Review of Machine Learning Methods for Additive Manufacturing of Functionally Graded Materials

要約

積層造形は、材料の直接接合を可能にすることで複雑な部品の製造に革命をもたらし、複雑な部品のコスト効率の高い製造、製造廃棄物の削減、製造自動化の新たな可能性の開拓など、いくつかの利点をもたらします。
積層造形によりコンポーネントの性能と特性を向上させる大きな可能性を秘めた材料グループの 1 つは、傾斜機能材料 (FGM) です。
FGM は、滑らかに変化する特性を示す先進的な複合材料であり、航空宇宙、自動車、生物医学、防衛産業での用途に望ましいものとなっています。
FGM では位置に応じて組成が徐々に変化し、特性が向上するため、このような組成は従来の複合材料とは異なります。
最近、機械学習技術が、処理パラメータの最適化、製品品質の向上、製造欠陥の検出を通じて FGM を製造するための有望な手段として浮上しています。
この論文では、最初に FGM 製造に関連する研究に関する簡単な文献レビューを提供し、続いて積層造形における機械学習の採用に関する研究をレビューします。その後、指向性エネルギーにおける機械学習手法の応用に関連する文献で出版された研究の概要を提供します。
FGM の蒸着および製造用。

要約(オリジナル)

Additive manufacturing has revolutionized the manufacturing of complex parts by enabling direct material joining and offers several advantages such as cost-effective manufacturing of complex parts, reducing manufacturing waste, and opening new possibilities for manufacturing automation. One group of materials for which additive manufacturing holds great potential for enhancing component performance and properties is Functionally Graded Materials (FGMs). FGMs are advanced composite materials that exhibit smoothly varying properties making them desirable for applications in aerospace, automobile, biomedical, and defense industries. Such composition differs from traditional composite materials, since the location-dependent composition changes gradually in FGMs, leading to enhanced properties. Recently, machine learning techniques have emerged as a promising means for fabrication of FGMs through optimizing processing parameters, improving product quality, and detecting manufacturing defects. This paper first provides a brief literature review of works related to FGM fabrication, followed by reviewing works on employing machine learning in additive manufacturing, Afterward, we provide an overview of published works in the literature related to the application of machine learning methods in Directed Energy Deposition and for fabrication of FGMs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google