KR102253948B1 - 레이저 분말 증착 기반 적층식 제조 프로세스에서 불확실성에 기인하는 형상 오차의 강한 감소를 위한 방법 및 장치 - Google Patents

레이저 분말 증착 기반 적층식 제조 프로세스에서 불확실성에 기인하는 형상 오차의 강한 감소를 위한 방법 및 장치 Download PDF

Info

Publication number
KR102253948B1
KR102253948B1 KR1020197029486A KR20197029486A KR102253948B1 KR 102253948 B1 KR102253948 B1 KR 102253948B1 KR 1020197029486 A KR1020197029486 A KR 1020197029486A KR 20197029486 A KR20197029486 A KR 20197029486A KR 102253948 B1 KR102253948 B1 KR 102253948B1
Authority
KR
South Korea
Prior art keywords
uncertainty
additive manufacturing
shape error
processes
delete delete
Prior art date
Application number
KR1020197029486A
Other languages
English (en)
Other versions
KR20190125431A (ko
Inventor
이 수
산지브 스리바스타바
루시아 미라벨라
데이비드 매들리
Original Assignee
지멘스 악티엔게젤샤프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20190125431A publication Critical patent/KR20190125431A/ko
Application granted granted Critical
Publication of KR102253948B1 publication Critical patent/KR102253948B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/10—Processes of additive manufacturing
    • B29C64/141—Processes of additive manufacturing using only solid materials
    • B29C64/153—Processes of additive manufacturing using only solid materials using layers of powder being selectively joined, e.g. by selective laser sintering or melting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49007—Making, forming 3-D object, model, surface
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49017—DTM desktop manufacturing, prototyping
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49018—Laser sintering of powder in layers, selective laser sintering SLS
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49023—3-D printing, layer of powder, add drops of binder in layer, new powder
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49027—SALD selective area laser deposition, vapor solidifies on surface
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49029—Virtual rapid prototyping, create a virtual prototype, simulate rapid prototyping process
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/10—Additive manufacturing, e.g. 3D printing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Optics & Photonics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Powder Metallurgy (AREA)

Abstract

적층식 제조(AM; additive manufacturing) 프로세스를 최적화하는 방법은, AM 프로세스의 적어도 하나의 설계 매개변수를 수신하는 단계, AM 프로세스의 적어도 하나의 다른 매개변수에서의 불확실성에 관련된 정보를 수신하는 단계, 생성되고 있는 물체에서의 형상 오차를 식별하기 위해, 적어도 하나의 설계 매개변수들 및 불확실성 정보에 기반하여, 최적화 프로세서에서 불확실성 정량화를 수행하는 단계, AM 프로세스의 적어도 하나의 설계 매개변수를 업데이팅하는 단계, 및 AM 프로세스에서 업데이팅된 적어도 하나의 설계 매개변수를 활용하는 단계를 포함한다. AM 프로세스를 최적화하기 위한 시스템은, 제조될 물체에 대한 적어도 하나의 설계 매개변수를 생성하기 위한 설계 프로세서, 및 적어도 하나의 설계 매개변수 및 불확실성 정보를 수신하여, 제조 프로세스 전에 또는 제조 프로세스 동안, 제조될 물체에서의 형상 오차를 식별하고 이 형상 오차에 기반하여 설계 매개변수들을 업데이팅하기 위한 최적화 프로세서를 포함한다.

