Additive manufacturing digital twin integrating theoretical process models

Η προσθετική παραγωγή καθιστά δυνατή τη δημιουργία περίπλοκων γεωμετριών. Ωστόσο, αυτού του είδους οι λειτουργίες στερούνται βελτιστοποίησης και ασυνέπειας της διαδικασίας. Το Digital-Twin θα μπορούσε να είναι μια τεράστια ευκαιρία για την αντιμετώπισή τους, αλλά το DT βασίζεται στην επικοινωνία...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Μιχαήλ, Χρήστος
Άλλοι συγγραφείς:	Michail, Christos
Γλώσσα:	English
Έκδοση:	2022
Θέματα:	Additive manufacturing Simulation Digital twin Deep learning Προσθετική παραγωγή Προσομοίωση
Διαθέσιμο Online:	https://hdl.handle.net/10889/23931

id	nemertes-10889-23931
record_format	dspace
spelling	nemertes-10889-239312022-11-15T04:34:36Z Additive manufacturing digital twin integrating theoretical process models Ψηφιακό δίδυμο διεργασιών εναπόθεσης μετάλλου (ΑΜ) με ταυτόχρονη χρήση θεωρητικής μοντελοποίησης Μιχαήλ, Χρήστος Michail, Christos Additive manufacturing Simulation Digital twin Deep learning Προσθετική παραγωγή Προσομοίωση Η προσθετική παραγωγή καθιστά δυνατή τη δημιουργία περίπλοκων γεωμετριών. Ωστόσο, αυτού του είδους οι λειτουργίες στερούνται βελτιστοποίησης και ασυνέπειας της διαδικασίας. Το Digital-Twin θα μπορούσε να είναι μια τεράστια ευκαιρία για την αντιμετώπισή τους, αλλά το DT βασίζεται στην επικοινωνία και την προσομοίωση σε πραγματικό χρόνο. Η παρούσα διπλωματική εργασία πραγματοποιεί προσομοίωση στις θερμικές πτυχές της διαδικασίες “Laser Powder- Bed Fusion” κι δημιουργώντας ένα υποκατάστατο μοντέλο με τη χρήση αλγορίθμους βαθιάς μηχανικής μάθησης, προσφέροντας έτσι γρήγορη μοντελοποίηση. To υποκατάστατο μοντέλο λειτουργεί ως το εικονικό δίδυμο της διεργασίας LPBF επικοινωνώντας σε πραγματικό χρόνο. Το φυσικό δίδυμο εκτελείται μέσω “Dummy Data Generator, για την ελαχιστοποίηση της εισβολής με το πραγματικό σύστημα. Τέλος, μια πλατφόρμα του ψηφιακού διδύμου πραγματοποιείται για την επίδειξη της υλοποιησιμόητας σε πραγματικό χρόνο. Additive manufacturing processes enable the production of complex geometries. The Digital Twin could be an immense opportunity to tackle them but the DT relies on real-time communication and simulation. The aim of the current study is to provide a detailed physics-based simulation of the thermal aspects of Laser- Powder Bed Fusion AM and create a surrogate model (SM) using deep neural networks and deep learning algorithms, thus offering fast modelling. Experimental results from the literature validate the thermal simulations with a maximum error of 4.8% and a minimal error of 1.2%. The resulting DT relies on real-time prediction based on the SMs. DT divided into offline and online modules. Offline comprises the forward-DT (FR-DT) which predicts KPIs, while the inverse- DT (INV-DT) predicts the appropriate process parameters by the desired KPI. For the proper tracking of single tracks on the LPBF, the online module uses a realtime prediction algorithm called INV-DT. In the investigation of the leading DLSM method, the candidate model reached a remarkable accuracy of 99.9%. The surrogate model could work as the Virtual Twin of the LPBF communicating in a real-time environment. The Physical Twin of the DT performed also as a “Dummy Data Generator”, to minimize invasion with the real system. With the platform, it will be potential to demonstrate how real-time prediction can drive to a highly accurate assessment of the process quality. 2022-11-14T12:14:58Z 2022-11-14T12:14:58Z 2022-06-28 https://hdl.handle.net/10889/23931 en application/pdf
institution	UPatras
collection	Nemertes
language	English
topic	Additive manufacturing Simulation Digital twin Deep learning Προσθετική παραγωγή Προσομοίωση
spellingShingle	Additive manufacturing Simulation Digital twin Deep learning Προσθετική παραγωγή Προσομοίωση Μιχαήλ, Χρήστος Additive manufacturing digital twin integrating theoretical process models
description	Η προσθετική παραγωγή καθιστά δυνατή τη δημιουργία περίπλοκων γεωμετριών. Ωστόσο, αυτού του είδους οι λειτουργίες στερούνται βελτιστοποίησης και ασυνέπειας της διαδικασίας. Το Digital-Twin θα μπορούσε να είναι μια τεράστια ευκαιρία για την αντιμετώπισή τους, αλλά το DT βασίζεται στην επικοινωνία και την προσομοίωση σε πραγματικό χρόνο. Η παρούσα διπλωματική εργασία πραγματοποιεί προσομοίωση στις θερμικές πτυχές της διαδικασίες “Laser Powder- Bed Fusion” κι δημιουργώντας ένα υποκατάστατο μοντέλο με τη χρήση αλγορίθμους βαθιάς μηχανικής μάθησης, προσφέροντας έτσι γρήγορη μοντελοποίηση. To υποκατάστατο μοντέλο λειτουργεί ως το εικονικό δίδυμο της διεργασίας LPBF επικοινωνώντας σε πραγματικό χρόνο. Το φυσικό δίδυμο εκτελείται μέσω “Dummy Data Generator, για την ελαχιστοποίηση της εισβολής με το πραγματικό σύστημα. Τέλος, μια πλατφόρμα του ψηφιακού διδύμου πραγματοποιείται για την επίδειξη της υλοποιησιμόητας σε πραγματικό χρόνο.
author2	Michail, Christos
author_facet	Michail, Christos Μιχαήλ, Χρήστος
author	Μιχαήλ, Χρήστος
author_sort	Μιχαήλ, Χρήστος
title	Additive manufacturing digital twin integrating theoretical process models
title_short	Additive manufacturing digital twin integrating theoretical process models
title_full	Additive manufacturing digital twin integrating theoretical process models
title_fullStr	Additive manufacturing digital twin integrating theoretical process models
title_full_unstemmed	Additive manufacturing digital twin integrating theoretical process models
title_sort	additive manufacturing digital twin integrating theoretical process models
publishDate	2022
url	https://hdl.handle.net/10889/23931
work_keys_str_mv	AT michaēlchrēstos additivemanufacturingdigitaltwinintegratingtheoreticalprocessmodels AT michaēlchrēstos psēphiakodidymodiergasiōnenapothesēsmetallouammetautochronēchrēsētheōrētikēsmontelopoiēsēs
_version_	1771297164243238912

Additive manufacturing digital twin integrating theoretical process models

Παρόμοια τεκμήρια