금속 적층 제조(AM)는 금속 재료를 사용하여 3차원 부품을 층층이 쌓아 제작하는 첨단 기술을 포함합니다. 다양한 방법 중, 레이저 파우더 베드 퓨전 (LPBF) 복잡한 형상의 고정밀 부품을 생산할 수 있는 능력으로 명성을 얻었습니다. LPBF(저온 블로홀 파이버)에서는 고에너지 레이저가 분말 금속을 선택적으로 용융시켜 부품을 층층이 쌓아 올립니다. 이 공정은 플랫폼 전체에 얇은 분말 층을 도포하는 것으로 시작됩니다. 그런 다음 레이저가 미리 정의된 경로를 따라 층을 스캔하여 분말을 녹이고 냉각되면서 응고시킵니다. 플랫폼이 낮아지고 또 다른 분말 층이 도포되는 이 사이클은 부품이 완성될 때까지 반복됩니다. 그러나 잔류 응력 및 변형과 같은 문제로 인해 혁신적인 시뮬레이션 방법의 필요성이 대두되었습니다. 고유 변형률법(ISM)은 이러한 문제를 예측하고 해결하는 계산적으로 효율적인 접근 방식을 제공하여 이러한 측면에서 획기적인 변화를 가져왔습니다. 이 글에서는 세 가지 핵심 개념에 중점을 두므로 관심 있는 각 섹션을 클릭해 보세요.
이 블로그의 요약을 이 팟캐스트에서 들어보세요.
Metal Additive Manufacturing (AM)
금속 적층 제조(MAM, Metal Additive Manufacturing)는 금속용 3D 프린팅으로도 알려져 있으며, 3차원 금속 부품을 층층이 쌓아 제작하는 공정을 말합니다. 이 기술은 복잡한 금속 부품의 설계 및 생산 방식에 큰 변화를 가져왔습니다. 큰 블록에서 재료를 제거하는 기존의 절삭 가공 방식과 달리, MAM은 디지털 3D 모델을 기반으로 처음부터 층층이 부품을 제작합니다. 설계 유연성, 재료 낭비 감소, 리드 타임 단축, 그리고 맞춤형 기계적 특성 구현이 가능하여 항공우주, 자동차, 의료 등 다양한 산업 분야에 필수적인 기술입니다.
금속 적층 제조의 주요 범주는 다음과 같습니다.
- 파우더 베드 퓨전(PBF):
- 레이저 파우더 베드 융합(LPBF): 고출력 레이저를 사용하여 금속 분말을 선택적으로 녹이고 융합합니다.
- 전자빔 용융(EBM): 전자빔을 이용해 금속 분말을 녹이고 융합시킵니다.
- 지향성 에너지 증착(DED):
- 레이저나 전자빔과 같은 집중 에너지원을 사용하여 용융된 재료를 기판 위에 직접 증착하는 것을 말합니다.
이러한 범주는 동일한 목표, 즉 높은 정밀도와 복잡성을 갖춘 정교한 금속 부품을 만드는 목표를 달성하기 위한 다양한 접근 방식을 나타냅니다.
Laser Powder Bed Fusion (LPBF) Process
LPBF(저온 버너블 파이버)는 재료를 분말, 액체, 고체 상태로 전환하는 빠른 가열 및 냉각 사이클을 포함합니다. 이러한 전환은 열 구배와 잔류 응력을 발생시켜 최종 제품에 잠재적인 변형을 초래합니다. 이러한 문제를 해결하는 것은 신뢰할 수 있는 고성능 부품을 생산하는 데 필수적입니다.
이 과정에는 다음을 포함한 주요 단계가 포함됩니다.
- 분말 증착: 얇은 금속 분말 층이 빌드 플랫폼 전체에 퍼집니다.;
- 레이저 스캐닝: 고에너지 레이저는 구성 요소의 단면 형상에 따라 분말 입자를 선택적으로 융합합니다.
- 층층별 건물: 플랫폼이 점진적으로 낮아지고, 다음 층의 분말이 도포되고 융합되어 점차적으로 부품이 구축됩니다.
레이저 파우더 베드 퓨전 공정은 레이저 출력, 스캔 속도, 해치 거리, 층 두께 등 여러 매개변수의 영향을 받습니다. 이러한 매개변수는 온도 분포, 잔류응력, 그리고 왜곡 마지막 부분에서는 이러한 매개변수를 실험적으로 최적화하는 것이 비용이 많이 드는 그리고 시간이 많이 걸리는, 이는 채택으로 이어졌습니다. 계산 모델링 그리고 시뮬레이션 기술.
