論文の概要: Accelerating Process Development for 3D Printing of New Metal Alloys

• arxiv url: http://arxiv.org/abs/2401.00065v1
• Date: Fri, 29 Dec 2023 19:46:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 19:05:10.391344
• Title: Accelerating Process Development for 3D Printing of New Metal Alloys
• Title（参考訳）: 新規金属合金の3d印刷のための加速プロセス開発
• Authors: David Guirguis, Conrad Tucker, Jack Beuth
• Abstract要約: プロセスマッピングは、許容できる印刷品質を一貫して生成する最適なプロセスパラメータを決定するために不可欠である。 プロセスマッピングは通常、従来の方法で行われ、実験の設計や印刷部品のエクスシチュアライゼーションに使用される。 ビデオビジョントランスと高速イメージングを用いたレーザ-金属間相互作用における溶融金属力学の時間的特徴を取り入れることで,これらの制約を緩和する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Addressing the uncertainty and variability in the quality of 3D printed metals can further the wide spread use of this technology. Process mapping for new alloys is crucial for determining optimal process parameters that consistently produce acceptable printing quality. Process mapping is typically performed by conventional methods and is used for the design of experiments and ex situ characterization of printed parts. On the other hand, in situ approaches are limited because their observable features are limited and they require complex high-cost setups to obtain temperature measurements to boost accuracy. Our method relaxes these limitations by incorporating the temporal features of molten metal dynamics during laser-metal interactions using video vision transformers and high-speed imaging. Our approach can be used in existing commercial machines and can provide in situ process maps for efficient defect and variability quantification. The generalizability of the approach is demonstrated by performing cross-dataset evaluations on alloys with different compositions and intrinsic thermofluid properties.
• Abstract（参考訳）: 3Dプリントされた金属の品質の不確実性や変動に対処することで、この技術が広く使われるようになる。 新しい合金のプロセスマッピングは、許容できる印刷品質を一貫して生み出す最適なプロセスパラメータを決定するために不可欠である。 プロセスマッピングは通常、従来の方法で行われ、実験の設計や印刷部品のex situ characterizationに使用される。 一方,In situ手法は観測可能な特徴が限られており,精度を高めるためには複雑な高コスト設定が必要であるため,制限されている。 ビデオビジョントランスと高速イメージングを用いたレーザ-金属相互作用における溶融金属力学の時間的特徴を取り入れることで,これらの制約を緩和する。 我々の手法は既存の商用機械で利用でき、効率的な欠陥と変数の定量化のためのその場プロセスマップを提供することができる。 本手法の汎用性は, 組成や内在性熱流動特性の異なる合金に対して, クロスデータセット評価を行うことによって実証される。

関連論文リスト

• 3D object quality prediction for Metal Jet Printer with Multimodal thermal encoder [46.85584046139531]
  金属印刷における様々な要因は、印刷部品の品質に影響を及ぼす。 HPのMetJet印刷プロセスから収集された膨大なデータを使って、AI技術を使用して、印刷された部分品質メトリクスを分析し、学習し、効果的に推測することができる。
  論文  参考訳（メタデータ） (2024-04-17T21:57:29Z)
• Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
  本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。 我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
  論文  参考訳（メタデータ） (2024-02-27T10:38:05Z)
• Fourier Quantum Process Tomography [0.0]
  フーリエ量子プロセス・トモグラフィーと呼ばれる新しい手法を導入する。 本研究では, 空間依存性の偏光変換について実験を行い, 平均忠実度を90%以上と評価した。
  論文  参考訳（メタデータ） (2023-12-20T22:17:56Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• Physics-based Learning of Parameterized Thermodynamics from Real-time Thermography [0.0]
  実時間サーモグラフィデータから熱過程のダイナミクスを学習するための物理に基づく新しいアプローチを提案する。 提案手法は雑音に対して頑健であり,パラメータ推定の精度向上に有効であることを示す。
  論文  参考訳（メタデータ） (2022-03-24T16:06:31Z)
• Modeling and Optimizing Laser-Induced Graphene [59.8912133964006]
  レーザ誘起グラフェンの生成の最適化を記述したデータセットを提供する。 提供するデータセットに基づいて,3つの課題を提起します。 興味のあるユーザにとっての出発点として、図解的な結果と、それらを生成するためのコードを提示します。
  論文  参考訳（メタデータ） (2021-07-29T18:08:24Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)
• Physics-informed machine learning for composition-process-property alloy design: shape memory alloy demonstration [0.0]
  機械学習(ML)は、高次元多目的設計空間において、新しい合金とその性能を予測する。 物理インフォームドされた特徴のあるエンジニアリングアプローチは、さもなくばパフォーマンスの悪いMLモデルを同じデータで正常に動作させることを可能にします。
  論文  参考訳（メタデータ） (2020-03-04T03:53:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。