Description

레이저 분말 증착 기반 적층식 제조 프로세스에서 불확실성에 기인하는 형상 오차의 강한 감소를 위한 방법 및 장치
[0001] 본 출원은, "METHOD FOR ROBUST REDUCTION OF SHAPE ERROR IN LASER POWDER DEPOSITION BASED ADDITIVE MANUFACTURING PROCESS, BASED ON OPTIMIZATION UNDER UNCERTAINTY"이란 명칭으로 2017년 3월 10일자로 출원된 가특허 출원 일련 번호 62/469,587에 대한 우선권을 35 U.S.C. §119(e) 하에서 주장하며, 위의 가특허 출원은 그 전체가 본원에 인용에 의해 통합된다.
[0002] 본 출원은 적층식 제조 프로세스(additive manufacturing process)들에 관한 것이다.
[0003] 적층식 제조(AM; additive manufacturing)는, 3 차원(3D; 3-dimensional) 물체를 생성하기 위해 컴퓨터(computer) 제어 하에서 재료들이 접합되거나(joined) 또는 응고되는 프로세스들을 수반한다. 생성될 물체는 임의의 형상을 가질 수 있고, 컴퓨터-보조 프로세스들 또는 애플리케이션(application)들, 이를테면 컴퓨터 보조 설계(CAD; computer aided design) 또는 컴퓨터-보조 엔지니어링(CAE; computer-aided engineering) 툴(tool)들을 사용하여 설계될 수 있다. 다른 컴퓨터-기반 파일(file)들, 이를테면 적층식 제조 파일(AMF; additive manufacturing file)들은 전체 3D 물체 형상을 정의(define)하도록 결합되는, 재료의 순차적 층들 측면에서 3D 물체를 정의한다. 3D 프린터(printer) 또는 적층식 제조 디바이스(device)에 제공될 때, AMF는 3D 프린팅(printing) 디바이스로 하여금 층별로 재료를 연속적으로 추가(add)하여 원하는 3D 물체를 구성할 수 있게 하는 정보를 제공한다.
[0004] AM의 하나의 방법은 연속적 층들을 생성하기 위해 레이저(laser)들을 사용한다. 레이저 분말 증착(LPD; laser powder deposition) 또는 지향성 레이저 증착(directed laser deposition)에서는, 추가 재료가 추가될 위치에서 레이저에 의해 금속 기재의 작은 부분이 용융된다. 노즐(nozzle)을 사용하여, 새로운 재료를 포함하는 분말이 기재에 생성된 용융 풀(melting pool) 쪽으로 압력 하에서 불활성 가스(gas)를 사용하여 지향된다. 그런 다음, 분말 및 용융 풀은 새로운 기재를 생성하도록 응고될 수 있게 된다. 프로세스는 원하는 3D 물체를 생성하기 위해 각각의 연속적 층에 대해 반복된다.
[0005] 컴퓨터 보조 툴들을 사용하여, 3D 물체에 대한 최적화된 설계가 생성될 수 있다. 이상적인 조건들 하에서, 3D 프린팅 디바이스는 최적화된 최종 제품을 생성하기 위해 최적화된 설계를 실행할 것이다. 실제로는, 최적화된 설계에 제품이 정확하게 일치하는 것을 막는 정상 변동(normal variation)들이 발생한다. 제조 애플리케이션들에서, 이는, 생성된 부품들과 이러한 부품들의 연관된 설계 사이의 불일치들 뿐만 아니라, 3D 프린팅 디바이스에 영향을 미치는 환경 요인들에 기인하여 개별적인 부품들 사이에 생기는 변동들 둘 모두로부터의 부품 품질 이슈(issue)들로 이어진다. 다양한 매개변수들, 이를테면, 레이저 전력, 레이저와 기재 사이의 거리(스탠드-오프(stand-off) 거리), 노즐과 용융 풀 사이의 거리, 레이저의 이동 속도, 분말 피드 레이트(feed rate) 뿐만 아니라, 환경 조건들, 이를테면 주위 온도, 습도 및 진동은 모두가 AM 프로세스에서의 변동들에 기여할 수 있다. 더욱이, 이러한 그리고 다른 변동 원인들 각각은, 불확실성을 수반하는 요인들에 의해 영향을 받는다. 불확실하므로, 이러한 영향들은, 제조의 설계 및 엔지니어링 스테이지(stage) 동안 설계 및 최적화될 수 없다. 게다가, 3D 프린팅 디바이스를 조정하는 것과 같은 다른 최적화 기법들은 변동들에 포함된 불확실성에 기인하여 예측될 수 없다.
[0006] 과거에는, 오프라인(offline) 상태들 동안 결정론적 최적화를 통해, 또는 관찰가능한 또는 유도된 프로세스 시그니처(signature)들(예컨대, 볼 수 있거나 또는 측정될 수 있는 시그니처들)에 집중하는 프린팅 프로세스 동안 개방 또는 폐쇄 루프(loop) 제어들을 통해 변동들이 해결되었다. 그러나, 이러한 접근법들은 시간의 경과에 따른 변동에 의해 특성화되는 불확실성을 해결할 수 없다. 그러므로, AM 프로세스들에서의 불확실성을 해결하기 위한 개선된 방법들 및 시스템(system)들이 원해진다.
[0007] 본원에서 설명된 실시예들의 양상들에 따르면, 적층식 제조(AM; additive manufacturing) 프로세스를 최적화하는 방법은, 최적화 프로세서(processor)에서, AM 프로세스의 적어도 하나의 설계 매개변수를 수신하는 단계, AM 프로세스의 적어도 하나의 다른 매개변수에서의 불확실성에 관련된 정보를 수신하는 단계, AM 프로세스에서 생성되고 있는 물체에서의 형상 오차(error)를 식별하기 위해, 적어도 하나의 설계 매개변수들 및 불확실성에 관련된 정보에 기반하여, 최적화 프로세서에서 불확실성 정량화를 수행하는 단계, AM 프로세스의 적어도 하나의 설계 매개변수를 업데이팅(updating)하는 단계, 및 AM 프로세스에서, 업데이팅된(updated) 적어도 하나의 설계 매개변수를 활용하는 단계를 포함한다.
[0008] AM 프로세스의 적어도 하나의 다른 매개변수에서의 불확실성에 관련된 정보는 확률 데이터(data)로서 수신될 수 있다. 확률 데이터는 확률 분포의 형태일 수 있다. 일부 실시예들에 따르면, 확률 분포는 가우스 잡음(Gaussian noise)에 기반한 정규 분포를 가정한다. 다른 실시예들에서, 확률 분포는 관찰된 지식에 기반하여 확률 분포 함수로부터 유도된다.
[0009] 생성되고 있는 물체에서의 형상 오차를 식별하는 것은, 컴퓨팅된(computed) 형상 오차를 생성하기 위해, 수신된 적어도 하나의 설계 매개변수 및 불확실성에 관련된 정보에 기반하여, AM 프로세스의 시뮬레이션(simulation)을 반복적으로 실행하는 단계; 각각의 반복에서 형상 오차를 정량화하는 단계; 및 신뢰할 수 있는 형상 오차가 달성될 때 반복들을 정지하는 단계를 더 포함할 수 있다. 본 개시내용에서 설명된 실시예들에 따른 적층식 제조 프로세스들은, 3 차원(3D; three-dimensional) 프린팅 디바이스에서 AM 프로세스를 수행하는 것을 포함할 수 있다. 3D 프린팅 디바이스는 레이저 분말 증착을 수행하도록 구성된다. 본 발명의 실시예들의 양상들에 따르면, AM 프로세스를 시작하기 전에, 불확실성 정량화가 수행되고 적어도 하나의 설계 매개변수가 업데이팅된다.
[0010] 적층식 제조(AM; additive manufacturing) 프로세스를 최적화하기 위한 시스템은, AM 프로세스에 의해 제조될 물체에 대한 적어도 하나의 설계 매개변수를 생성하도록 구성된 설계 프로세서, 및 최적화 프로세서를 포함하며, 이 최적화 프로세서는, 적어도 하나의 설계 매개변수를 수신하고, AM 프로세스의 적어도 하나의 프로세스 매개변수에서의 불확실성을 표현하는 정보를 수신하고, 제조될 물체에서의 형상 오차를 식별하며, 그리고 식별된 형상 오차에 기반하여 적어도 하나의 설계 매개변수를 업데이팅하도록 구성된다. 시스템은, 적어도 하나의 설계 매개변수를 수신하고, 적어도 하나의 매개변수에 기반하여, 제조될 물체를 생성하도록 구성된 3 차원(3D; three-dimensional) 프린팅 디바이스를 더 포함할 수 있다.
[0011] 실시예들에 따르면, 3D 프린팅 디바이스는, 제조 동안 측정치(measure)들을 획득하고, 이 측정치들을 최적화 프로세서에 제공하도록 구성된 측정 디바이스를 더 포함할 수 있으며, 최적화 프로세서는, 수신된 측정 정보를 사용하여 적어도 하나의 매개변수를 리-컴퓨팅(re-compute)하여, 형상 오차를 최소화하고 리컴퓨팅된(recomputed) 적어도 하나의 매개변수를 3D 프린팅 디바이스에 통신한다.