우리는 가지고있다 Abaqus에서 LPBF 시뮬레이션을 위해 특별히 설계된 튜토리얼. 이 튜토리얼의 워크숍에서는 Abaqus를 이용한 레이저 분말 용융 시뮬레이션을 배우며, 모델 형상, 재료 특성, 그리고 롤러 및 레이저 빔 속도와 같은 주요 공정 매개변수를 다룹니다. Abaqus/CAE를 이용한 경계 조건 및 단계별 모델링을 설명하고, "이벤트 시리즈" 데이터를 AM 모델러 플러그인과 통합합니다. 이 과정에는 열 및 구조 해석이 모두 포함되며, 최종적으로 결과 평가로 마무리됩니다.
LPBF의 정밀성은 레이저 출력, 스캔 속도, 층 두께와 같은 매개변수를 제어할 수 있는 능력에서 비롯됩니다. 이러한 매개변수는 완성된 부품의 품질, 밀도 및 기계적 특성에 직접적인 영향을 미칩니다. LPBF는 경량 구조를 생산하고, 재료 낭비를 줄이며, 설계의 자유도를 제공하여 항공우주, 자동차, 의료기기 등의 산업에 매우 중요한 역할을 합니다.
Thermal and Mechanical Phenomena in LPBF printing
LPBF 프린팅 과정에서 재료는 분말, 액체, 고체 상태 사이를 오가며 급속 가열 및 냉각 사이클을 거칩니다. 이러한 전이는 복잡한 열적 및 기계적 상호작용을 초래하며, 제조된 부품의 최종 특성을 예측하기 위해서는 이러한 상호작용을 반드시 고려해야 합니다. 주요 요인은 다음과 같습니다.
- 열전도도: 공정 중에 열이 재료를 통해 어떻게 전파되는지를 나타냅니다.;
- 잠열: 고체, 액체 및 분말 상태 간의 상 변화에 필요한 에너지를 나타냅니다.
- 비열용량: 재료 온도가 변화하는 속도에 영향을 미칩니다.
이러한 속성은 종종 온도에 따라 달라지며 정확한 시뮬레이션을 위해서는 세심하게 정의해야 합니다.
- 4.00
3D 프린팅은 디지털 설계를 기반으로 플라스틱이나 금속과 같은 재료를 겹겹이 쌓아 3차원 물체를 만드는 과정입니다. 3D 프린팅 시뮬레이션은 소프트웨어를 사용하여 프린팅 과정을 예측하고 최적화하여 더욱 효율적이고 정확한 생산을 가능하게 합니다. 이 교육 패키지에는 두 가지 3D 프린팅 모델링 방법이 포함되어 있습니다. 첫 번째 방법은 서브루틴과 Python 스크립팅을 사용합니다. 3D 프린팅 과정에 대한 소개 후 첫 번째 방법을 모든 세부 사항과 함께 설명합니다. 그런 다음 이 방법에 대한 두 개의 워크숍이 있습니다. 첫 번째 워크숍은 균일한 단면을 가진 기어의 3D 프린팅 시뮬레이션을 위한 것이고 두 번째 워크숍은 불균일한 단면을 가진 샤프트를 위한 것입니다. 두 번째 방법은 AM Modeler라는 플러그인을 사용합니다. 이 플러그인을 사용하면 3D 프린팅 유형을 선택할 수 있으며 필요한 입력을 입력하고 일부 설정을 적용한 후 코딩 없이 3D 프린팅 시뮬레이션이 수행됩니다. 이 플러그인을 사용하는 방법을 배우기 위해 두 가지 주요 워크숍이 진행됩니다. "AM 플러그인을 사용한 궤적 기반 방법을 이용한 LPBF 3D 프린팅 방법을 통한 단순 큐브 단방향의 순차 열기계적 해석" 및 "AM 플러그인을 사용한 퓨전 증착 모델링 및 레이저 직접 에너지 증착 방법을 통한 3D 프린팅 시뮬레이션"입니다.
Challenges in Laser Powder Bed Fusion Simulation Processes
LPBF 프린팅은 장점에도 불구하고, 특히 공정 중 열적 및 기계적 거동의 복잡성으로 인해 여러 가지 어려움을 겪습니다. 급속 가열 및 냉각 사이클은 제조된 부품에 열 구배, 잔류 응력, 그리고 잠재적인 변형을 유발합니다. 이러한 현상을 이해하고 예측하는 것은 공정 최적화 및 최종 제품의 신뢰성 확보에 매우 중요합니다.
