Core Concepts
金属造形製造における機械的特性予測の重要性と、実験やシミュレーション方法の課題を解決するための機械学習手法の有用性。
Abstract
金属造形製造(MAM)における機械的特性予測は重要であり、実験やシミュレーションが持つ課題を解決する柔軟で費用対効果の高いアプローチとして、機械学習手法が提案されている。
MAMプロセスにおける欠陥や非平衡な微細組織が部品の強度に影響を与え、加工パラメータや材料特性がその結果に影響を及ぼすことが示唆されている。
実験データセットからMLモデルを作成し、加工パラメータと材料特性に基づいて機械的特性を予測する包括的なフレームワークが導入されている。
Stats
機能:金属加工条件、材料、最終的な力学的特性(降伏強度、引っ張り強さ、弾性率など)などの情報を含むデータセット
Quotes
"Machine learning methods offer a more flexible and cost-effective approach to predicting mechanical properties based on processing parameters and material properties."
"During MAM processes, defects like keyhole and lack of fusion porosities can compromise the structural integrity of the printed parts."