Leveraging GPU acceleration and PyTorch for mechanistic model optimization: expanding to predict cutting forces in micro ball end milling

Recent advances in manufacturing technologies has lead the focus to shift towards the miniaturization of the process through micro milling operations which is pivotal for high-precision manufacturing and for the generation of complex geometries. These processes cover several modern industries such aerospace, biomedical, energy, and more. The intricacies of the process physics governing the micro scale have led researchers to pursue new modeling techniques that accurately describe real world systems. This is also intertwined with the emergence of digitalization within the manufacturing which allows to shift the entire manufacturing flow into digital platforms. In this study, after reviewing the state of the art in micro milling, force modeling techniques, digital manufacturing platforms, and Python software development, we will develop a mechanistic force prediction model for micro ball-end milling, and implement it in a highly optimized GPU-accelerated software framework utilizing modern programming environments and libraries, including PyTorch. Execution times were compared to an optimized CPU only implementation where the GPU accelerated code was found to be around 73% quicker in batch operations, thus providing time savings, and filling a gap by laying a foundation for future developments

I più recenti progressi nel campo delle tecnologie di produzione hanno spostato l’interesse verso una miniaturizzazione delle lavorazioni tramite operazioni di microfresatura, che sono di fondamentale importanza per la fabbricazione ad alta precisione e per la produzione di geometrie complesse. Questi processi riguardano vari settori moderni, come l’aerospaziale, il biomedicale, l’energia ma non solo. Le complessità della fisica dei processi che governano i microprocessi hanno spinto i ricercatori a ricercare nuove tecniche di modellazione che descrivano in modo preciso i sistemi del mondo reale. Ciò si intreccia anche con l’emergere della digitalizzazione nell’ambito della produzione, che consente di trasformare l’intero flusso produttivo su piattaforme digitali. In questa ricerca, dopo aver rivisto lo stato dell’arte della microfresatura, delle tecniche di modellazione delle forze di taglio, delle piattaforme di produzione digitale e dello sviluppo di software Python, verrà sviluppato un modello meccanicistico di previsione delle forze di taglio per la microfresatura a sfere che verrà implementato in una piattaforma software ottimizzato e accelerato dalla GPU, utilizzando ambienti di programmazione e librerie moderne, tra cui PyTorch. I tempi di esecuzione sono stati confrontati con un’implementazione ottimizzata solo per CPU, dove il codice accelerato dalla GPU è risultato circa il 73% più veloce nelle operazioni batch, fornendo così un risparmio di tempo e gettando le basi per futuri sviluppi.