Fusion des technologies et de la couleur pour éviter les échecs de conception – Technoguide

Divers progiciels peuvent être utilisés pour évaluer les produits et prévoir les pannes; cependant, ces packages sont extrêmement gourmands en calculs et prennent un temps considérable pour produire une solution. Des solutions plus rapides signifient des résultats moins précis.

Pour lutter contre ce problème, une équipe de chercheurs de Penn State a étudié l’utilisation d’algorithmes d’apprentissage automatique et de colorisation d’image pour alléger la charge de calcul, maintenir la précision, réduire le temps et prédire les champs de déformation pour les matériaux poreux. Ils ont publié leurs travaux dans le Journal of Computational Materials Science avec des présentations et des actes d’accompagnement dans Procedia Engineering.

«Il y a toujours un côté humain dans la conception», a déclaré Chris McComb, professeur adjoint de conception technique à la School of Engineering Design, Technology, and Professional Programs. «Il existe des produits potentiellement vitaux qui nécessitent une fabrication additive et peuvent être frustrants à concevoir. Ces simulations et évaluations prennent beaucoup de temps, il est donc important pour nous de contribuer à rendre plus rapide et plus facile la livraison de produits sûrs.

Les auteurs comprennent Pranav Milind Khanolkar, ancien élève de la maîtrise en génie industriel du printemps 2020; Aaron Abraham, étudiant de premier cycle en génie industriel; Saurabh Basu, professeur assistant de génie industriel; et McComb.

Dans le cadre de sa maîtrise, Khanolkar a étudié l’utilisation d’ABAQUS, un logiciel largement utilisé pour effectuer des simulations détaillées dans la fabrication additive. Selon les chercheurs, le logiciel peut être problématique car sa vitesse et son niveau de performance dépendent de la puissance de traitement matérielle d’un ordinateur.

Pour accélérer les simulations, l’équipe a mis en œuvre des algorithmes d’apprentissage automatique pour réduire l’utilisation exclusive de l’analyse par éléments finis (FEA) exigeante en termes de calcul. Expliquée par ABAQUS, la FEA peut prédire les événements de fissure, d’impact et de collision avec rupture de matériau, ainsi que la dynamique, les commandes et le comportement des joints d’un produit.

Les algorithmes d’apprentissage automatique peuvent être utilisés pour prédire les propriétés mécaniques et les paramètres des matériaux, ce qui est rapide et utilise moins de puissance de calcul que le FEA traditionnel.

Khanolkar et Abraham ont utilisé ABAQUS pour réaliser une FEA de haute qualité sur des centaines d’heures de travail et des milliers d’échantillons de données sur des pièces mécaniques simulées présentant des défauts structurels. Ils ont ensuite utilisé ces échantillons de données pour former des algorithmes d’apprentissage automatique afin d’estimer les résultats FEA et de maintenir une haute précision en une fraction du temps seulement.

L’équipe a appliqué des algorithmes de colorisation d’image aux données de microstructure des matériaux, et des algorithmes réutilisés généralement utilisés pour ajouter de la couleur aux photos en noir et blanc.

Dans le cas d’origine, les algorithmes prennent une photo en noir et blanc et renvoient les canaux rouge, vert et bleu pour une nouvelle version colorée. Dans le travail de l’équipe, l’algorithme prend une image simple de la microstructure du matériau et renvoie des canaux représentant différents types de pannes potentielles dans le produit.

«Les défauts volumétriques peuvent affecter les performances d’un composant de plusieurs manières, il est donc essentiel de comprendre cet effet pendant le processus de conception d’un composant», a déclaré Basu. «Lorsque des défauts peuvent être inévitables, comme dans les composants fabriqués de manière additive, cette compréhension peut aider à décider comment une conception peut être modifiée pour rendre la présence de défauts tolérable. Cela peut être fait en exécutant différents scénarios de conception et en modifiant finalement la conception pour obtenir un plus partie structurellement responsable. Les idées résultant de notre étude sont un premier pas vers un tel cadre. “

Pour Khanolkar, le travail l’a aidé à comprendre en profondeur les techniques d’apprentissage automatique, lui donnant la direction de ses études doctorales actuelles en génie mécanique et industriel à l’Université de Toronto.

“Il est important d’utiliser une technologie intelligente pour aider les gens et renforcer leur créativité et leur empathie pendant le processus de conception”, a déclaré Khanolkar. “Ces algorithmes ont besoin de beaucoup de puissance de calcul et l’utilisation de l’intelligence artificielle dans cet article permet aux concepteurs d’être plus créatifs sans affecter les coûts de production.”

Source de l’histoire:

Matériel fourni par Penn State. Original écrit par Miranda Buckheit. Remarque: le contenu peut être modifié pour le style et la longueur.

.

Lire plus

A propos Technoguide

Voir aussi

Guide de Valheim – Ou “ Comment chasser le sanglier et le cerf avec succès ”

La première partie de Valheim sera consacrée à la chasse. Les ressources des éliminations constitueront …

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Défiler vers le haut