[0012] 일부 실시예들에 따르면, 3D 프린팅 디바이스는 레이저 분말 증착(LPD; laser powder deposition)을 수행하도록 구성된다.
[0013] 적어도 하나의 프로세스 매개변수에서의 불확실성을 표현하는 정보는 이 불확실성에 기인하는 제조 오차의 확률 분포의 형태일 수 있다. 적어도 하나의 설계 매개변수는 AM 디바이스에서의 레이저 전력 또는 AM 디바이스에서의 레이저 모션 속도(motion speed) 중 적어도 하나를 포함하며, 적어도 하나의 프로세스 매개변수의 불확실성 정보는 AM 디바이스의 레이저와 제조될 물체 사이의 거리에 의해 결정된 스탠드-오프 거리일 수 있다. 최적화 프로세서는 추가로, AM 프로세스의 시뮬레이션 동안 형상 오차를 반복적으로 계산하기 위해, 수신된 적어도 하나의 설계 매개변수 및 불확실성 정보를 사용하여, AM 프로세스의 시뮬레이션을 실행하도록 구성될 수 있다. 최적화 프로세서는 추가로, 각각의 반복 동안 불확실성 정보에 기반하여 불확실성을 정량화할 수 있다. 최적화 프로세서는, 형상 오차를 결정하고 한 세트(set)의 시뮬레이션들을 수행하고 ―각각의 시뮬레이션은 상이한 수의 샘플(sample)들에 기반함― 각각의 시뮬레이션에 대한 평균 예상 오차 및 오차 범위를 결정하며 그리고 최저 수의 샘플들을 갖는 시뮬레이션에 대응하는 샘플들의 수를 선택하기 위해, 불확실성 정보로부터 샘플들의 수를 선택할 수 있으며, 오차 범위는 미리 결정된 임계 값보다 더 작다.
[0014] 본 발명의 전술된 그리고 다른 양상들은, 첨부된 도면들과 관련하여 읽을 때, 다음의 상세한 설명으로부터 가장 잘 이해된다. 본 발명을 예시하는 목적을 위해, 현재 바람직한 실시예들이 도면들에서 도시되지만, 본 발명이 개시된 특정 수단들로 제한되지 않는다는 것이 이해된다. 다음의 도면들이 도면들에 포함된다:
[0015] 도 1은 본 개시내용의 실시예들의 양상들에 따른, AM 프로세스를 최적화하기 위한 프로세스의 블록 다이어그램(block diagram)이다.
[0016] 도 2는 본 발명의 실시예들의 양상들에 따른, 형상 오차를 신뢰성 있게 결정하기 위한 샘플들의 수를 결정하기 위한 그래픽(graphical) 묘사이다.
[0017] 도 3은 본 개시내용의 실시예들의 양상들에 따른, AM 프로세스를 최적화하기 위한 시스템의 예시이다.
[0018] 도 4는 본 개시내용의 실시예들의 양상들에 따른, AM 프로세스를 최적화하는 방법에 대한 프로세스 흐름 다이어그램이다.
[0019] 도 5는 본 개시내용의 실시예들의 양상들에 따른, AM 프로세스를 최적화하는 방법을 수행하기 위한 컴퓨터 시스템의 예시이다.
[0020] AM의 광범위한 채택은 치수 및 형태 오차들, 원하지 않은 다공성, 층들의 박리, 및 불량한 또는 정의되지 않은 재료 특성들을 포함하는 부품 품질 이슈들에 의해 어려움을 겪는다. 지향성 레이저 증착으로 또한 알려진 레이저 분말 증착(LPD; laser powder deposition)은 학술 연구 및 산업 애플리케이션들에서 점점 더 주목을 받은 AM 프로세스이다. 일반적으로, LPD는, 새로운 재료가 작업 물체에 추가되고 있는 위치에서 레이저에 의해 금속 기재의 작은 부분을 먼저 용융시킴으로써 작용한다. 다음에, 재료의 분말이 노즐로부터 용융 풀로 배출된다. 분말은, 노즐을 통해 지향되는 불활성 가스의 스트림(stream)을 사용하여 지향된다. 증착된 분말 및 용융 풀이 응고되어 새로운 기재가 형성된다.
[0021] LPD 프로세스에서, 최종 출력 물체의 형상 및 특성들은 많은 요인들, 이를테면, 다른 요인들 중에서, 레이저 출력, 레이저가 이동하는 속도, 분말 피드 레이트, 노즐과 기재 사이의 거리, 또는 레이저와 기재 사이의 거리(예컨대, 스탠드-오프 거리)에 의해 영향을 받을 수 있다. 예컨대, 레이저 전력은 용융 풀의 온도 및 크기를 결정할 수 있다. 유사하게, 재료 피딩(feeding) 레이트 및 레이저 모션 속도는, 현재 AM 프로세스 단계에서 공작물에 추가되는 새로운 재료의 양(amount)을 결정할 수 있다.
[0022] 게다가, 다른 매개변수들, 이를테면, 스탠드-오프 거리 및 스텝 오버(step over) 거리(각각의 증착 라인(line) 사이의 거리)가 또한, 프린팅된(printed) 부품의 전체 형상 및 품질에 영향을 미친다. 많은 매개변수들은 프린팅 프로세스의 시작 시 3D 프린터에서 세팅될(set) 수 있으며, 프린팅 프로세스 전체에 걸쳐 일정한 것으로 가정된다. 실제로는, 이러한 매개변수들은 AM 프로세스 동안 진행 기재들의 형상에서의 변동들에 기인하여 연속적으로 변한다. 환경 요인들은 잡음, 이를테면, 온도 및 수분 변동들, 재료 특성 변동들 또는 장비 공차들을 포함할 뿐만 아니라, 진동은 설계되는 것과 실제로 생성되는 것 사이에 상당한 차이들을 유발할 수 있다. 이는, 생성되는 부품의 원하는 형상 및 품질이 주어지면, 변동들 및 잡음이 불확실성을 초래하기 때문에, 이러한 변동들 및 잡음을 고려하기 위해 설계 및 프로세스 매개변수들에서의 최적화에 대한 필요를 초래한다. AM 프린팅 프로세스 동안 도입되는 불확실성을 고려하여 AM 프로세스 전체에 걸쳐 최적화가 수행될 수 있다.
[0023] 전술된 난제들을 고려하여 그리고 LPD와 같은 AM 기술들의 광범위한 채택을 촉진하기 위하여 바람직한 부품 형상 및 품질을 보장하기 위해, 다음을 해결하는 것이 중요하다:
· AM 프로세스 매개변수들과 프로세스/부품 특성들 사이의 상관들을 설정하고;
· 프린팅 프로세스의 시작 전에, 불확실한 프로세스 매개변수들의 최적 값들을 결정하며; 그리고
· 센서(sensor) 측정들로부터의 피드백(feedback)에 기반하여, 프린팅이 진행되고 있는 동안 프로세스 매개변수들을 조정한다.
[0024] 본 개시내용에서 설명된 방법들 및 시스템들은, AM 프린팅 프로세스의 시작 전에, 프로세스 매개변수들에서의 불확실성을 해결하는 최적 값들을 결정하기 위해 제2 지점 및 제3 지점을 해결하려고 한다. 이 문제에 대한 이전의 접근법들은 오프라인 스테이지들 동안 결정론적 최적화 프로세스들을 포함할 수 있다. 프린팅 프로세스 동안, 가시적 프로세스 시그니처들, 이를테면, 용융 풀 형상 및 온도, 또는 분석 모델링(modeling) 또는 시뮬레이션을 통해 결정되는 유도된 프로세스 시그니처들, 이를테면, 용융 풀 깊이 및 잔류 응력의 관찰을 통해 개방 또는 폐쇄 루프 제어가 수행된다.
[0025] 본 개시내용의 실시예들에서, 원하는 또는 설계된 물체 형상과 실제 프린팅된 형상 사이의 형상 차이들을 최소화하는 방법이 설명된다. 실세계 상황들에서, 전부는 아닐지라도 대부분의 프로세스 매개변수들은 어느 정도의 불확실성을 갖는다. 잡음의 원인들은, 프린팅 장비를 실행하는 동안 온도 및 수분 변동들처럼 환경 불확실성들, 그리고 제한된 장비 정확도들(예컨대, 공차들) 및 기재 진동과 같은 장비 불확실성들을 포함할 수 있다. 이러한 불확실성들은, 심지어 컴퓨터 최적 프로세싱(processing) 매개변수들에 사용된 프로세스 모델(model)이 정확한 것으로 가정되더라도, 생성되는 출력과 설계 사이에 불일치들을 유발한다. 본 개시내용의 실시예들에 따르면, 위의 난제들은 불확실성들 하에서의 오프라인 최적화(OUU; offline optimization under uncertainties)를 통해 해결된다.
[0026] 실시예들에 따르면, OUU의 출력은 결정론적 최적화와 구별가능하다. 결정론적 최적화는 모든 설계 매개변수들에 대응하는 값들의 결정론적 세트를 사용한다. OUU에서, 적어도 일부 매개변수들은, 결정론적 최적화에서와 같이 일정하게 유지되는 대신에, 확률 분포들의 형태로 불확실성들을 인식한다. 일부 실시예들에 따르면, 공통 가정은, 주어진 매개변수가 가우스 잡음(예컨대, 정규 분포)을 겪는다는 것이다. 다른 실시예들에서, (예컨대, 과거 실험들로부터) 잡음에 관한 충분한 지식이 이용가능한 경우, 더욱 복잡한 확률 밀도 함수(PDF; probability density function)가 고려될 수 있다. 매개변수들에 관한 불확실성들은 불확실성 정량화(UQ; uncertainty quantification) 접근법을 통해 최적화 목적 함수에 전파될 수 있다. 따라서, OUU의 목적은 목적 함수의 예상 값을 최소화하는 것일 것이다.
