Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.

MULTI-PHYSICS NUMERICAL MODELLING OF 316L AUSTENITIC STAINLESS STEEL IN LASER POWDER BED FUSION PROCESS AT MESO-SCALE

W.E. Alphonso1, M.Bayat1,*, M. Baier 2, S. Carmignato2, J.H. Hattel1
1Department of Mechanical Engineering, Technical University of Denmark (DTU), Lyngby, Denmark
2Department of Management and Engineering – University of Padova, Padova, Italy

ABSTRACT

L-PBF(Laser Powder Bed Fusion)는 레이저 열원을 사용하여 선택적으로 통합되는 분말 층으로 복잡한 3D 금속 부품을 만드는 금속 적층 제조(MAM) 기술입니다. 처리 영역은 수십 마이크로미터 정도이므로 L-PBF를 다중 규모 제조 공정으로 만듭니다.

기체 기공의 형성 및 성장 및 용융되지 않은 분말 영역의 생성은 다중물리 모델에 의해 예측할 수 있습니다. 또한 이러한 모델을 사용하여 용융 풀 모양 및 크기, 온도 분포, 용융 풀 유체 흐름 및 입자 크기 및 형태와 같은 미세 구조 특성을 계산할 수 있습니다.

이 작업에서는 용융, 응고, 유체 흐름, 표면 장력, 열 모세관, 증발 및 광선 추적을 통한 다중 반사를 포함하는 스테인리스 스틸 316-L에 대한 충실도 다중 물리학 중간 규모 수치 모델이 개발되었습니다. 완전한 실험 설계(DoE) 방법을 사용하는 통계 연구가 수행되었으며, 여기서 불확실한 재료 특성 및 공정 매개변수, 즉 흡수율, 반동 압력(기화) 및 레이저 빔 크기가 용융수지 모양 및 크기에 미치는 영향을 분석했습니다.

또한 용융 풀 역학에 대한 위에서 언급한 불확실한 입력 매개변수의 중요성을 강조하기 위해 흡수율이 가장 큰 영향을 미치고 레이저 빔 크기가 그 뒤를 잇는 주요 효과 플롯이 생성되었습니다. 용융 풀 크기에 대한 반동 압력의 중요성은 흡수율에 따라 달라지는 용융 풀 부피와 함께 증가합니다.

모델의 예측 정확도는 유사한 공정 매개변수로 생성된 단일 트랙 실험과 시뮬레이션의 용융 풀 모양 및 크기를 비교하여 검증됩니다.

더욱이, 열 렌즈 효과는 레이저 빔 크기를 증가시켜 수치 모델에서 고려되었으며 나중에 결과적인 용융 풀 프로파일은 모델의 견고성을 보여주기 위한 실험과 비교되었습니다.

Laser Powder Bed Fusion (L-PBF) is a Metal Additive Manufacturing (MAM) technology where a complex 3D metal part is built from powder layers, which are selectively consolidated using a laser heat source. The processing zone is in the order of a few tenths of micrometer, making L-PBF a multi-scale manufacturing process. The formation and growth of gas pores and the creation of un-melted powder zones can be predicted by multiphysics models. Also, with these models, the melt pool shape and size, temperature distribution, melt pool fluid flow and its microstructural features like grain size and morphology can be calculated. In this work, a high fidelity multi-physics meso-scale numerical model is developed for stainless steel 316-L which includes melting, solidification, fluid flow, surface tension, thermo-capillarity, evaporation and multiple reflection with ray-tracing. A statistical study using a full Design of Experiments (DoE) method was conducted, wherein the impact of uncertain material properties and process parameters namely absorptivity, recoil pressure (vaporization) and laser beam size on the melt pool shape and size was analysed. Furthermore, to emphasize on the significance of the above mentioned uncertain input parameters on the melt pool dynamics, a main effects plot was created which showed that absorptivity had the highest impact followed by laser beam size. The significance of recoil pressure on the melt pool size increases with melt pool volume which is dependent on absorptivity. The prediction accuracy of the model is validated by comparing the melt pool shape and size from the simulation with single track experiments that were produced with similar process parameters. Moreover, the effect of thermal lensing was considered in the numerical model by increasing the laser beam size and later on the resultant melt pool profile was compared with experiments to show the robustness of the model.