Thermal-Mechanical Simulations for LPBF
열-기계 시뮬레이션 LPBF 공정 중 재료의 열적 및 기계적 거동에 대한 통찰력을 제공합니다. 시뮬레이션에는 두 가지 주요 수치적 접근법이 사용됩니다.
Detailed Thermal-Mechanical Simulation
이 접근 방식에는 완전히 결합된 분석이나 부분적으로 결합된 분석이 포함됩니다.
- 완전 결합 분석: 열적 및 기계적 거동을 동시에 평가합니다. 각 시간 단계마다 형상이 수정되며, 이때 변위는 온도 분포에 영향을 미칩니다. 이 방법은 높은 정확도를 제공하지만, 특히 복잡한 형상의 경우 계산량이 많습니다.
그림 1: 완전 결합된 열-기계 시뮬레이션 분석 워크플로
- 부분 결합 분석: 열 및 기계 시뮬레이션을 독립적으로 수행합니다. 과도 열전달 해석을 통해 온도 분포를 결정하고, 이를 준정적 기계 해석의 온도장으로 적용합니다. 이를 통해 적절한 정확도를 유지하면서 계산량을 줄일 수 있습니다.
그림 2: 부분적으로 결합된 열-기계 시뮬레이션 분석 워크플로
고유 변형률 방법
이 단순화된 접근법은 계산 효율이 높고 특히 크거나 복잡한 부품의 잔류 응력과 변형을 예측하는 데 유용합니다. 고유 변형률법(ISM)은 용접 역학에서 유래되었으며, LPBF 시뮬레이션에 적용되었습니다.Abaqus에서 금속 LPBF 시뮬레이션을 위한 전체 ISM 튜토리얼)
내재 변형률법(ISM)
LPBF 프린팅의 과제를 시뮬레이션하고 해결하는 효과적인 방법 중 하나는 고유 변형률법(ISM)입니다. 이 기법은 복잡한 열-기계적 상호작용을 미리 정의된 변형률 값으로 대체하여 잔류 응력 및 변형에 대한 계산 분석을 간소화합니다. 고유 변형률 값은 상세한 시뮬레이션이나 실험을 통해 도출되며, 열 사이클에 의해 유도된 누적 변형률을 나타냅니다.
ISM은 전체 열 이력을 모델링하지 않고 핵심 결과인 응력과 변형에 집중하여 계산 시간과 복잡성을 줄입니다. 빌드를 여러 층 또는 트랙으로 나누어 ISM은 고유 변형률 값을 반복적으로 적용하여 LPBF의 층별 특성을 모방합니다.
Significance and Applications of the Inherent Strain Method
ISM은 계산 효율성이 매우 중요한 대규모 시뮬레이션 및 최적화 연구에 특히 유용합니다. 열 및 기계적 상호작용을 관리 가능한 데이터 세트로 추출함으로써, 이 방법은 엔지니어가 잔류 응력을 예측하고, 제작 전략을 최적화하며, 변형을 줄일 수 있도록 지원합니다. 또한 레이저 출력 및 스캔 전략과 같은 다양한 공정 매개변수를 탐색하여 결함을 최소화하고 부품 성능을 개선하는 데에도 도움을 줍니다.
그림 3: 고유변형법의 분석 워크플로우 [참조]
The Inherent Strain Methodology
고유 변형 방법은 LPBF 공정을 두 개의 별도 단계로 분리하여 단순화합니다.
Micron-Scale Modeling
- 세부적인 열-기계적 시뮬레이션을 수행하여 미시적 수준에서 소성 변형 텐서를 포착합니다.마이크로 모델링에 대한 전체 튜토리얼 및 단계별 설명)
- 이러한 텐서는 층 응고 중 열적, 기계적 효과로 인해 발생하는 내재적 변형률을 추출하여 나타냅니다.
Macro-Scale Modeling
- 미크론 규모 모델에서 얻은 고유 변형률 값은 거시 규모 기계 모델에 적용됩니다.
- 층별 접근 방식을 사용하면 계산 노력을 줄이면서 최종 부품의 잔류 응력과 변형을 예측할 수 있습니다.
