بهینه سازی طراحی برای ساخت افزودنی با استفاده از یادگیری ماشین در پیش بینی طول عمر قطعات چاپ سه بعدی شده

ساخت افزودنی فناوری در حال توسعه و کاربردی است که خصوصیات ویژه این شیوه ی ساخت، قابلیت های جدیدی را برای طراحی و تولید ایجاد می کند. چاپ سه بعدی به روش لایه گذاری فیلامت پلیمری یکی از پرکاربردترین فرآیندهای ساخت افزودنی در زمینه ساخت نمونه های اولیه و قطعات است که چالش های مختلفی را نیز بهمراه دارد. طراحی برای ساخت افزودنی زمینه ای فراهم می کند برای بهره گیری از قابلیت های منحصر به فرد روش ساخت افزودنی و برطرف کردن چالش های یادشده که با بهینه سازی مولفه های مختص این روش ساخت جدید، بازدهی عملکرد، قابلیت ساخت و اطمینان را افزایش می دهد که در نهایت می تواند منجر به کاهش هزینه های محصول شود. از طرف دیگر دانش یادگیری ماشین و علم داده بتازگی به طور گسترده در زمینه های مختلف مورد استفاده قرار گرفته است. در این مقاله با پیاده سازی مدل های دسته بندی یادگیری ماشین بر روی مجموعه ای از داده های حاصل از آزمایش تست خستگی قطعات چاپ شده به بررسی عمر قطعات و بهبود مولفه های فرایند از جمله سرعت پرینت، دمای نازل، قطر نازل و هم چنین تنش حین تست پرداخته شده است. در این پژوهش، مدل های دسته بندی دستگاه بردار پشتیبان، نزدیک ترین همسایه و جنگل های تصادفی بر روی داده های آزمایش تست خستگی پیاده شده و دقت آن ها طبق معیارهای دقت سنجی اندازه گیری شد. همچنین بهینه سازی با مدل های یاد شده برای دستیابی به دقت های بالاتر صورت گرفت.

کلیدواژه ها:

چاپ سه بعدی ، طراحی برای ساخت افزودنی ، بهینه سازی ، یادگیری ماشین