Figure 1: a) Computational domain for single track L-PBF which includes a 200 μm thick substrate and 45 μm powder layer thickness b) 3D temperature contour plot after scanning a single track with melt pool contours at two locations along the scanning direction where the green region indicates the melted regions.
Figure 1: a) Computational domain for single track L-PBF which includes a 200 μm thick substrate and 45 μm powder layer thickness b) 3D temperature contour plot after scanning a single track with melt pool contours at two locations along the scanning direction where the green region indicates the melted regions.
Figure 2: Main effects plot of uncertain parameters: absorptivity, recoil pressure coefficient and laser beam radius on the melt pool dimensions (width and depth)
Figure 2: Main effects plot of uncertain parameters: absorptivity, recoil pressure coefficient and laser beam radius on the melt pool dimensions (width and depth)
Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.
Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.
Figure 4: Validation of Numerical model with Recoil pressure coefficient B= 20, absorptivity = 0.45 and a) laser beam radius = 15 µm b) laser beam radius = 20 µm
Figure 4: Validation of Numerical model with Recoil pressure coefficient B= 20, absorptivity = 0.45 and a) laser beam radius = 15 µm b) laser beam radius = 20 µm

CONCLUSION

In this work, a high-fidelity multi-physics numerical model was developed for L-PBF using the FVM method in Flow-3D. The impact of uncertainty in the input parameters including absorptivity, recoil pressure and laser beam size on the melt pool is addressed using a DoE method. The DoE analysis shows that absorptivity has the highest impact on the melt pool. The recoil pressure and laser beam size only become significant once absorptivity is 0.45. Furthermore, the numerical model is validated by comparing the predicted melt pool shape and size with experiments conducted with similar process parameters wherein a high prediction accuracy is achieved by the model. In addition, the impact of thermal lensing on the melt pool dimensions by increasing the laser beam spot size is considered in the validated numerical model and the resultant melt pool is compared with experiments.

REFERENCES

[1] T. Bonhoff, M. Schniedenharn, J. Stollenwerk, P. Loosen, Experimental and theoretical analysis of thermooptical effects in protective window for selective laser melting, Proc. Int. Conf. Lasers Manuf. LiM. (2017)
26–29. https://www.wlt.de/lim/Proceedings2017/Data/PDF/Contribution31_final.pdf.
[2] L.R. Goossens, Y. Kinds, J.P. Kruth, B. van Hooreweder, On the influence of thermal lensing during selective
laser melting, Solid Free. Fabr. 2018 Proc. 29th Annu. Int. Solid Free. Fabr. Symp. – An Addit. Manuf. Conf.
SFF 2018. (2020) 2267–2274.
[3] J. Shinjo, C. Panwisawas, Digital materials design by thermal-fluid science for multi-metal additive
manufacturing, Acta Mater. 210 (2021) 116825. https://doi.org/10.1016/j.actamat.2021.116825.
[4] Z. Zhang, Y. Huang, A. Rani Kasinathan, S. Imani Shahabad, U. Ali, Y. Mahmoodkhani, E. Toyserkani, 3-
Dimensional heat transfer modeling for laser powder-bed fusion additive manufacturing with volumetric heat
sources based on varied thermal conductivity and absorptivity, Opt. Laser Technol. 109 (2019) 297–312.
https://doi.org/10.1016/j.optlastec.2018.08.012.
[5] M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, J.H. Hattel, Keyholeinduced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and
experimental validation, Addit. Manuf. 30 (2019) 100835. https://doi.org/10.1016/j.addma.2019.100835.
[6] M. Bayat, S. Mohanty, J.H. Hattel, Multiphysics modelling of lack-of-fusion voids formation and evolution
in IN718 made by multi-track/multi-layer L-PBF, Int. J. Heat Mass Transf. 139 (2019) 95–114.
https://doi.org/10.1016/j.ijheatmasstransfer.2019.05.003.
[7] J. Metelkova, Y. Kinds, K. Kempen, C. de Formanoir, A. Witvrouw, B. Van Hooreweder, On the influence
of laser defocusing in Selective Laser Melting of 316L, Addit. Manuf. 23 (2018) 161–169.
https://doi.org/10.1016/j.addma.2018.08.006.

Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °C

Multiscale Process Modeling of Residual Deformation and Defect Formation for Laser Powder Bed Fusion Additive Manufacturing

Qian Chen, PhD
University of Pittsburgh, 2021

레이저 분말 베드 퓨전(L-PBF) 적층 제조(AM)는 우수한 기계적 특성으로 그물 모양에 가까운 복잡한 부품을 생산할 수 있습니다. 그러나 빌드 실패 및 다공성과 같은 결함으로 이어지는 원치 않는 잔류 응력 및 왜곡이 L-PBF의 광범위한 적용을 방해하고 있습니다.

L-PBF의 잠재력을 최대한 실현하기 위해 잔류 변형, 용융 풀 및 다공성 형성을 예측하는 다중 규모 모델링 방법론이 개발되었습니다. L-PBF의 잔류 변형 및 응력을 부품 규모에서 예측하기 위해 고유 변형 ​​방법을 기반으로 하는 다중 규모 프로세스 모델링 프레임워크가 제안됩니다.

고유한 변형 벡터는 마이크로 스케일에서 충실도가 높은 상세한 다층 프로세스 시뮬레이션에서 추출됩니다. 균일하지만 이방성인 변형은 잔류 왜곡 및 응력을 예측하기 위해 준 정적 평형 유한 요소 분석(FEA)에서 레이어별로 L-PBF 부품에 적용됩니다.

부품 규모에서의 잔류 변형 및 응력 예측 외에도 분말 규모의 다중물리 모델링을 수행하여 공정 매개변수, 예열 온도 및 스패터링 입자에 의해 유도된 용융 풀 변동 및 결함 형성을 연구합니다. 이러한 요인과 관련된 용융 풀 역학 및 다공성 형성 메커니즘은 시뮬레이션 및 실험을 통해 밝혀졌습니다.

제안된 부품 규모 잔류 응력 및 왜곡 모델을 기반으로 경로 계획 방법은 큰 잔류 변형 및 건물 파손을 방지하기 위해 주어진 형상에 대한 레이저 스캐닝 경로를 조정하기 위해 개발되었습니다.

연속 및 아일랜드 스캐닝 전략을 위한 기울기 기반 경로 계획이 공식화되고 공식화된 컴플라이언스 및 스트레스 최소화 문제에 대한 전체 감도 분석이 수행됩니다. 이 제안된 경로 계획 방법의 타당성과 효율성은 AconityONE L-PBF 시스템을 사용하여 실험적으로 입증되었습니다.

또한 기계 학습을 활용한 데이터 기반 프레임워크를 개발하여 L-PBF에 대한 부품 규모의 열 이력을 예측합니다. 본 연구에서는 실시간 열 이력 예측을 위해 CNN(Convolutional Neural Network)과 RNN(Recurrent Neural Network)을 포함하는 순차적 기계 학습 모델을 제안합니다.

유한 요소 해석과 비교하여 100배의 예측 속도 향상이 달성되어 실제 제작 프로세스보다 빠른 예측이 가능하고 실시간 온도 프로파일을 사용할 수 있습니다.

Laser powder bed fusion (L-PBF) additive manufacturing (AM) is capable of producing complex parts near net shape with good mechanical properties. However, undesired residual stress and distortion that lead to build failure and defects such as porosity are preventing broader applications of L-PBF. To realize the full potential of L-PBF, a multiscale modeling methodology is developed to predict residual deformation, melt pool, and porosity formation. To predict the residual deformation and stress in L-PBF at part-scale, a multiscale process modeling framework based on inherent strain method is proposed.

Inherent strain vectors are extracted from detailed multi-layer process simulation with high fidelity at micro-scale. Uniform but anisotropic strains are then applied to L-PBF part in a layer-by-layer fashion in a quasi-static equilibrium finite element analysis (FEA) to predict residual distortion and stress. Besides residual distortion and stress prediction at part scale, multiphysics modeling at powder scale is performed to study the melt pool variation and defect formation induced by process parameters, preheating temperature and spattering particles. Melt pool dynamics and porosity formation mechanisms associated with these factors are revealed through simulation and experiments.

