Titanyum üretiminde Yapay Zekalı 3D baskılı güçlü ve kaliteli malzemeler.

Titanyum Üretiminde Devrim: Yapay Zeka Destekli 3D Baskı Sınırları Aşıyor.

Johns Hopkins araştırmacıları, titanyum alaşımı üretimini hızlandırmak ve iyileştirmek için yapay zekayı kullanıyor, daha güçlü ve yüksek kaliteli malzemeler için yeni işleme tekniklerinin kapısını aralıyor.

Yapay zeka destekli araştırmalar, titanyum 3D baskıyı daha hızlı, güçlü ve verimli hale getirerek havacılık ve savunma üretimini dönüştürüyor.

Yüksek performanslı titanyum alaşımı parçaların üretimi ister uzay araçları, denizaltılar ya da tıbbi cihazlar için olsun geleneksel olarak yavaş ve kaynak yoğun bir süreç olmuştur. Gelişmiş metal 3D baskı teknolojileri bile olsa, optimal üretim koşullarının belirlenmesi geniş çaplı deneme-yanılma gerektiriyordu.

Peki ya bu parçalar daha hızlı, daha güçlü ve neredeyse kusursuz bir hassasiyetle üretilebilseydi?

Johns Hopkins Uygulamalı Fizik Laboratuvarı (APL) ve Whiting Mühendislik Okulu’ndan bir araştırma ekibi, bu olasılığı gerçeğe dönüştürmek için yapay zekayı kullanıyor. Geliştirilmiş işleme tekniklerini belirleyerek, hem üretim hızını hem de malzeme dayanıklılığını artırdılar — okyanus derinliklerinden uzayın derinliklerine kadar uzanan geniş bir uygulama yelpazesine sahip bir yenilik.

APL’nin Araştırma ve Keşif Geliştirme Misyon Alanı’nda Bilim ve Çok Fonksiyonlu Malzemeler Program Yöneticisi Morgan Trexler, “Ülke, mevcut ve gelecekteki çatışmaların taleplerini karşılamak için üretimi hızlandırma konusunda acil bir ihtiyaçla karşı karşıya” dedi. “APL’de, lazer tabanlı eklemeli imalat alanındaki araştırmaları ilerleterek, operasyonel zorluklara ayak uyduracak şekilde misyona hazır malzemelerin hızla geliştirilmesini sağlıyoruz.”

Additive Manufacturing dergisinde yayınlanan bulgular, yüksek mukavemeti ve düşük ağırlığıyla bilinen yaygın bir titanyum alaşımı olan Ti-6Al-4V üzerine odaklanıyor. Ekip, lazer toz yatak füzyonu (metal 3D baskı yöntemi) için daha önce keşfedilmemiş üretim koşullarını haritalamak üzere yapay zeka destekli modeller kullandı. Sonuçlar, uzun süredir devam eden süreç sınırlarına dair varsayımları sorgulayarak, yoğun ve yüksek kaliteli titanyum üretimi için daha geniş bir işleme penceresi ortaya çıkardı.

Bu keşif, malzeme işleme konusunda yeni bir bakış açısı sunuyor, diyor makalenin ortak yazarı Brendan Croom.

“Yıllarca, belirli işleme parametrelerinin tüm malzemeler için ‘yasak bölge’ olduğunu varsaydık çünkü bunlar düşük kaliteli bir ürünle sonuçlanırdı,” diyor APL’de kıdemli malzeme bilimcisi Croom. “Ancak yapay zekayı kullanarak tüm olasılıkları keşfettiğimizde, malzeme mukavemetini ve sünekliğini (kopmadan esneme veya deforme olma yeteneği) korurken — hatta artırırken — daha hızlı baskı yapmaya olanak tanıyan yeni işleme bölgeleri keşfettik. Artık mühendisler, özel ihtiyaçlarına göre optimal işleme ayarlarını seçebilir.”

Johns Hopkins APL’de kıdemli malzeme bilimcisi Brendan Croom, APL’nin X-ışını Bilgisayarlı Tomografi Laboratuvarı’nda görülüyor. Burada yüksek çözünürlüklü görüntüleme, araştırmacıların eklemeli imalatla üretilen malzemeleri analiz etmesine yardımcı oluyor. Croom ve ekibi, yapay zekayı kullanarak titanyum alaşımı üretimini optimize ediyor ve havacılık, gemi inşası ve ötesinde potansiyel uygulamalara sahip daha hızlı ve verimli üretim yöntemleri keşfediyor. Kaynak: Johns Hopkins APL/Ed Whitman

Bu bulgular, yüksek performanslı titanyum parçalara güvenen endüstriler için umut vaat ediyor. Daha güçlü, daha hafif bileşenleri daha yüksek hızlarda üretme yeteneği, gemi inşası, havacılık ve tıbbi cihazlarda verimliliği artırabilir. Ayrıca, havacılık ve savunma için eklemeli imalatı geliştirme çabalarına katkıda bulunuyor.

Whiting Mühendislik Okulu’ndan Somnath Ghosh da dahil olmak üzere araştırmacılar, eklemeli imalatla üretilen malzemelerin aşırı ortamlarda nasıl performans göstereceğini daha iyi tahmin etmek için yapay zeka destekli simülasyonları entegre ediyor. Ghosh, Johns Hopkins ve Carnegie Mellon arasında bir iş birliği olan ve uzay uygulamaları için yeni malzemelerin tasarım, test ve doğrulama süreçlerini hızlandırmayı amaçlayan iki NASA Uzay Teknolojisi Araştırma Enstitüsü’nden (STRI) birine liderlik ediyor. Bu hedef, APL’nin titanyum üretimini iyileştirme ve hızlandırma çabalarıyla yakından uyumlu.

