha sido un proceso lento e intensivo en recursos. Incluso con técnicas avanzadas de impresión 3D de metal, encontrar las condiciones de fabricación correctas ha requerido pruebas y ajustes finos.

¿Qué pasaría si estas piezas se puedan construir más rápidamente, más fuerte y con precisión casi perfecta?

Un equipo que comprende expertos del Laboratorio de Física Aplicada de Johns Hopkins (APL) en Laurel, Maryland, y la Escuela de Ingeniería Johns Hopkins Whiting está aprovechando la inteligencia artificial para que eso sea realidad. Han identificado técnicas de procesamiento que mejoran tanto la velocidad de producción como la fuerza de estos materiales avanzados, un avance con implicaciones desde el mar profundo hasta espacio exterior.

“La nación enfrenta una necesidad urgente de acelerar la fabricación para satisfacer las demandas de los conflictos actuales y futuros”, dijo Morgan Trexler, gerente de programas de ciencia de materiales extremos y multifuncionales en el área de la misión de investigación y desarrollo exploratorio de APL.

“En APL, estamos avanzando en investigación en láser fabricación aditiva Para desarrollar rápidamente materiales listos para la misión, asegurando que la producción mantenga el ritmo de los desafíos operativos en evolución “.

Los hallazgos, publicado en el diario Fabricación aditivacentrarse en Ti-6Al-4V, una aleación de titanio ampliamente utilizada conocida por su alta resistencia y bajo peso.

El equipo aprovechó los modelos impulsados ​​por la IA para mapear las condiciones de fabricación previamente inexploradas para la fusión láser del lecho de polvo, un método de metal de impresión 3D. Los resultados desafían los supuestos de larga data sobre los límites del proceso, revelando una ventana de procesamiento más amplia para producir titanio denso y de alta calidad con propiedades mecánicas personalizables.

El descubrimiento ofrece una nueva forma de pensar en el procesamiento de materiales, dijo el coautor Brendan Croom.

“Durante años, asumimos que ciertos parámetros de procesamiento estaban ‘fuera de los límites’ para todos los materiales porque darían como resultado un producto final de baja calidad”, dijo Croom, un científico de materiales senior de APL.

“Pero al usar la IA para explorar la gama completa de posibilidades, descubrimos nuevas regiones de procesamiento que permiten una impresión más rápida mientras mantienen, o incluso mejorando, la fuerza y ​​la ductilidad materia, la capacidad de estirar o deformarse sin romperse. Ahora, los ingenieros pueden seleccionar la configuración de procesamiento óptima basada en sus necesidades específicas”.

Estos hallazgos son prometedores para las industrias que dependen de piezas de titanio de alto rendimiento. La capacidad de fabricar componentes más fuertes y ligeros a mayores velocidades podría mejorar la eficiencia en la construcción naval, la aviación y los dispositivos médicos. También contribuye a un esfuerzo más amplio para avanzar en la fabricación aditiva para aeroespacial y defensa.

Los investigadores de la Escuela de Ingeniería de Whiting, incluido Somnath Ghosh, están integrando simulaciones impulsadas por la IA para predecir mejor cómo funcionarán los materiales fabricados aditivos en entornos extremos.

Ghosh co-lídera en uno de los dos Institutos de Investigación de Tecnología Espacial de la NASA (STRIS), una colaboración entre Johns Hopkins y Carnegie Mellon se centró en desarrollar modelos computacionales avanzados para acelerar la calificación y certificación de materiales.

El objetivo es reducir el tiempo requerido para diseñar, probar y validar nuevos materiales para aplicaciones espaciales, un desafío que se alinea estrechamente con los esfuerzos de APL para refinar y acelerar la fabricación de titanio.

https://www.youtube.com/watch?v=n6pqg47kmbg

Un gran salto hacia adelante

Este avance se basa en años de trabajo en APL para avanzar en la fabricación aditiva. Cuando Steve Storck, el jefe científico de tecnologías de fabricación en el Departamento de Investigación y Desarrollo Exploratorio de APL, llegó al laboratorio en 2015, reconoció que la práctica tenía sus límites.

“En aquel entonces, una de las mayores barreras para usar la fabricación aditiva en todo el Departamento de Defensa era la disponibilidad de materiales: cada diseño requería un material específico, pero las condiciones de procesamiento robustas no existían para la mayoría de ellos”, recordó Storck.

“El titanio fue uno de los pocos que satisfacen las necesidades del DOD y se había optimizado para que coincidan o superen el rendimiento de la fabricación tradicional. Sabíamos que teníamos que expandir la gama de materiales y refinar los parámetros de procesamiento para desbloquear completamente el potencial de la fabricación aditiva”.