Based on the proposed part-scale residual stress and distortion model, path planning method is developed to tailor the laser scanning path for a given geometry to prevent large residual deformation and building failures. Gradient based path planning for continuous and island scanning strategy is formulated and full sensitivity analysis for the formulated compliance- and stress-minimization problem is performed.

The feasibility and effectiveness of this proposed path planning method is demonstrated experimentally using the AconityONE L-PBF system. In addition, a data-driven framework utilizing machine learning is developed to predict the thermal history at part-scale for L-PBF.

In this work, a sequential machine learning model including convolutional neural network (CNN) and recurrent neural network (RNN), long shortterm memory unit, is proposed for real-time thermal history prediction. A 100x prediction speed improvement is achieved compared to the finite element analysis which makes the prediction faster than real fabrication process and real-time temperature profile available.

Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]
Figure 1.1: Schematic Overview of Metal Laser Powder Bed Fusion Process [2]
Figure 1.2: Commercial Powder Bed Fusion Systems
Figure 1.2: Commercial Powder Bed Fusion Systems
Figure 1.3: Commercial Metal Components Fabricated by Powder Bed Fusion Additive Manufacturing: (a) GE Fuel Nozzle; (b) Stryker Hip Biomedical Implant.
Figure 1.3: Commercial Metal Components Fabricated by Powder Bed Fusion Additive Manufacturing: (a) GE Fuel Nozzle; (b) Stryker Hip Biomedical Implant.
Figure 2.1: Proposed Multiscale Process Simulation Framework
Figure 2.1: Proposed Multiscale Process Simulation Framework
Figure 2.2: (a) Experimental Setup for In-situ Thermocouple Measurement in the EOS M290 Build Chamber; (b) Themocouple Locations on the Bottom Side of the Substrate.
Figure 2.2: (a) Experimental Setup for In-situ Thermocouple Measurement in the EOS M290 Build Chamber; (b) Themocouple Locations on the Bottom Side of the Substrate.
Figure 2.3: (a) Finite Element Model for Single Layer Thermal Analysis; (b) Deposition Layer
Figure 2.3: (a) Finite Element Model for Single Layer Thermal Analysis; (b) Deposition Layer
Figure 2.4: Core-skin layer: (a) Surface Morphology; (b) Scanning Strategy; (c) Transient Temperature Distribution and Temperature History at (d) Point 1; (e) Point 2 and (f) Point 3
Figure 2.4: Core-skin layer: (a) Surface Morphology; (b) Scanning Strategy; (c) Transient Temperature Distribution and Temperature History at (d) Point 1; (e) Point 2 and (f) Point 3
Figure 2.5: (a) Scanning Orientation of Each Layer; (b) Finite Element Model for Micro-scale Representative Volume
Figure 2.5: (a) Scanning Orientation of Each Layer; (b) Finite Element Model for Micro-scale Representative Volume
Figure 2.6: Bottom Layer (a) Thermal History; (b) Plastic Strain and (c) Elastic Strain Evolution History
Figure 2.6: Bottom Layer (a) Thermal History; (b) Plastic Strain and (c) Elastic Strain Evolution History
Figure 2.7: Bottom Layer Inherent Strain under Default Process Parameters along Horizontal Scanning Path
Figure 2.7: Bottom Layer Inherent Strain under Default Process Parameters along Horizontal Scanning Path
Figure 2.8: Snapshots of the Element Activation Process
Figure 2.8: Snapshots of the Element Activation Process
Figure 2.9: Double Cantilever Beam Structure Built by the EOS M290 DMLM Process (a) Before and (b) After Cutting off; (c) Faro Laser ScanArm V3 for Distortion Measurement
Figure 2.9: Double Cantilever Beam Structure Built by the EOS M290 DMLM Process (a) Before and (b) After Cutting off; (c) Faro Laser ScanArm V3 for Distortion Measurement
Figure 2.10: Square Canonical Structure Built by the EOS M290 DMLM Process
Figure 2.10: Square Canonical Structure Built by the EOS M290 DMLM Process
Figure 2.11: Finite Element Mesh for the Square Canonical and Snapshots of Element Activation Process
Figure 2.11: Finite Element Mesh for the Square Canonical and Snapshots of Element Activation Process
Figure 2.12: Simulated Distortion Field for the Double Cantilever Beam before Cutting off the Supports: (a) Inherent Strain Method; (b) Simufact Additive 3.1
Figure 2.12: Simulated Distortion Field for the Double Cantilever Beam before Cutting off the Supports: (a) Inherent Strain Method; (b) Simufact Additive 3.1
Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °C
Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °C
s) at the Preheating Temperature of 500 °C
s) at the Preheating Temperature of 500 °C
Figure 3.15: Melt Pool Cross Section Comparison Between Simulation and Experiment for Single Track
Figure 3.15: Melt Pool Cross Section Comparison Between Simulation and Experiment for Single Track