[0027] 이제, 레이저 전력 및 레이저 속도가 설계 매개변수들로서 가정되는 한편, 스탠드-오프 거리가 어떤 유형의 확률 분포에 의해 특성화되는 예가 설명될 것이다. 이 경우, OUU의 목표는, 스탠드-오프 거리에서의 불확실성들에 기인하는 예상 형상 면적(area) 차이(ΔA로 표기된 형상 오차)가 최소화되도록 레이저 속도 및 레이저 전력을 최적화하는 것이다. 이 시나리오(scenario)가 비-제한적인 예로서 제공되지만, 당업자들은, 이 방법이 하나 이상의 프로세스 설계 매개변수들 또는 이들의 결합과 관련하여 사용될 수 있다는 것을 인식할 것이다. 방법은, 상이한 설계된 프로세스 매개변수들, 불확실한 매개변수들 및 목적 함수들과 함께 사용될 수 있다.
[0028] 도 1은 본 개시내용의 실시예들에 따른, 스탠드-오프 거리에서의 불확실성들과 관련하여 레이저 전력 및 레이저 속도에 대한 최적화 작업흐름을 예시하는 프로세스 흐름 다이어그램이다. 하나 이상의 설계 매개변수들(101)이 선택된다. 선택된 설계 매개변수들(101)과 관련하여, 레이저 포지션(position) 또는 스탠드-오프 거리와 같은 매개변수에서의 불확실성(105)을 고려하여 불확실성 정량화 프로세스(103)가 수행된다. AM 프로세스는 선택된 설계 매개변수들(101) 및 매개변수에서의 불확실성(105)을 사용하여 시뮬레이팅된다(simulated)(107). 매개변수에서의 불확실성(105)이 확률 분포 함수를 따르는 것이 가정된다. 시뮬레이션(107)은 형상 오차(ΔA)(109)의 값을 계산하기 위해 수행된다. 형상 오차(109)에 기반하여 불확실성이 재-정량화되고(103), 불확실한 매개변수(105)는 불확실한 매개변수(105)의 PDF에 걸쳐 시뮬레이팅된다. UQ(103) 루프는 ΔA(109)의 신뢰할 수 있는 값이 발견될 때까지 계속된다. 예상 형상 오차(111)가 최적화 함수(113)에 제공된다. 최적화 함수(113)는 형상 오차(ΔA)를 입력으로서 취하는 설계 매개변수들(101)의 다음 세트를 선정한다. 프로세스는, 불확실한 매개변수(105)에 기반하여 설계 매개변수들(101)에 대한 최적화된 출력이 생성될 때까지 반복된다(115). 최적화된 출력은, 수행되는 반복들의 수에 기반하여 또는 최적화된 설계 매개변수들(101)이 수렴될 때까지 결정될 수 있다. 수렴은, 현재 반복과 이전 반복 사이의 설계 매개변수들(101)의 변화가 어떤 미리 결정된 임계 값 미만일 때 결정될 수 있다. 최적화(113)의 목표는 형상 오차(ΔA)(109)를 최소화하는 것이다.
[0029] 형상 면적 차이의 예상 값을 얻기 위해, 불확실한 매개변수(105)는 자신의 확률 분포에 기반하여 샘플링된다(sampled). 샘플링(sampling)을 위한 예시적인 방법은 균일한 샘플링을 통해 이루어진다. 예로서, 불확실한 양(quantity)은, 불확실성(잡음)이 가우스인 불확실성 도메인(domain)의 표준 편차의 -2 배 내지 +2 배의 범위에 걸쳐 균일하게 샘플링될 수 있다. 이 경우, 형상 면적 차이의 예상 함수 값은
Figure 112019102321395-pct00001
이며, 여기서, pi는 각각의 샘플링 지점의 확률이고, fi는 해당 지점에 대한 함수 값이며, N은 샘플링 지점들의 수이다.
[0030] 도 2는 본 개시내용의 일부 실시예들의 양상들에 따른, 필요한 샘플링 지점들의 수를 결정하기 위한 분석의 예시이다. 수평 축(201)에 도시된 바와 같은 샘플링 지점들의 수는 대수적으로 변한다. 샘플링 지점들의 상이한 수(10)에 대해, 시뮬레이션들(203a-j)의 세트들이, 함수를 결정하고 각각의 세트에 대한 예상 오차를 결정하기 위해 수행될 수 있다. 예상 오차의 평균(205) 및 오차 범위(207)가 컴퓨팅된다(computed). 오차 바(bar)의 길이가 주어진 임계치보다 더 짧으면, 샘플들의 대응하는 수(201)가 충분하다고 결정될 수 있다. 예컨대, 일 실시예에 따르면, 시뮬레이션(203h)에 대응하는 28 개의 샘플들은 불확실성 정량화를 수행하기 위한 합리적인 수의 샘플들을 제공할 것이다.
[0031] 본 개시내용의 실시예들에 따른 방법들은, 환경 요인들 또는 장비 변동들에 기인하는 불확실성을 겪는 프로세스 매개변수들에 대한 확률 분포들에 기반하여 형상 또는 형태 오차들을 감소시키기 위해, 적층식 제조 프로세스 매개변수들의 확률론적(stochastic) 최적화를 제공한다.
[0032] 도 3은 본 개시내용의 실시예들의 양상들에 따른, AM 프로세스들에서의 형상 오차를 감소시키기 위한 시스템(300)의 예시이다. 시스템은 3D 프린팅 디바이스(301)를 포함한다. 3D 프린팅 디바이스(301)는 LPD 적층식 제조를 수행하도록 구성될 수 있다. 설계 프로세서(311)는 설계자로 하여금 설계 매개변수들(310)을 3D 프린팅 디바이스(301)에 제공할 수 있게 하며, 이 설계 매개변수들(310)은 3D 프린팅 디바이스(301)로 하여금 원하는 물체(305)를 생성할 수 있게 하는 프로세싱 매개변수들을 제공한다. 예컨대, 설계 매개변수들(310)은 3D 프린팅 디바이스(301)의 특성들, 이를테면, 레이저 이동 속도(307) 및 레이저 전력(309)을 특정할 수 있다. 설계 프로세서(311)에서, 모든 프로세싱 매개변수들은 일정한 것으로 가정된다. 그러나, 일부 매개변수들은, 프로세싱 매개변수들 중 일부에서의 제어되지 않은 변동들에 기인하여 불확실성을 초래하는 환경 요인들 및/또는 장비 제한들에 의해 영향을 받을 수 있다. 예컨대, 스탠드-오프 거리(303)로서 알려진, 레이저와 생성되는 물체(305) 사이의 거리는 레이저 또는 물체(305)를 이동시키는 환경 힘들에 기반하여 변할 수 있다. 사소한 섭동(perturbation)들, 이를테면 정상 동작 진동이 물체(305)의 약간의 이동을 유발할 수 있고, 이는 스탠드-오프 거리(303)가 제조 프로세스 전체에 걸쳐 변하게 한다. 프로세싱 매개변수들에서의 불확실성들은, 예상 프로세싱 매개변수들이 제조 프로세스 전체에 걸쳐 일정하게 유지되지 않기 때문에, 설계된 물체(305)의 원하는 형상이 실제로 생성되는 것과 다를 수 있게 한다.
[0033] 최적화 프로세서(320)는 형상 오차(321)를 식별하도록 구성된다. 최적화 프로세서(320)는 레이저 전력 및 이동을 포함하는 설계 매개변수들(307, 309)을 수신한다. 부가하여, 최적화 프로세서(320)는 일부 매개변수들의 불확실성에 관한 정보, 예컨대 스탠드-오프 거리(303)를 수신한다. 불확실성 정보는 예로서 확률 분포로서 수신될 수 있다. 최적화 프로세서는, 수신된 설계 매개변수들(307, 309) 및 불확실한 매개변수(303)를 사용하여 시뮬레이션에 의해 결정되는 형상 오차의 불확실성 정량화를 수행한다. 시뮬레이션 및 불확실성 정량화는, 신뢰할 수 있는 형상 오차(321)가 결정될 때까지 반복된다. 신뢰할 수 있는 형상 오차에 기반하여, 최적화된 세트의 설계 매개변수들(323)이 설계 프로세서(311)에 제공된다. 설계 프로세서는 한 세트의 업데이팅된 설계 매개변수들(310a)을 생성하고, 업데이팅된 설계 매개변수들(310a)을 3D 프린팅 디바이스(301)에 제공한다.
[0034] 도 4는 본 개시내용의 실시예들의 양상들에 따른, AM 프로세스에서의 설계 매개변수들의 최적화를 위한 프로세스 흐름 다이어그램이다. 복수의 설계 매개변수들(401), 및 제조 프로세스에서의 불확실성을 표현하는 적어도 하나의 프로세스 매개변수(403)가 최적화 시뮬레이션(405)을 수행하도록 구성된 프로세서에 의해 수신된다. 설계 매개변수들(401)은 예로서 컴퓨터 보조 설계 툴을 사용하여 설계자에 의해 생성될 수 있다. 실시예들에 따르면, 불확실성 매개변수(403)는 연관된 프로세스 매개변수에서의 제어되지 않은 변동들에 기인하여 발생하는 형상 오차의 확률 분포의 형태일 수 있다. 최적화 시뮬레이션(405)은, 신뢰할 수 있는 형상 오차가 결정될 때까지, 수신된 설계 매개변수들(401) 및 불확실성 매개변수(403)를 사용하여 제조 프로세스 및 불확실성 정량화의 시뮬레이션을 수행함으로써 수행된다. 최적화 시뮬레이션(405)에 기반하여 예상 형상 오차가 계산된다(407). 생성되는 물체의 형상 오차에 반영되는 불확실성 오차의 크기를 특성화하기 위해, 예상 형상 오차는 임계 값과 비교된다(409). 형상 오차가 임계치 미만이면(413), 제조 프로세스는 새로운 예상 형상 오차를 계산하기 위해 최적화 프로세스(405)를 계속한다.
