Tecnologie di Rapid Prototyping e Rapid Manufacturing by Skorpion EngineeringSkorpion Engineering Srl
Similar to Le sfide aperte nelle stampa 3D del metallo affrontate in un contesto multidisciplinare: il laboratorio AddMe Lab del Politecnico di Milano (20)
Utilizzo della termografia per valutazione del comfort termico indoor in ambi...
Le sfide aperte nelle stampa 3D del metallo affrontate in un contesto multidisciplinare: il laboratorio AddMe Lab del Politecnico di Milano
1. LE SFIDE APERTE NELLA STAMPA 3D DEL METALLO
AFFRONTATE IN UN CONTESTO MULTIDISCIPLINARE: IL
LABORATORIO AddME DEL POLITECNICO DI MILANO
Barbara Previtali
DIPARTIMENTO DI MECCANICA
Politecnico di Milano
2. P. Colombo
ADD.ME Lab DIPARTIMENTO DI MECCANICA
AddMe.Lab
Direct energy
deposition
Powder bed
SLM
iFlams –
Intelligent
UltraFlexible
Additive
Manufacturing
Systems
Hephaestus
SLM Electron
beam
ADD.ME LAB
• Meccanica dei Sistemi
• Costruzione di Macchine e Veicoli
• Materiali per le Applicazioni Meccaniche
• Misure e Tecniche Sperimentali
• Tecnologie Meccaniche e Produzione
• Progetto e Disegno di Macchine
4. P. Colombo
Le sfide aperte
1. Design per metal additive manufacturing
2. Materiali per metal additive manufacturing
3. Miglioramento processo
4. Qualifica, controllo e qualità
6. P. Colombo
Design for Additive Manufacturing:
printability evaluation
• Overhangs: not printable
• Sharp edges: burning areas, powder accumulation
• Finishing requirements (geometric/dimensional tolerances):
post-processing activities planning
• Supporting areas: to guarantee
• placement and an “easy” removal of the object
• heat dissipation
• Holes: shape and dimensions
• Features to be obtained with “subtractive” technologies: to reduce
useless geometrical complexities
7. Design for Additive Manufacturing
Build orientation issues – New shape generation
- Take into account the (X-Y-Z max dim.) of the part;
- Analysing the building direction according to:
• the working conditions of the component;
• the kind of finishing steps we have to perform
Building
direction
8. Design for Additive Manufacturing
Build orientation issues – New shape generation
The support is a feature
of the object
9. P. Colombo
Design for Additive Manufacturing
Support issues: overhangs and heat dissipation
No support
Adequate supports
10. Design for weight reduction:
Lattice preliminary investigations
Design data
Cell size L 5 mm
Diameter d 1.25 mm
B A
A B
15. Polveri per SLM
Dimensione polveri ottimale
o troppo piccole: bassa scorrevolezza (flowability)
e tendono a formare agglomerati
o troppo grandi: scarsa precisione dimensionale e
finitura superficiale.
Polveri sferiche con distrubuzione ottimale della
dimensione
o Massimizzare densità di impacchettamento
riduzione porosità nel pezzo
15-60 micron
Sul mercato sono già disponibili
polveri ottimizzate per l’SLM
appartenenti alle diverse famiglie
di materiali metallici.
16. Microstruttura pezzi prodotti per SLM
Polveri metalliche vengono portate a fusione da un fascio laser
Formazione di microstrutture di solidificazione
La solidificazione avviene in maniera molto rapida (Vraffreddamento fino a 108 °C/s).
Formazione di microstrutture cellulari molto fini e direzionali
Similitudini tra microstrutture SLM e laser welding
316L SLM 316L Laser Weld
10 μm 40 μm
17. Difetti nei pezzi prodotti per SLM
• Difetti microstrutturali:
-> cricche
-> porosità
-> disomogeneità
• Stress residui
-> provocano deformazioni
geometriche del pezzo
-> riducono la resistenza meccanica
Ottimizzazione parametri di
processo, trattamento
termico, riscaldamento del
substrato, ottimizzazione
strategia di deposizione
Modifica della composizione chimica e
ottimizzazione dei parametri di processo e
trattamento termico
• Anisotropia
-> formazione di tessiture
(orientazioni preferenziali grani)
-> proprietà meccaniche (fatica,
resistenza, duttilità, creep) diverse
nelle diverse direzioni di carico
Rotazione della scanning
direction
18. Sviluppi della ricerca
• Sintesi di nuove leghe dedicate a processi SLM
Approccio 1: Modifica di composizioni esistenti derivate da leghe per getti o da
deformazione plastica
Approccio 2: Ricerca si composizioni innovative sfruttando principi metallurgici
derivati dalla rapida condizione di solidificazione (affinamento del grano,
sovrasaturazione, affinamento e dispersione di seconde fasi)
• Messa a punto di trattamenti termici ad hoc
Distensione delle tensioni residue
Trattamento termico di precipitazione
• Studio della correlazione tra strategie di deposizione e tessiture cristallografiche
ottenibili
20. P. Colombo
Analisi di porosità e produttività in SLM
Ottimizzazione vincolata del tempo di lavorazione in SLM
• Produttività bassa – influenza dei parametri e geometria
• Mancanza di un calcolatore accurato dei tempi di produzione
• Compensazione dell’errore geometrico
Parametri del
processo
P, t, dp, dh
Produttività
t [h], BR [cm3/h]
Densità
ρ [g/cm3]
Errore
geometrico
e [µm]
Modellazione analitica
Modelli statistici
Scelta dei
parametri ottimi
Compensazione
geometrica
Fattori di
disturbo
Geometria
A, h, Ns
Validazione
21. P. Colombo
• Funzionamento macchina: fusione per punti sia dell’hatch interno
che dei bordi esterni.