Büyük Bir Sıçrama

Bu buluş, APL’de eklemeli imalatı geliştirmek için yıllardır sürdürülen çalışmaların üzerine inşa edildi. APL’nin Araştırma ve Keşif Geliştirme Departmanı’nda Üretim Teknolojileri Baş Bilimcisi Steve Storck, 2015 yılında Laboratuvar’a katıldığında, bu uygulamanın sınırları olduğunu fark etti.

APL, eklemeli imalatı iyileştirmek için yıllarını harcadı, kusur kontrolü ve malzeme performansı üzerine odaklandı. 2021 yılında, APL ekibi, Johns Hopkins APL Teknik Özeti’nde kusurların mekanik özellikleri nasıl etkilediğini inceleyen bir çalışma yayınladı. Aynı dönemde, Storck’un ekibi, 2020 yılında patent başvurusu yapılan hızlı malzeme optimizasyonu çerçevesini geliştiriyordu.

Bu çerçeve — işleme koşullarının optimizasyonunu önemli ölçüde hızlandırmak için tasarlandı — en son çalışma için sağlam bir temel oluşturdu. Bu temel üzerine inşa eden ekip, geleneksel deneme-yanılma yöntemleriyle pratik olmayan bir dizi işleme parametresini keşfetmek için makine öğreniminden yararlandı.

Bu yaklaşım, malzeme dengesizliği endişeleri nedeniyle daha önce göz ardı edilen yüksek yoğunluklu bir işleme rejimini ortaya çıkardı. Hedeflenen ayarlamalarla, ekip, lazer toz yatak füzyonu için uzun süredir optimize edilmiş olan Ti-6Al-4V’yi işlemenin yeni yollarını keşfetti.

Yapay Zeka Gizli Desenleri Buluyor

Titanyumun özellikleri, tüm malzemelerde olduğu gibi, malzemenin nasıl işlendiğinden etkilenebilir. Lazer gücü, tarama hızı ve lazer izleri arasındaki boşluk, malzemenin nasıl katılaştığını belirler — güçlü ve esnek mi yoksa kırılgan ve kusurlu mu olacağını. Geleneksel olarak, doğru kombinasyonu bulmak yavaş bir deneme-yanılma testi gerektiriyordu.

Ayarları manuel olarak değiştirip sonuçları beklemek yerine, ekip, Bayesian optimizasyonu adı verilen bir makine öğrenimi tekniği kullanarak yapay zeka modelleri eğitti. Bu teknik, önceki verilere dayanarak en umut verici bir sonraki deneyi tahmin eder.Erken test sonuçlarını analiz ederek ve her iterasyonda tahminlerini iyileştirerek, yapay zeka en iyi işleme koşullarına hızla odaklandı — araştırmacıların laboratuvarda bir avuç deney yapmadan önce binlerce konfigürasyonu sanal olarak keşfetmesine olanak tanıdı.

Bu yaklaşım, ekibin daha önce kullanılmayan — ve geleneksel üretimde göz ardı edilen — ayarları hızla belirlemesine ve daha güçlü, daha yoğun titanyum üretmesine olanak tanıdı. Sonuçlar, hangi lazer parametrelerinin en iyi malzeme özelliklerini sağladığına dair uzun süredir devam eden varsayımları alt üst etti.

Storck, bu yaklaşımın titanyum baskısını iyileştirmenin ötesine geçtiğini ve malzemeleri özel ihtiyaçlara göre özelleştirdiğini vurguluyor. “Üreticiler genellikle herkese uyan tek bir ayar arar, ancak sponsorlarımız hassasiyet istiyor,” diyor. “İster Kuzey Kutbu’ndaki bir denizaltı için olsun, ister aşırı koşullar altındaki bir uçuş bileşeni için, bu teknik, en yüksek performansı korurken bu benzersiz zorluklar için optimizasyon yapmamızı sağlıyor.”

Croom, makine öğrenimi modelini daha karmaşık malzeme davranışlarını tahmin etmek için genişletmenin bir diğer önemli hedef olduğunu ekliyor. Ekibin erken çalışmaları yoğunluk, mukavemet ve süneklik üzerine odaklandı, ancak Croom, yorgunluk direnci veya korozyon gibi diğer önemli faktörleri modelleme hedeflerinin olduğunu söylüyor.

Yeni Olanaklar

Bu araştırmanın başarısı, daha geniş uygulamaların kapısını aralıyor. Yakın zamanda yayınlanan makale titanyuma odaklansa da, aynı yapay zeka destekli yaklaşım diğer metallere ve üretim tekniklerine de uygulandı, diyor Storck.

Gelecekteki bir araştırma alanı, in situ izleme — üretim sürecini gerçek zamanlı olarak takip etme ve ayarlama yeteneği. Storck, en son teknoloji metal eklemeli imalatın evde 3D baskı yapmak kadar sorunsuz olabileceği bir vizyonu paylaşıyor: “Gelecekteki eklemeli imalat sistemlerinin baskı sırasında ayarlama yapabileceği ve kapsamlı bir son işleme ihtiyacı olmadan mükemmel kaliteyi sağlayabileceği bir paradigma değişikliği öngörüyoruz.”

Kaynak: SciTechDaily

Haber Veriyoruz