[0035] 예상 형상 오차가 임계치를 초과하면(411), 설계 매개변수들은 예상 형상 오차를 최소화하는 최적화에 기반하여 업데이팅된다. 업데이팅된 설계 매개변수들(415)은, 원래의 설계 매개변수들(401)를 대체하고(417), 업데이팅된 최적화 시뮬레이션은 업데이팅된 최적화된 설계 매개변수들에 기반하여 수행된다.
[0036] 도 5는 본 발명의 실시예들이 구현될 수 있는 예시적인 컴퓨팅(computing) 환경(500)을 예시한다. 컴퓨터들 및 컴퓨팅 환경들, 이를테면 컴퓨터 시스템(510) 및 컴퓨팅 환경(500)은 당업자들에게 알려져 있고, 이에 따라 여기서 간단히 설명된다.
[0037] 도 5에서 도시된 바와 같이, 컴퓨터 시스템(510)은 컴퓨터 시스템(510) 내에서 정보를 통신하기 위한 통신 메커니즘(mechanism), 이를테면 시스템 버스(bus)(521) 또는 다른 통신 메커니즘을 포함할 수 있다. 컴퓨터 시스템(510)은 정보를 프로세싱(processing)하기 위한, 시스템 버스(521)와 커플링된(coupled) 하나 또는 그 초과의 프로세서들(520)을 더 포함한다.
[0038] 프로세서들(520)은, 하나 이상의 중앙 프로세싱 유닛(CPU; central processing unit)들, 그래픽 프로세싱 유닛(GPU; graphical processing unit)들, 또는 기술분야에서 알려진 임의의 다른 프로세서를 포함할 수 있다. 더욱 일반적으로, 본원에서 사용된 프로세서는, 태스크(task)들을 수행하기 위해 컴퓨터 판독가능 매체 상에 저장된 기계-판독가능 명령들을 실행하기 위한 디바이스이며, 하드웨어(hardware)와 펌웨어(firmware) 중 임의의 하나, 또는 이 둘의 결합을 포함할 수 있다. 프로세서는 또한, 태스크들을 수행하기 위해 실행가능한 기계-판독가능 명령들을 저장하는 메모리(memory)를 포함할 수 있다. 프로세서는, 실행가능한 프로시저(procedure) 또는 정보 디바이스에 의한 사용을 위해 정보를 조작, 분석, 수정, 변환 또는 송신함으로써, 그리고/또는 정보를 출력 디바이스로 라우팅(routing)함으로써, 정보에 대해 작용한다. 프로세서는 예컨대 컴퓨터, 제어기 또는 마이크로프로세서(microprocessor)의 능력들을 사용하거나 또는 포함할 수 있으며, 범용 컴퓨터에 의해 수행되지 않는 특별 목적 기능들을 수행하기 위해, 실행가능한 명령들을 사용하여 컨디셔닝될(conditioned) 수 있다. 프로세서가 임의의 다른 프로세서와 (전기적으로 그리고/또는 실행가능한 구성요소들을 포함하는 것으로서) 커플링되어서(coupled), 이들 사이의 상호작용 및/또는 통신이 가능하게 될 수 있다. 사용자 인터페이스(interface) 프로세서 또는 생성기는, 디스플레이 이미지(display image)들 또는 디스플레이 이미지들의 일부분들을 생성하기 위한 전자 회로소자 또는 소프트웨어(software) 또는 이 둘의 결합을 포함하는 알려진 엘리먼트(element)이다. 사용자 인터페이스는, 프로세서 또는 다른 디바이스와 사용자의 상호작용을 가능하게 하는 하나 이상의 디스플레이 이미지들을 포함한다.
[0039] 도 5를 계속해서 참조하면, 컴퓨터 시스템(510)은 또한, 프로세서들(520)에 의해 실행될 명령들 및 정보를 저장하기 위한, 시스템 버스(521)에 커플링된 시스템 메모리(530)를 포함한다. 시스템 메모리(530)는 휘발성 및/또는 비휘발성 메모리 형태의 컴퓨터 판독가능 저장 매체, 이를테면 판독 전용 메모리(ROM; read only memory)(531) 및/또는 랜덤-액세스 메모리(RAM; random-access memory)(532)를 포함할 수 있다. RAM(532)은 다른 동적 저장 디바이스(들)(예컨대, 동적 RAM, 정적 RAM, 및 동기 DRAM)를 포함할 수 있다. ROM(531)은 다른 정적 저장 디바이스(들)(예컨대, 프로그램가능(programmable) ROM, 소거가능 PROM, 및 전기적 소거가능 PROM)를 포함할 수 있다. 부가하여, 시스템 메모리(530)는, 프로세서들(520)에 의한 명령들의 실행 동안 일시적 변수들 또는 다른 중간 정보를 저장하기 위해 사용될 수 있다. 시동(start-up) 동안과 같이 컴퓨터 시스템(510) 내의 엘리먼트들 사이에서 정보를 전달하는 것을 돕는 기본 루틴(routine)들을 포함하는 기본 입력/출력 시스템(533)(BIOS; basic input/output system)이 ROM(531)에 저장될 수 있다. RAM(532)은, 프로세서들(520)이 바로 접근가능하고 그리고/또는 이 프로세서들(520)에 의해 현재 동작되고 있는 프로그램 모듈(program module)들 및/또는 데이터를 포함할 수 있다. 부가적으로, 시스템 메모리(530)는 예컨대 운영체제(534), 애플리케이션 프로그램들(535), 다른 프로그램 모듈들(536) 및 프로그램 데이터(537)를 포함할 수 있다.
[0040] 컴퓨터 시스템(510)은 또한, 정보 및 명령들을 저장하기 위한 하나 이상의 저장 디바이스들을 제어하도록 시스템 버스(521)에 커플링된 디스크(disk) 제어기(540), 이를테면 자기 하드(hard) 디스크(541) 및 제거가능 미디어 드라이브(drive)(542)(예컨대, 플로피(floppy) 디스크 드라이브, 콤팩트 디스크(compact disc) 드라이브, 테이프(tape) 드라이브, 및/또는 고체-상태 드라이브)를 포함한다. 저장 디바이스들은 적절한 디바이스 인터페이스(예컨대, 소형 컴퓨터 시스템 인터페이스(SCSI; small computer system interface), 통합 디바이스 전자장치(IDE; integrated device electronics), 유니버설 직렬 버스(USB; Universal Serial Bus), 또는 파이어와이어(FireWire))를 사용하여 컴퓨터 시스템(510)에 추가될 수 있다.
[0041] 컴퓨터 시스템(510)은 또한, 정보를 컴퓨터 사용자에게 디스플레이(displaying)하기 위한 디스플레이 또는 모니터(monitor)(566), 이를테면 음극선관(CRT; cathode ray tube) 또는 액정 디스플레이(LCD; liquid crystal display)를 제어하도록 시스템 버스(521)에 커플링된 디스플레이 제어기(565)를 포함할 수 있다. 컴퓨터 시스템은, 컴퓨터 사용자와 상호작용하고 정보를 프로세서들(520)에 제공하기 위한 입력 인터페이스(560) 및 하나 이상의 입력 디바이스들, 이를테면 키보드(keyboard)(562) 및 포인팅(pointing) 디바이스(561)를 포함한다. 예컨대 포인팅 디바이스(561)는, 지시(direction) 정보 및 커맨드(command) 선택들을 프로세서들(520)에 통신하고 디스플레이(566) 상에서의 커서(cursor) 이동을 제어하기 위한 마우스(mouse), 라이트 펜(light pen), 트랙볼(trackball) 또는 포인팅 스틱(stick)일 수 있다. 디스플레이(566)는, 입력이 포인팅 디바이스(561)에 의한 지시 정보 및 커맨드 선택들의 통신을 보완하거나 또는 대체할 수 있게 하는 터치 스크린(touch screen) 인터페이스를 제공할 수 있다. 일부 실시예들에서, 사용자가 착용가능한 증강 현실 디바이스(567)는, 사용자가 물리 세계와 가상 세계 둘 모두와 상호작용할 수 있게 하는 입력/출력 기능성을 제공할 수 있다. 증강 현실 디바이스(567)는 디스플레이 제어기(565) 및 사용자 입력 인터페이스(560)와 통신하여서, 디스플레이 제어기(565)에 의해, 사용자가 증강 현실 디바이스(567)에서 생성된 가상 아이템(item)들과 상호작용할 수 있게 한다. 사용자는 또한, 제스처(gesture)들을 제공할 수 있고, 이 제스처들은 증강 현실 디바이스(567)에 의해 검출되고 입력 신호들로서 사용자 입력 인터페이스(560)에 송신된다.
