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

要約

アディティブ マニュファクチャリング (AM) は、3D モデリング データから複雑な部品をレイヤーごとに直接製造できる革新的な製造テクノロジーです。
AM アプリケーションの中でも、傾斜機能材料 (FGM) の製造は、複数の業界にわたってコンポーネントの性能を向上させる可能性があるため、非常に重要です。
FGM は、異なる材料間で組成を段階的に変化させて製造されるため、位置に依存する機械的および物理的特性を備えた新しい材料の設計が可能になります。
この研究では、FGM 製造プロセスを最適化するための ML ベースの方法に重点を置き、AM における機械学習 (ML) 技術の実装に関する公開文献の包括的なレビューを示します。
このレビュー記事では、広範な文献調査を通じて、FGM 製造に固有の課題に対処する際の ML の役割を調査し、パラメータの最適化、欠陥検出、リアルタイム監視を網羅しています。
この記事では、FGM の AM 製造に ML ベースの手法を採用する際の将来の研究の方向性と課題についても説明します。

要約(オリジナル)

Additive Manufacturing (AM) is a transformative manufacturing technology enabling direct fabrication of complex parts layer-be-layer from 3D modeling data. Among AM applications, the fabrication of Functionally Graded Materials (FGMs) has significant importance due to the potential to enhance component performance across several industries. FGMs are manufactured with a gradient composition transition between dissimilar materials, enabling the design of new materials with location-dependent mechanical and physical properties. This study presents a comprehensive review of published literature pertaining to the implementation of Machine Learning (ML) techniques in AM, with an emphasis on ML-based methods for optimizing FGMs fabrication processes. Through an extensive survey of the literature, this review article explores the role of ML in addressing the inherent challenges in FGMs fabrication and encompasses parameter optimization, defect detection, and real-time monitoring. The article also provides a discussion of future research directions and challenges in employing ML-based methods in AM fabrication of FGMs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google