Theoretical Background of ISM
고유 변형률법은 전체 변형률이 탄성, 소성, 열 및 상변태 변형률의 합으로 발생한다고 가정합니다. LPBF에서는 열 및 상변태 변형률이 냉각 과정에서 감소하는 경우가 많아, 소성 변형률이 고유 변형률의 주요 구성 요소로 나타납니다.
고전적인 고유 변형률 방법
정확도를 높이기 위해, 수정된 고유 변형률 접근법은 중간 상태에서는 탄성 및 소성 변형률을, 정상 상태에서는 잔류 탄성 변형률을 적용합니다. 이러한 개선은 레이저 분말 용융 시뮬레이션에서 잔류 응력 및 변형에 대한 예측 능력을 향상시킵니다.
그림 4: 용융풀 영역에서 열팽창 및 수축에 따른 압축-인장응력 및 변형률의 형성 메커니즘
Comparison to Other Methods
세부적인 열-기계 시뮬레이션과 비교했을 때, 고유 변형 방법은 상당히 많은 것을 제공합니다. 낮은 컴퓨팅 비용, 비록 ~와 함께 정확도 감소. 계산 리소스가 필요한 대규모 시뮬레이션에 이상적입니다. 제한 요인.
Why choose Subroutine Over AM Plugin
Abaqus와 같은 상용 소프트웨어는 다음을 제공합니다. 모듈식 플러그인 LPBF 시뮬레이션의 경우 이러한 도구는 종종 다음과 같습니다. 제한 사항, 사용자 정의 열원 모델 및 온도에 따른 재료 속성을 정의하기 위한 유연성 감소 포함. 고유 변형 방법을 채택하고 활용함으로써 파이썬 스크립팅, 사용자는 시뮬레이션에서 더 큰 제어력과 적응성을 얻을 수 있습니다. 또한, 고유 변형률법은 다양한 상용 소프트웨어에서 널리 사용되고 있지만, 기본 알고리즘은 명확하지 않습니다. 따라서 첫 번째 목표는 고유 변형률 값의 정의 값을 파악하는 것입니다.
Simulation Workflow
시뮬레이션 워크플로에는 두 가지 주요 모델링 규모가 포함됩니다.
- 마이크론 스케일: 이 단계에서는 레이저 출력, 스캐닝 전략, 층 두께와 같은 형상 및 공정 매개변수가 정의됩니다. 열 분석은 온도 분포를 예측하고, 기계적 분석은 고유 변형률 값을 추출합니다. 이러한 분석에는 정밀한 재료 특성 정의와 맞춤형 설계가 필요합니다. 서브루틴(USDFLD 및 Dflux) 복잡한 열-기계적 상호작용을 시뮬레이션합니다.
- 거시 규모: 추출된 고유 변형률 값을 사용하여 거시 규모 모델은 다음을 예측합니다. 잔류응력 및 변형. 응집 방식은 여러 계층을 그룹화하여 시뮬레이션을 단순화하고 효율적인 계산을 가능하게 합니다.
이제부터는 저희가 개발한 교육 패키지에 대해 논의하겠습니다. 여기, 또는 클릭하여 플러그인을 활용하는 유사한 패키지를 찾으세요. 여기.
Micro Scale
모델링은 각 층마다 특정 스캐닝 전략을 적용한 두 개의 층을 사용합니다. 첫 번째 층은 종방향 스캐닝을, 두 번째 층은 횡방향 스캐닝을 사용합니다. 사용된 소재인 인코넬 718은 산업계에서 널리 사용되는 초합금입니다. 치수, 층 두께, 레이저 출력 및 기타 특성을 포함하여 형상 및 소재 특성이 신중하게 정의됩니다.
LPBF 공정 중 재료의 열적 및 기계적 거동을 분석합니다. 먼저 열 분석을 수행하여 온도 분포를 추출하고, 열전도도, 밀도, 비열과 같은 재료 특성을 온도 및 상태(분말, 액체, 고체)에 따른 의존성을 고려하여 정의합니다.
시뮬레이션 중 재료 특성 변화를 고려하기 위해 서브루틴이 사용됩니다. 여기에는 온도 변화에 대한 변수를 정의하고 각 시뮬레이션 단계에서 상태를 업데이트하는 과정이 포함됩니다. 이 프로세스는 열원 모델을 사용하여 레이저 움직임을 시뮬레이션하며, 실제 조건을 반영하도록 매개변수를 신중하게 정의합니다.