[0042] 컴퓨터 시스템(510)은, 프로세서들(520)이 메모리, 이를테면 시스템 메모리(530)에 포함된 하나 이상의 명령들의 하나 이상의 시퀀스(sequence)들을 실행하는 것에 대한 응답으로, 본 발명의 실시예들의 프로세싱 단계들의 일부분 또는 전부를 수행할 수 있다. 그러한 명령들은, 다른 컴퓨터 판독가능 매체, 이를테면 자기 하드 디스크(541) 또는 제거가능 미디어 드라이브(542)로부터 시스템 메모리(530)로 판독될 수 있다. 자기 하드 디스크(541)는 본 발명의 실시예들에 의해 사용되는 하나 이상의 데이터스토어(datastore)들 및 데이터 파일들을 포함할 수 있다. 데이터스토어 콘텐츠(content)들 및 데이터 파일들은, 보안을 개선시키기 위해 암호화될 수 있다. 프로세서들(520)은 또한, 시스템 메모리(530)에 포함된 명령들의 하나 이상의 시퀀스들을 실행하기 위해 멀티-프로세싱 어레인지먼트(multi-processing arrangement)로 사용될 수 있다. 대안적인 실시예들에서, 하드-와이어링된(hard-wired) 회로는, 소프트웨어 명령들을 대신하여 또는 소프트웨어 명령들과 결합하여 사용될 수 있다. 따라서, 실시예들은 하드웨어 회로와 소프트웨어의 임의의 특정 결합으로 제한되지 않는다.
[0043] 위에서 진술된 바와 같이, 컴퓨터 시스템(510)은, 본 발명의 실시예들에 따라 프로그래밍된(programmed) 명령들을 유지하고 본원에서 설명된 데이터 구조들, 표들, 레코드(record)들 또는 다른 데이터를 포함하기 위한 적어도 하나의 컴퓨터 판독가능 매체 또는 메모리를 포함할 수 있다. 본원에서 사용된 "컴퓨터 판독가능 매체"란 용어는, 실행을 위해 프로세서들(520)에 명령들을 제공하는 데 참여하는 임의의 매체를 지칭한다. 컴퓨터 판독가능 매체는, 비-일시적, 비-휘발성 매체, 휘발성 매체, 및 송신 매체를 포함(그러나, 이들에 제한되지 않음)하는 많은 형태들을 취할 수 있다. 비-휘발성 매체의 비-제한적인 예들은 광학 디스크들, 고체 상태 드라이브들, 자기 디스크들, 및 광자기 디스크들, 이를테면 자기 하드 디스크(541) 또는 제거가능 미디어 드라이브(542)를 포함한다. 휘발성 매체의 비-제한적인 예들은 동적 메모리, 이를테면 시스템 메모리(530)를 포함한다. 송신 매체의 비-제한적인 예들은 시스템 버스(521)를 형성하는 와이어(wire)들을 포함하는 동축 케이블(cable)들, 구리 와이어 및 광섬유들을 포함한다. 송신 매체는 또한, 음향 파 또는 광 파, 이를테면, 라디오(radio) 파 및 적외선 데이터 통신들 동안 생성되는 파들의 형태를 취할 수 있다.
[0044] 컴퓨팅 환경(500)은, 하나 이상의 원격 컴퓨터들, 이를테면 원격 컴퓨팅 디바이스(580)에 대한 논리 연결들을 사용하여 네트워킹된(networked) 환경에서 동작하는 컴퓨터 시스템(510)을 더 포함할 수 있다. 원격 컴퓨팅 디바이스(580)는 퍼스널(personal) 컴퓨터(랩톱(laptop) 또는 데스크톱(desktop)), 이동식 디바이스, 서버(server), 라우터(router), 네트워크(network) PC, 피어(peer) 디바이스 또는 다른 공통 네트워크 노드(node)일 수 있고, 통상적으로, 컴퓨터 시스템(510)에 관련하여 위에서 설명된 엘리먼트들 중 많은 엘리먼트들 또는 전부를 포함한다. 네트워킹(networking) 환경에서 사용될 때, 컴퓨터 시스템(510)은 네트워크(571), 이를테면 인터넷(Internet)을 통해 통신들을 설정하기 위한 모뎀(modem)(572)을 포함할 수 있다. 모뎀(572)은 사용자 네트워크 인터페이스(570)를 통해 또는 다른 적절한 메커니즘을 통해 시스템 버스(521)에 연결될 수 있다.
[0045] 네트워크(571)는, 인터넷, 인트라넷(intranet), 로컬 영역 네트워크(LAN; local area network), 광역 네트워크(WAN; wide area network), 메트로폴리탄 영역 네트워크(MAN; metropolitan area network), 직접 연결 또는 연결들의 시리즈(series), 셀룰러(cellular) 전화 네트워크, 또는 컴퓨터 시스템(510)과 다른 컴퓨터들(예컨대, 원격 컴퓨팅 디바이스(580)) 사이의 통신을 가능하게 할 수 있는 임의의 다른 네트워크 또는 매체를 포함하는, 기술분야에서 일반적으로 알려진 임의의 네트워크 또는 시스템일 수 있다. 네트워크(571)는 유선, 무선 또는 이들의 결합일 수 있다. 유선 연결들은 이더넷(Ethernet), 유니버설 직렬 버스(USB; Universal Serial Bus), RJ-6, 또는 기술분야에서 일반적으로 알려진 임의의 다른 유선 연결을 사용하여 구현될 수 있다. 무선 연결들은 Wi-Fi, WiMAX, 및 블루투스(Bluetooth), 적외선, 셀룰러 네트워크들, 위성, 또는 기술분야에서 일반적으로 알려진 임의의 다른 무선 연결 방법론을 사용하여 구현될 수 있다. 부가적으로, 몇몇 네트워크들은 네트워크(571)에서의 통신을 가능하게 하기 위해 서로 통신하여 또는 단독으로 작업할 수 있다.
[0046] 본원에서 사용된 실행가능한 애플리케이션은, 사용자 커맨드 또는 입력에 대한 응답으로, 미리 결정된 기능들, 이를테면, 예컨대, 운영체제, 콘텍스트(context) 데이터 획득 시스템, 또는 다른 정보 프로세싱(processing) 시스템의 기능들을 구현하도록 프로세서를 컨디셔닝(conditioning)하기 위한 코드(code) 또는 기계-판독가능 명령들을 포함한다. 실행가능한 프로시저는, 하나 이상의 특정 프로세스들을 수행하기 위한 코드 또는 기계 판독가능 명령의 세그먼트(segment), 서브-루틴(sub-routine), 또는 실행가능한 애플리케이션의 코드 또는 일부분의 다른 별개의 섹션(section)이다. 이들 프로세스들은 입력 데이터 및/또는 매개변수들을 수신하는 것, 수신된 입력 데이터에 대한 동작들을 수행하는 것 그리고/또는 수신된 입력 매개변수들에 대한 응답으로 기능들을 수행하는 것, 그리고 결과적 출력 데이터 및/또는 매개변수들을 제공하는 것을 포함할 수 있다.
[0047] 본원에서 사용된 그래픽 사용자 인터페이스(GUI; graphical user interface)는, 디스플레이(display) 프로세서에 의해 생성되며 그리고 프로세서 또는 다른 디바이스와의 사용자 상호작용 그리고 연관된 데이터 획득 및 프로세싱 기능들을 가능하게 하는 하나 이상의 디스플레이 이미지들을 포함한다. GUI는 또한, 실행가능한 프로시저 또는 실행가능한 애플리케이션을 포함한다. 실행가능한 프로시저 또는 실행가능한 애플리케이션은, GUI 디스플레이 이미지들을 표현하는 신호들을 생성하도록 디스플레이 프로세서를 컨디셔닝한다. 이들 신호들은, 사용자에 의한 보기를 위한 이미지를 디스플레이(display)하는 디스플레이 디바이스에 공급된다. 프로세서는, 실행가능한 프로시저 또는 실행가능한 애플리케이션의 제어 하에서, 입력 디바이스들로부터 수신된 신호들에 대한 응답으로 GUI 디스플레이 이미지들을 조작한다. 이러한 방식으로, 사용자가 입력 디바이스들을 사용하여 디스플레이 이미지와 상호작용하여서, 프로세서 또는 다른 디바이스와의 사용자 상호작용이 가능하게 될 수 있다.
[0048] 본원의 기능들 및 프로세스 단계들은 사용자 커맨드에 대한 응답으로 자동적으로 또는 완전히 또는 부분적으로 수행될 수 있다. 자동적으로 수행되는 활동(단계를 포함함)은, 이 활동의 사용자 직접 개시 없이, 하나 이상의 실행가능한 명령들 또는 디바이스 동작에 대한 응답으로 수행된다.
[0049] 도면들의 시스템 및 프로세스들은 배타적이지 않다. 동일한 목적들을 달성하기 위해 본 발명의 원리들에 따라 다른 시스템들, 프로세스들 및 메뉴(menu)들이 유도될 수 있다. 본 발명이 특정 실시예들을 참조하여 설명되었지만, 본원에서 설명 및 도시된 실시예들 및 변형들은 예시 목적들만을 위한 것임이 이해되어야 한다. 본 발명의 범위로부터 벗어나지 않고, 당업자들에 의해 본 설계에 대한 수정들이 구현될 수 있다. 본원에서 설명된 바와 같이, 하드웨어 구성요소들, 소프트웨어 구성요소들, 및/또는 이들의 결합들을 사용하여 다양한 시스템들, 서브시스템(subsystem)들, 에이전트(agent)들, 관리자들 및 프로세스들이 구현될 수 있다. 본원의 어떤 청구항 엘리먼트도, 그 엘리먼트가 "~하기 위한 수단"이란 어구를 사용하여 명시적으로 언급되지 않는 한, 35 U.S.C. 112의 6번째 단락의 조항들 하에서 해석되지 않아야 한다.