Bibliography

[1] I. Astm, ASTM52900-15 Standard Terminology for Additive Manufacturing—General
Principles—Terminology, ASTM International, West Conshohocken, PA 3(4) (2015) 5.
[2] W.E. King, A.T. Anderson, R.M. Ferencz, N.E. Hodge, C. Kamath, S.A. Khairallah, A.M.
Rubenchik, Laser powder bed fusion additive manufacturing of metals; physics, computational,
and materials challenges, Applied Physics Reviews 2(4) (2015) 041304.
[3] W. Yan, Y. Lu, K. Jones, Z. Yang, J. Fox, P. Witherell, G. Wagner, W.K. Liu, Data-driven
characterization of thermal models for powder-bed-fusion additive manufacturing, Additive
Manufacturing (2020) 101503.
[4] K. Dai, L. Shaw, Thermal and stress modeling of multi-material laser processing, Acta
Materialia 49(20) (2001) 4171-4181.
[5] K. Dai, L. Shaw, Distortion minimization of laser-processed components through control of
laser scanning patterns, Rapid Prototyping Journal 8(5) (2002) 270-276.
[6] S.S. Bo Cheng, Kevin Chou, Stress and deformation evaluations of scanning strategy effect in
selective laser melting, Additive Manufacturing (2017).
[7] C. Fu, Y. Guo, Three-dimensional temperature gradient mechanism in selective laser melting
of Ti-6Al-4V, Journal of Manufacturing Science and Engineering 136(6) (2014) 061004.
[8] P. Prabhakar, W.J. Sames, R. Dehoff, S.S. Babu, Computational modeling of residual stress
formation during the electron beam melting process for Inconel 718, Additive Manufacturing 7
(2015) 83-91.
[9] A. Hussein, L. Hao, C. Yan, R. Everson, Finite element simulation of the temperature and
stress fields in single layers built without-support in selective laser melting, Materials & Design
(1980-2015) 52 (2013) 638-647.
[10] P.Z. Qingcheng Yang, Lin Cheng, Zheng Min, Minking Chyu, Albert C. To, articleFinite
element modeling and validation of thermomechanicalbehavior of Ti-6Al-4V in directed energy
deposition additivemanufacturing, Additive Manufacturing (2016).
[11] E.R. Denlinger, J. Irwin, P. Michaleris, Thermomechanical Modeling of Additive
Manufacturing Large Parts, Journal of Manufacturing Science and Engineering 136(6) (2014)
061007.
[12] E.R. Denlinger, M. Gouge, J. Irwin, P. Michaleris, Thermomechanical model development
and in situ experimental validation of the Laser Powder-Bed Fusion process, Additive
Manufacturing 16 (2017) 73-80.
[13] V.J. Erik R Denlinger, G.V. Srinivasan, Tahany EI-Wardany, Pan Michaleris, Thermal
modeling of Inconel 718 processed with powder bed fusionand experimental validation using in
situ measurements, Additive Manufacturing 11 (2016) 7-15.
[14] N. Patil, D. Pal, H.K. Rafi, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A
Generalized Feed Forward Dynamic Adaptive Mesh Refinement and Derefinement Finite Element
Framework for Metal Laser Sintering—Part I: Formulation and Algorithm Development, Journal
of Manufacturing Science and Engineering 137(4) (2015) 041001.
[15] D. Pal, N. Patil, K.H. Kutty, K. Zeng, A. Moreland, A. Hicks, D. Beeler, B. Stucker, A
Generalized Feed-Forward Dynamic Adaptive Mesh Refinement and Derefinement FiniteElement Framework for Metal Laser Sintering—Part II: Nonlinear Thermal Simulations and
Validations, Journal of Manufacturing Science and Engineering 138(6) (2016) 061003.
[16] N. Keller, V. Ploshikhin, New method for fast predictions of residual stress and distortion of
AM parts, Solid Freeform Fabrication Symposium, Austin, Texas, 2014, pp. 1229-1237.
[17] S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Laser powder-bed fusion additive