ton toff
t [s]
P [W]
T
⇒
Scansione bordo
esternaScansione bordo
interno
Analisi di porosità e produttività in SLM
22. P. Colombo
• Interfaccia software per il calcolo dei tempi di produzione:
- Input: materiale, parametri di processo, dimensione e numerosità parti
- Output: tempi di costruzione e produttività
Analisi di porosità e produttività in SLM
23. P. Colombo
• Acciaio per utensili
Maraging 18Ni300
• Densità ottenute
ρ > 99%
• Produttività massima per
ρ > 99% ⇒ 8,17 cm3/h
• Modello di stima della densità in funzione dei parametri di
processo (F [J/cm3])
12000011 00001 0000090000800007000060000500004000030000
8,1
8,0
7,9
7,8
7,7
F [J/cm3]
ρa[g/cm3]
8,1
8,01 9
Regression
95% CI
95% PI
R2 = 76,3 %
Analisi di porosità e produttività in SLM
24. P. Colombo
Parametri
z
[ߤߤߤߤm]
et misurato
[ߤߤߤߤm]
et previsto
[ߤߤߤߤm]
Renishaw 40 203 202
Renishaw 50 188 193
908070
0,23
0,22
0,21
0,20
0,1 9
0,1 8
706050 1059075 5040
t [us] dp [um] dh [um] z [um]
• Modello di stima errore dimensionale in funzione dei
parametri di processo
Analisi di porosità e produttività in SLM
25. P. Colombo
• Stampa di validazione:
- Parametri di processo risultanti
dall’ottimizzazione della produttività
imponendo un vincolo di ρ > 99,2%
- Differenti parametri geometrici per
valutarne un’eventuale influenza su ρ
- Compensazione traiettoria di
scansione del bordo della geometria
stimata con il modello dell’errore
dimensionale
P [W] t [ߤߤߤߤs] dp [ߤߤߤߤm] dh [ߤߤߤߤm] z [ߤߤߤߤm]
200 90 51 80 50
Diametro [mm] Altezza [mm]
10 – 15 – 20 10 – 30 – 50
C [ߤߤߤߤm]
121
Analisi di porosità e produttività in SLM
26. P. Colombo
Modello di costo per SLM
Sviluppo di un modello di costo adatto alla produzione additiva
• Applicazione del modello di costo al caso industriale BLM S.p.A.:
- Produzione annua di attrezzature per la curvatura del tubo
Modello di costo SLM
Modello di costo per
processi
convenzionali
Modelli di costo AM
da letteratura
(molto generali)
27. P. Colombo
Modello di costo per SLM
• Principali risultati:
- In caso di produzione mediante processo SLM al semplice scopo di
sostituire le tecnologie tradizionali:
Costo totale produzione annua [€]
SLM Tradizionale
283.615 168.772
+68%
COMPONENTI DI COSTO FASE DI
LAVORAZIONE SLM
COSTO PERCENTUALE FASI
DEL PROCESSO ADDITIVO
5%
87%
8%
Pre-processing
Lavorazione
Post-processing
28. P. Colombo
Modello di costo per SLM
• Principali risultati:
- In caso di produzione mediante processo SLM riprogettando i componenti per
sfruttare le potenzialità del processo (es: riduzione di peso)
• La riduzione di peso consente un risparmio di materiale ma soprattutto riduce i
tempi di costruzione ⇒ riduzione costi di produzione SLM
• La leggera maggiorazione di costo rispetto alla produzione tradizionale può
essere compensata da una maggior valore che la produzione additiva può dare
al componente
Costo totale produzione annua [€]
SLM
SLM con riduzione di
peso del 30 %
Tradizionale
283.615 182.090 168.772
-36% +8%
- 30% in peso
30. In-Process Monitoring of SLM
Different kinds of defect may originate during the layer-wise process
Several critical factors at:
• Feature level (acute corners, overhangs, thin walls, etc.…)
• Layer composition level (how many parts, relative distances, closeness of different
geometries, etc.)
• Powder deposition level (wiper wear, powder contaminations, debris, etc.)
• Laser scanning level (improper parameters, lens contamination, etc.)
• Other (input material properties, supporting strategies, etc.)
Three monitoring scales:
31. In-Process Monitoring of SLM
Off-axial monitoring via high-speed camera (10kHz)
• Detection of local overheating phenomena
• Light intensity in the visible range used as proxy of local
temperature for cooling transitory characterization
• Characterization of spatters distribution and kinematics
Eperimental set-up
(Olympus high-speed
camera outside AM250)
High-speed image stream
32. In-Process Monitoring of SLM
Local overheating detection
via Statistical Learning
techniques applied to Image
Processing
(Grasso, Laguzza, Colosimo,
Semeraro, 2016)
Case study: SLM of complex
geometries, AISI 316L steel
Shape deformations in
overhanging acute corners
33. Conclusioni
1. Design per metal additive manufacturing
2. Materiali per metal additive manufacturing
3. Miglioramento processo
4. Qualifica, controllo e qualità