Claims (20)

  1. 적층식 제조(AM; additive manufacturing) 프로세스(process)를 최적화하는 방법으로서,
    최적화 프로세서(processor)에서, 상기 AM 프로세스의 적어도 하나의 설계 매개변수를 수신하는 단계;
    상기 최적화 프로세서에서, 상기 AM 프로세스의 적어도 하나의 다른 매개변수에서의 불확실성에 관련된 정보를 수신하는 단계;
    상기 AM 프로세스에서 생성되고 있는 물체에서의 형상 오차(error)를 식별하기 위해, 상기 적어도 하나의 설계 매개변수들 및 상기 불확실성에 관련된 정보에 기반하여, 상기 최적화 프로세서에서 불확실성 정량화를 수행하는 단계;
    상기 AM 프로세스의 상기 적어도 하나의 설계 매개변수를 업데이팅(updating)하는 단계; 및
    상기 AM 프로세스에서 상기 업데이팅된(updated) 적어도 하나의 설계 매개변수를 활용하는 단계
    를 포함하는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  2. 제1 항에 있어서,
    확률 데이터(data)로서, 상기 AM 프로세스의 상기 적어도 하나의 다른 매개변수에서의 불확실성에 관련된 정보를 수신하는 단계
    를 더 포함하는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  3. 제2 항에 있어서,
    상기 확률 데이터는 확률 분포를 포함하는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  4. 제3 항에 있어서,
    상기 확률 분포는 가우스 잡음(Gaussian noise)에 기반한 정규 분포를 가정하는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  5. 제3 항에 있어서,
    상기 확률 분포는 관찰된 지식에 기반하여 확률 분포 함수로부터 유도되는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  6. 제1 항에 있어서,
    상기 생성되고 있는 물체에서의 형상 오차를 식별하는 것은,
    컴퓨팅된(computed) 형상 오차를 생성하기 위해, 상기 수신된 적어도 하나의 설계 매개변수 및 상기 불확실성에 관련된 정보에 기반하여, 상기 AM 프로세스의 시뮬레이션(simulation)을 반복적으로 실행하는 것;
    각각의 반복에서 상기 형상 오차를 정량화하는 것; 및
    신뢰할 수 있는 형상 오차가 달성될 때 반복들을 정지하는 것
    을 포함하는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  7. 제1 항에 있어서,
    3 차원(3D; three-dimensional) 프린팅 디바이스(printing device)에서 상기 AM 프로세스를 수행하는 단계
    를 더 포함하는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  8. 제7 항에 있어서,
    상기 3D 프린팅 디바이스는 레이저 분말 증착(laser powder deposition)을 수행하도록 구성되는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  9. 제1 항에 있어서,
    상기 불확실성 정량화를 수행하는 단계 및 상기 적어도 하나의 설계 매개변수를 업데이팅하는 단계는, 상기 AM 프로세스를 시작하기 전에 발생하는,
    적층식 제조(AM) 프로세스를 최적화하는 방법.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
KR1020197029486A 2017-03-10 2018-03-08 레이저 분말 증착 기반 적층식 제조 프로세스에서 불확실성에 기인하는 형상 오차의 강한 감소를 위한 방법 및 장치 KR102253948B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762469587P 2017-03-10 2017-03-10
US62/469,587 2017-03-10
PCT/US2018/021477 WO2018165381A1 (en) 2017-03-10 2018-03-08 Method and apparatus for robust reduction of shape error in laser powder deposition based additive manufacturing process due to uncertainty