층과 기판을 조립하고, 상호작용, 경계 조건(대류 및 복사), 그리고 제약 조건을 적용합니다. 스캐닝 전략은 사용자 정의 코드를 사용하여 구현되어 각 트랙 위의 레이저 이동을 시뮬레이션합니다. 시뮬레이션은 레이저의 속도, 출력, 경로 등 다양한 측면을 고려합니다.
이 프로세스는 냉각 시간과 온도 분포 및 열유속과 같은 출력을 정의하는 것으로 마무리됩니다. 마지막으로 시뮬레이션을 실행하여 적절한 작동과 정확한 결과를 보장하기 위한 점검을 수행합니다. 이 방법을 통해 LPBF(저온 진공 유동) 프로세스에 대한 상세 분석을 수행하여 온도 효과와 재료 거동에 대한 통찰력을 제공합니다.
간단히 설명하면 다음과 같습니다.
I. 층 증착 및 용융:
-
- 재료를 여러 층으로 쌓아 올리고, 레이저로 각 층을 녹여 견고한 구조를 형성합니다.
- 첫 번째 층을 증착하고 녹인 후, 다음 층을 추가하기 전에 잠시 냉각시킵니다. 이후 층의 열이 이전 층을 다시 녹일 수 있지만, 이는 열이 얼마나 많이, 얼마나 오랫동안 가해졌는지에 따라 달라집니다.
II. 온도 조절 및 층 거동:
-
- 이 공정은 각 층의 온도를 제어하여 적절한 접합을 보장하도록 설계되었습니다. 온도 이력은 새로운 층이 추가됨에 따라 층이 어떻게 재가열되고 응고되는지 보여줍니다.
- 레이저 출력과 층 두께와 같은 특정 소재와 공정 매개변수는 필요한 층 수와 층들이 열적으로 상호 작용하는 방식을 결정합니다.
III. 재료 특성:
-
- 탄성 및 가소성과 같은 재료 특성은 온도에 따라 변합니다. 이러한 특성은 열 및 기계적 응력 하에서 재료의 거동을 정확하게 예측하기 위해 모델링됩니다.
IV. 시뮬레이션 및 분석:
-
- 실제 프로세스를 모방하기 위한 시뮬레이션이 생성됩니다. 여기에는 레이저가 레이어를 이동할 때 모델의 요소를 활성화하는 자세한 단계가 포함됩니다.
- Python 스크립트는 활성화 단계, 온도 조건, 재료 변경 사항을 정의하여 이러한 작업의 대부분을 자동화합니다.
V. 출력 및 개선:
-
- 결과는 재료가 분말에서 액체로, 다시 고체로 어떻게 전환되는지를 보여주며, 응력과 변형률과 같은 기계적 특성의 변화를 강조합니다.
- 가열 및 냉각 주기로 인해 발생하는 고유 변형률은 거시적 규모 모델링을 위해 계산됩니다.
Macro Scale
이 단계에서는 캔틸레버 보의 거시적 모델링에 중점을 두고 층 증착 중 및 증착 후의 기계적 거동을 시뮬레이션합니다. 목표는 적층 제조 공정으로 인한 잔류 응력과 변형을 고려하는 것입니다. 작동 원리는 다음과 같습니다.
I. 거시적 규모로의 전환:
-
- 중요한 열 및 변형률 데이터를 제공하는 미시적 시뮬레이션을 완료한 후, 이러한 값들은 거시적 모델에 통합됩니다. 여기에는 시뮬레이션된 빌드 과정에서 열 상태에 따라 요소(층을 나타냄)를 활성화하는 과정이 포함됩니다.
II. 레이어 모델링:
-
- 각각의 실제 물리 계층을 모델링하는 대신(계산 비용이 많이 들 수 있음), 근사법을 사용합니다. 여러 물리 계층을 더 적은 수의 "동등 계층"으로 결합합니다. 예를 들어, 여러 계층을 누적 두께를 기준으로 그룹화하여 정확도를 유지하면서 계산 부담을 줄입니다.
III. 재료 및 기계적 특성:
-
- 탄성 및 열팽창과 같은 재료의 물성이 정의됩니다. 미시적 시뮬레이션 데이터는 이방성 열팽창 계수를 결정하여 거시적 모델이 재료의 거동을 정확하게 반영하도록 합니다.