manufacturing: Physics of complex melt flow and formation mechanisms of pores, spatter, and
denudation zones, Acta Materialia 108 (2016) 36-45.
[18] M.J. Matthews, G. Guss, S.A. Khairallah, A.M. Rubenchik, P.J. Depond, W.E. King,
Denudation of metal powder layers in laser powder bed fusion processes, Acta Materialia 114
(2016) 33-42.
[19] A.A. Martin, N.P. Calta, S.A. Khairallah, J. Wang, P.J. Depond, A.Y. Fong, V. Thampy, G.M.
Guss, A.M. Kiss, K.H. Stone, Dynamics of pore formation during laser powder bed fusion additive
manufacturing, Nature communications 10(1) (2019) 1987.
[20] R. Shi, S.A. Khairallah, T.T. Roehling, T.W. Heo, J.T. McKeown, M.J. Matthews,
Microstructural control in metal laser powder bed fusion additive manufacturing using laser beam
shaping strategy, Acta Materialia (2019).
[21] S.A. Khairallah, A.A. Martin, J.R. Lee, G. Guss, N.P. Calta, J.A. Hammons, M.H. Nielsen,
K. Chaput, E. Schwalbach, M.N. Shah, Controlling interdependent meso-nanosecond dynamics
and defect generation in metal 3D printing, Science 368(6491) (2020) 660-665.
[22] W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, F. Lin, G.J. Wagner, Multi-physics
modeling of single/multiple-track defect mechanisms in electron beam selective melting, Acta
Materialia 134 (2017) 324-333.
[23] S. Shrestha, Y. Kevin Chou, A Numerical Study on the Keyhole Formation During Laser
Powder Bed Fusion Process, Journal of Manufacturing Science and Engineering 141(10) (2019).
[24] S. Shrestha, B. Cheng, K. Chou, An Investigation into Melt Pool Effective Thermal
Conductivity for Thermal Modeling of Powder-Bed Electron Beam Additive Manufacturing.
[25] D. Rosenthal, Mathematical theory of heat distribution during welding and cutting, Welding
journal 20 (1941) 220-234.
[26] P. Promoppatum, S.-C. Yao, P.C. Pistorius, A.D. Rollett, A comprehensive comparison of the
analytical and numerical prediction of the thermal history and solidification microstructure of
Inconel 718 products made by laser powder-bed fusion, Engineering 3(5) (2017) 685-694.
[27] M. Tang, P.C. Pistorius, J.L. Beuth, Prediction of lack-of-fusion porosity for powder bed
fusion, Additive Manufacturing 14 (2017) 39-48.
[28] T. Moran, P. Li, D. Warner, N. Phan, Utility of superposition-based finite element approach
for part-scale thermal simulation in additive manufacturing, Additive Manufacturing 21 (2018)
215-219.
[29] Y. Yang, M. Knol, F. van Keulen, C. Ayas, A semi-analytical thermal modelling approach
for selective laser melting, Additive Manufacturing 21 (2018) 284-297.
[30] B. Cheng, S. Shrestha, K. Chou, Stress and deformation evaluations of scanning strategy
effect in selective laser melting, Additive Manufacturing 12 (2016) 240-251.
[31] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the
temperature and stress fields in single layers built without-support in selective laser melting,
Materials and Design 52 (2013) 638-647.
[32] H. Peng, D.B. Go, R. Billo, S. Gong, M.R. Shankar, B.A. Gatrell, J. Budzinski, P. Ostiguy,
R. Attardo, C. Tomonto, Part-scale model for fast prediction of thermal distortion in DMLS
additive manufacturing; Part 2: a quasi-static thermo-mechanical model, Austin, Texas (2016).
[33] M.F. Zaeh, G. Branner, Investigations on residual stresses and deformations in selective laser
melting, Production Engineering 4(1) (2010) 35-45.
[34] C. Li, C. Fu, Y. Guo, F. Fang, A multiscale modeling approach for fast prediction of part