APL pasó años refinando la fabricación aditiva, centrándose en el control de defectos y el rendimiento del material. El equipo de STORCK desarrolló un marco rápido de optimización de materiales, un esfuerzo que condujo a una patente presentada en 2020. En 2021, el equipo de APL Publicado un estudio En el Johns Hopkins APL Digest técnico examinando cómo los defectos impactan las propiedades mecánicas.

Este marco, diseñado para acelerar significativamente la optimización de las condiciones de procesamiento, proporcionó una base sólida para el último estudio. Sobre la base de esa base, el equipo aprovechó el aprendizaje automático para explorar una gama sin precedentes de parámetros de procesamiento, algo que no hubiera sido práctico con los métodos tradicionales de prueba y error.

El enfoque reveló un régimen de procesamiento de alta densidad descartado previamente debido a las preocupaciones sobre la inestabilidad del material. Con ajustes específicos, el equipo desbloqueó nuevas formas de procesar TI-6Al-4V, optimizado durante mucho tiempo para la fusión del lecho de polvo láser.

“No solo estamos haciendo mejoras incrementales”, dijo Storck. “Estamos encontrando formas completamente nuevas de procesar estos materiales, desbloqueando capacidades que no se consideraban anteriormente. En poco tiempo, descubrimos condiciones de procesamiento que empujaron el rendimiento más allá de lo que se creía posible”.

Ai encuentra los patrones ocultos

Las propiedades de titanio, como las de todos los materiales, pueden verse afectadas por la forma en que se procesa el material. La potencia del láser, la velocidad de escaneo y el espaciado entre las pistas láser determinan cómo se solidifica el material, ya sea fuerte y flexible o frágil y defectuoso. Tradicionalmente, encontrar la combinación correcta requirió pruebas lentas de prueba y error.

En lugar de ajustar manualmente la configuración y esperar los resultados, el equipo capacitó a los modelos de IA utilizando la optimización bayesiana, una técnica de aprendizaje automático que predice el próximo experimento más prometedor basado en datos anteriores.

Al analizar los resultados de las pruebas tempranas y refinar sus predicciones con cada iteración, la IA se realizó rápidamente en las mejores condiciones de procesamiento, lo que permite a los investigadores explorar miles de configuraciones prácticamente antes de probar un puñado de ellas en el laboratorio.

Este enfoque permitió al equipo identificar rápidamente entornos previamente no utilizados, algunos de los cuales habían sido descartados en la fabricación tradicional, que podría producir titanio más fuerte y más denso. Los resultados revocaron suposiciones largas sobre qué parámetros láser producen las mejores propiedades del material.

“No se trata solo de fabricar piezas más rápidamente”, dijo Croom. “Se trata de lograr el equilibrio adecuado entre la fuerza, la flexibilidad y la eficiencia. La IA nos está ayudando a explorar regiones de procesamiento que no hubiéramos considerado por nuestra cuenta”.

STORCK enfatizó que el enfoque va más allá de mejorar la impresión de titanio: personaliza los materiales para necesidades específicas.

“Los fabricantes a menudo buscan configuraciones de talla única, pero nuestros patrocinadores necesitan precisión”, dijo. “Ya sea para un submarino en el Ártico o un componente de vuelo en condiciones extremas, esta técnica nos permite optimizar para esos desafíos únicos mientras mantenemos el rendimiento más alto”.

Croom agregó que expandir el modelo de aprendizaje automático para predecir comportamientos de material aún más complejos es otro objetivo clave. El trabajo temprano del equipo analizó la densidad, la fuerza y ​​la ductilidad, y Croom dijo que tiene los ojos en el modelado de otros factores importantes, como la resistencia o la corrosión de la fatiga.

“Este trabajo ha sido una clara demostración del poder de la IA, las pruebas de alto rendimiento y la fabricación basada en datos”, dijo.

“Solía ​​llevar años de experimentación para comprender cómo respondería un nuevo material en los entornos relevantes de nuestro patrocinador, pero ¿qué pasaría si pudiéramos aprender todo eso en semanas y usar esa visión para fabricar rápidamente aleaciones mejoradas?”

El éxito de esta investigación abre la puerta a aplicaciones aún más amplias. El artículo publicado recientemente se centró en el titanio, pero el mismo enfoque impulsado por la IA se ha aplicado a otros metales y técnicas de fabricación, incluidas las aleaciones específicamente desarrolladas para aprovechar la fabricación aditiva, dijo STORCK.

Un área de la exploración futura es el llamado monitoreo in situ: la capacidad de rastrear y ajustar el proceso de fabricación en tiempo real.

STORCK describió una visión en la que la fabricación de aditivos de metal de última generación podría ser tan fluida como la impresión 3D en el hogar: “Imaginamos un cambio de paradigma donde los sistemas de fabricación de aditivos futuros pueden ajustarse a medida que imprimen, asegurando una calidad perfecta sin la necesidad de un procesamiento posterior extenso y esas piezas se pueden calificar calificadas”.