IV. 요소 활성화:
-
- 각 층은 증착 공정을 나타내며 점진적으로 "활성화"되도록 시뮬레이션됩니다. 이는 정의된 공정 매개변수에 따라 빔의 어느 부분이 층별로 활성화되는지 지정하는 것을 포함합니다.
V. 시뮬레이션 실행:
-
- 지오메트리, 레이어, 재료 속성을 정의한 후, 모델은 메시를 생성하고 시뮬레이션 환경에서 실행됩니다. 이 작업에는 지지대가 제거되고 레이어가 쌓일 때 보의 거동을 관찰하는 것이 포함됩니다.
VI. 결과 및 검증:
-
- 시뮬레이션은 지지대 제거의 각 단계 이후 보의 잔류 변형을 예측합니다. 이러한 예측은 실험 결과와 비교됩니다. 등가 층 수를 미세 조정함으로써 모델의 예측은 관측 데이터와 매우 일치하여 접근법의 타당성을 검증합니다.
VII. 레이어 번호의 영향:
-
- 등가 레이어의 수는 시뮬레이션 정확도에 상당한 영향을 미칩니다. 레이어가 많을수록 예측 정확도는 높아지지만, 계산 시간이 길어집니다. 적절한 수의 등가 레이어를 사용하면 최적의 균형을 얻을 수 있으며, 과도한 계산 부담 없이 신뢰할 수 있는 결과를 얻을 수 있습니다.
요약하자면, 거시적 모델링은 미시적 수준의 데이터를 결합하고 등가 계층과 같은 근사법을 사용하여 기계적 반응을 효율적으로 시뮬레이션하고 예측함으로써 정확성과 실제 계산 시간을 보장합니다. 이 과정은 실제 실험에 대한 검증을 지원하여 신뢰성을 확인합니다.
LPBF 프린팅은 시뮬레이션 방법을 여기서 보신 3D 프린팅 방식 중 하나입니다. 하지만 다른 3D 방식과 그 시뮬레이션은 어떨까요? 다른 방식에서는 3D 프린팅 시뮬레이션이 어떻게 작동할까요? 적층 제조 시뮬레이션의 주요 매개변수는 무엇일까요? 3D 프린팅 시뮬레이션이 필요한 이유는 무엇일까요?
이 모든 답변은 전체 블로그에서 확인할 수 있습니다.“적층 제조 시뮬레이션 최종 가이드“
결론
이 블로그에서는 금속 적층 제조(MAM) 공정에서 레이저 분말 베드 용융(LPBF) 공정의 잔류 응력과 변형을 시뮬레이션하는 효율적인 방법으로 고유 변형률 방법(ISM)을 살펴보았습니다. LPBF는 고정밀 금속 부품을 생산하지만, 부품 품질에 영향을 미치는 복잡한 열적 및 기계적 상호작용을 유발합니다. 이러한 영향을 정확하게 예측하면 제조 매개변수를 최적화하고 결함을 줄이는 데 도움이 됩니다.
먼저 MAM과 LPBF를 소개하고, 그 중요성과 빠른 가열 및 냉각 사이클로 인한 문제점을 설명했습니다. 그런 다음, 상세 열-기계 시뮬레이션과 ISM을 포함한 다양한 시뮬레이션 방법을 살펴보며, ISM이 낮은 계산 비용으로 변형을 예측할 수 있는 능력을 강조했습니다. 두 가지 모델링 규모에서 ISM 방법론을 논의했습니다. 미크론 규모 시뮬레이션은 고유 변형률 값을 추출하고, 거시 규모 모델은 이 값을 사용하여 변형을 예측합니다. ISM을 다른 방법과 비교함으로써 ISM의 계산 효율성과 적응성을 강조했습니다. 마지막으로 Abaqus를 사용한 시뮬레이션 워크플로우를 간략하게 설명하여 서브루틴이 ISM 구현의 유연성과 제어력을 어떻게 향상시키는지 보여주었습니다.
이 블로그를 통해 ISM이 열-기계적 상호작용을 고유 변형률 값으로 단순화하여 계산 효율성과 정확도의 균형을 이룬다는 것을 보여주었습니다. 엔지니어는 이 방법을 사용하여 적층 제조 공정을 최적화할 수 있으며, LPBF(저온 진공 성형)로 인한 잔류 응력을 예측하는 실용적이고 효과적인 도구가 될 수 있습니다.
이 블로그의 저자는 다음과 같습니다. 호세인 모하마드타헤리
English 
Korean 
Chinese