Publications (2)

Publication Number Publication Date
KR20190125431A KR20190125431A (ko) 2019-11-06
KR102253948B1 true KR102253948B1 (ko) 2021-05-18

Family

ID=61868861

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197029486A KR102253948B1 (ko) 2017-03-10 2018-03-08 레이저 분말 증착 기반 적층식 제조 프로세스에서 불확실성에 기인하는 형상 오차의 강한 감소를 위한 방법 및 장치

Country Status (7)

Country Link
US (1) US11403439B2 (ko)
EP (1) EP3580619B1 (ko)
JP (1) JP6968186B2 (ko)
KR (1) KR102253948B1 (ko)
CA (1) CA3055818C (ko)
IL (1) IL269220B2 (ko)
WO (1) WO2018165381A1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019177981A1 (en) * 2018-03-10 2019-09-19 Postprocess Technologies, Inc. System and method of manufacturing an additively manufactured object
US11097487B2 (en) 2018-12-21 2021-08-24 Hamilton Sundstrand Corporation Apparatus and method for controlling tolerance of compositions during additive manufacturing
US20220176457A1 (en) * 2019-03-29 2022-06-09 Siemens Energy Global GmbH & Co. KG Method and system for optimzing process parameters in an additive manufacturing process
US11571740B2 (en) * 2020-03-17 2023-02-07 Palo Alto Research Center Incorporated Fabricated shape estimation for additive manufacturing processes
US11531920B2 (en) * 2020-04-27 2022-12-20 Raytheon Technologies Corporation System and process for verifying powder bed fusion additive manufacturing operation as being defect free
US11243507B2 (en) * 2020-04-29 2022-02-08 Grale Technologies Morphic manufacturing
US11741273B2 (en) 2020-06-11 2023-08-29 Palo Alto Research Center Incorporated Fabricated shape estimation for droplet based additive manufacturing
US11524463B2 (en) * 2020-06-11 2022-12-13 Palo Alto Research Center Incorporated Fabricated shape estimation for droplet-based additive manufacturing processes with uncertainty
JP7353245B2 (ja) * 2020-07-16 2023-09-29 三菱電機株式会社 付加製造装置および付加製造方法
KR20230092293A (ko) * 2021-12-17 2023-06-26 한국전자기술연구원 데이터 기반 pbf 방식 적층제조 공정 최적화 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016097679A (ja) * 2014-11-25 2016-05-30 ユナイテッド テクノロジーズ コーポレイションＵｎｉｔｅｄ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 付加製造パラメータの決定方法および付加製造機械
US20160263833A1 (en) * 2015-03-10 2016-09-15 Siemens Product Lifecycle Management Software Inc. Apparatus and method for additive manufacturing

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100174392A1 (en) * 2003-06-10 2010-07-08 Fink Jeffrey E Optimal dimensional and mechanical properties of laser sintered hardware by thermal analysis and parameter optimization
US20040254665A1 (en) 2003-06-10 2004-12-16 Fink Jeffrey E. Optimal dimensional and mechanical properties of laser sintered hardware by thermal analysis and parameter optimization
US8370114B1 (en) * 2006-11-21 2013-02-05 Hrl Laboratories, Llc Method and apparatus for optimal placement of actuators for shaping deformable materials into desired target shapes
US20170060810A1 (en) * 2012-12-13 2017-03-02 Eagle Harbor Holdings, LLC. System and method for the operation of an automotive vehicle system with modeled sensors
US10073424B2 (en) * 2014-05-13 2018-09-11 Autodesk, Inc. Intelligent 3D printing through optimization of 3D print parameters
US9827717B2 (en) * 2014-08-15 2017-11-28 University Of Southern California Statistical predictive modeling and compensation of geometric deviations of 3D printed products

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016097679A (ja) * 2014-11-25 2016-05-30 ユナイテッド テクノロジーズ コーポレイションＵｎｉｔｅｄ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 付加製造パラメータの決定方法および付加製造機械
US20160263833A1 (en) * 2015-03-10 2016-09-15 Siemens Product Lifecycle Management Software Inc. Apparatus and method for additive manufacturing

Also Published As

Publication number Publication date
US20210141970A1 (en) 2021-05-13
IL269220B2 (en) 2023-08-01
EP3580619B1 (en) 2021-02-24
EP3580619A1 (en) 2019-12-18
US11403439B2 (en) 2022-08-02
IL269220A (en) 2019-11-28
CA3055818A1 (en) 2018-09-13
JP6968186B2 (ja) 2021-11-17
IL269220B1 (en) 2023-04-01
WO2018165381A1 (en) 2018-09-13
JP2020510555A (ja) 2020-04-09
KR20190125431A (ko) 2019-11-06
CA3055818C (en) 2021-12-07

Similar Documents

Publication Publication Date Title
KR102253948B1 (ko) 레이저 분말 증착 기반 적층식 제조 프로세스에서 불확실성에 기인하는 형상 오차의 강한 감소를 위한 방법 및 장치
US11307561B2 (en) Manufacturing process data collection and analytics
US10353379B2 (en) Manufacturing process data collection and analytics
US11022957B2 (en) System and method for adaptive domain reduction for thermo-structural simulation of additive manufacturing process
US11230061B2 (en) System and method for optimizing tool paths based on thermal/structural simulations of a part being produced via a 3D-printer
US20190188346A1 (en) System and method for modeling characteristics of a melt pool that forms during an additive manufacturing process
JP2020515963A (ja) 設計ツールからのデータおよびデジタルツイングラフからの知識を用いた自律生成設計合成システム
US10019474B2 (en) Automatic ranking of design parameter significance for fast and accurate CAE-based design space exploration using parameter sensitivity feedback
US8180619B2 (en) System and method for digital effects analysis
TW201537314A (zh) 控制機器之操作的方法及控制器
KR102708993B1 (ko) 정보 처리 장치, 프로그램, 프로그램 처리 실행 장치 및 정보 처리 시스템
US20190001573A1 (en) Technologies of programming manufacturing machines
US7539604B1 (en) Automatic modification of the behavior of system from a graphical representation of the behavior
CN115997180A (zh) 数字孪生仿真中物理参数的自动估计
WO2022212313A1 (en) Ml-based discrepancy surrogate for digital twin simulation
WO2018183179A1 (en) Method and apparatus for in-situ querying support for industrial environments
WO2023027700A1 (en) Performing topology optimization fully with deep learning networks
US20240210933A1 (en) Real-time calibration for detailed digital twins
WO2019002493A1 (en) PROGRAMMING TECHNOLOGIES OF MANUFACTURING AND CONTROL MACHINES FOR ADDITIONAL MANUFACTURING SYSTEMS
WO2019066983A1 (en) JOINT DESIGN OF EQUIPMENT AND CONTROL DEVICE
WO2023229785A1 (en) Design-phase reduced order models for computer-aided engineering workflows with standard mesh generators
Wimpory et al. Looking Towards the Future of Strain Scanning Using Neutron Diffraction
WO2024049427A1 (en) A system for optimization of complex systems using data-driven modeling of cross-discipline interaction
JP2022093035A (ja) 検査経路生成装置、検査経路生成方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant