Calibration of an additive manufacturing simulation model using in-situ monitoring sensors

Additive manufacturing (AM) has become increasingly more popular thanks to the many advantages it offers over traditional manufacturing processes (e.g., design freedom, near net shape fabrication). However, the high defect rate caused by process deviations is limiting the adoption of the technology. One of the most important aspects in powder bed-based AM processes (i.e, binder jetting, laser powder bed fusion) is the spreading of the powder layers. Powder bed inhomogeneity can lead to several part defects (e.g., dimensional and geometrical deviations, delamination, porosity) and needs to be carefully evaluated before the process. Among all the possible strategies that have been developed to study powder bed homogeneity, one of the most promising is to powder spreading simulation. This method is based on the discrete element method (DEM) and each particle is modeled as a discrete element. In this thesis, a state-of-the-art DEM model, developed at the Technical University of Munich (TUM), was used to study the influence of recoating speed and layer thickness on the quality of the powder spreading. The same conditions were experimentally investigated at Politecnico di Milano (PoliMi) using a high-resolution optical imaging setup for in-situ monitoring of the powder bed quality. The simulations were calibrated based on the experimental results using the parameter that regulates particle-to-particle and particle-to-environment energy interactions, γ, as calibration variable. The results of the calibration showed that, by changing γ, it was possible to improve the accuracy of the simulation models for all the conditions explored in this work. The results also showed that the choice of the optimal value of the calibration variable depends on the spreading parameters and layer thickness, suggesting the presence of some underlying effect that could not be captured by the simulation model.

La manifattura additiva è diventata sempre più popolare grazie ai numerosi vantaggi che offre rispetto ai processi di produzione tradizionali (ad esempio, maggior libertà di progettazione, riduzione degli sprechi). Tuttavia, l’alto tasso di difetti causato dalle deviazioni del processo sta limitando l’adozione della tecnologia. Uno degli aspetti più importanti nei processi additivi basati su letto di polvere (binder jet, laser powder bed fusion) è la distribuzione degli strati di polvere. L’omogeneità del letto di polvere può portare a diversi difetti delle parti (ad esempio, deviazioni dimensionali e geometriche, delaminazione, porosità) e deve essere valutata attentamente prima del processo. Tra le possibili strategie sviluppate per studiare l’omogeneità del letto di polvere, una delle più promettenti è la simulazione della distribuzione della polvere. Questo metodo si basa sul metodo degli elementi discreti e ogni particella è modellata come un elemento discreto. In questa tesi, è stato utilizzato un modello DEM all’avanguardia, sviluppato presso la Technical University di Monaco (TUM), per studiare l’influenza della velocità di ricopertura e dello spessore dello strato sulla qualità della distribuzione della polvere. Le stesse condizioni sono state studiate sperimentalmente presso il Politecnico di Milano (PoliMi) utilizzando un setup di imaging ottico ad alta risoluzione per il monitoraggio in-situ della qualità del letto di polvere. Le simulazioni sono state calibrate in base ai risultati sperimentali utilizzando il parametro che regola le interazioni energetiche particella-particella e particella-ambiente, γ, come variabile di calibrazione. I risultati della calibrazione hanno mostrato che, modificando γ, è stato possibile migliorare l’accuratezza dei modelli di simulazione per tutte le condizioni esplorate in questo lavoro. I risultati hanno inoltre mostrato che la scelta del valore ottimale della variabile di calibrazione dipende dai parametri di distribuzione e dallo spessore dello strato, suggerendo la presenza di alcuni effetti che non possono essere catturati dal modello di simulazione attuale.