distortion in selective laser melting, Journal of Materials Processing Technology 229 (2016) 703-
712.
[35] C. Li, Z. Liu, X. Fang, Y. Guo, On the Simulation Scalability of Predicting Residual Stress
and Distortion in Selective Laser Melting, Journal of Manufacturing Science and Engineering
140(4) (2018) 041013.
[36] S. Afazov, W.A. Denmark, B.L. Toralles, A. Holloway, A. Yaghi, Distortion Prediction and
Compensation in Selective Laser Melting, Additive Manufacturing 17 (2017) 15-22.
[37] Y. Lee, W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of
nickel-base superalloy fabricated by laser powder bed fusion, Additive Manufacturing 12 (2016)
178-188.
[38] L. Scime, J. Beuth, A multi-scale convolutional neural network for autonomous anomaly
detection and classification in a laser powder bed fusion additive manufacturing process, Additive
Manufacturing 24 (2018) 273-286.
[39] L. Scime, J. Beuth, Using machine learning to identify in-situ melt pool signatures indicative
of flaw formation in a laser powder bed fusion additive manufacturing process, Additive
Manufacturing 25 (2019) 151-165.
[40] X. Xie, J. Bennett, S. Saha, Y. Lu, J. Cao, W.K. Liu, Z. Gan, Mechanistic data-driven
prediction of as-built mechanical properties in metal additive manufacturing, npj Computational
Materials 7(1) (2021) 1-12.
[41] C. Wang, X. Tan, S. Tor, C. Lim, Machine learning in additive manufacturing: State-of-theart and perspectives, Additive Manufacturing (2020) 101538.
[42] J. Li, R. Jin, Z.Y. Hang, Integration of physically-based and data-driven approaches for
thermal field prediction in additive manufacturing, Materials & Design 139 (2018) 473-485.
[43] M. Mozaffar, A. Paul, R. Al-Bahrani, S. Wolff, A. Choudhary, A. Agrawal, K. Ehmann, J.
Cao, Data-driven prediction of the high-dimensional thermal history in directed energy deposition
processes via recurrent neural networks, Manufacturing letters 18 (2018) 35-39.
[44] A. Paul, M. Mozaffar, Z. Yang, W.-k. Liao, A. Choudhary, J. Cao, A. Agrawal, A real-time
iterative machine learning approach for temperature profile prediction in additive manufacturing
processes, 2019 IEEE International Conference on Data Science and Advanced Analytics (DSAA),
IEEE, 2019, pp. 541-550.
[45] S. Clijsters, T. Craeghs, J.-P. Kruth, A priori process parameter adjustment for SLM process
optimization, Innovative developments on virtual and physical prototyping, Taylor & Francis
Group., 2012, pp. 553-560.
[46] R. Mertens, S. Clijsters, K. Kempen, J.-P. Kruth, Optimization of scan strategies in selective
laser melting of aluminum parts with downfacing areas, Journal of Manufacturing Science and
Engineering 136(6) (2014) 061012.
[47] J.-P. Kruth, J. Deckers, E. Yasa, R. Wauthlé, Assessing and comparing influencing factors of
residual stresses in selective laser melting using a novel analysis method, Proceedings of the
institution of mechanical engineers, Part B: Journal of Engineering Manufacture 226(6) (2012)
980-991.
[48] Y. Lu, S. Wu, Y. Gan, T. Huang, C. Yang, L. Junjie, J. Lin, Study on the microstructure,
mechanical property and residual stress of SLM Inconel-718 alloy manufactured by differing
island scanning strategy, Optics & Laser Technology 75 (2015) 197-206.
[49] E. Foroozmehr, R. Kovacevic, Effect of path planning on the laser powder deposition process:
thermal and structural evaluation, The International Journal of Advanced Manufacturing
Technology 51(5-8) (2010) 659-669.
[50] L.H. Ahmed Hussein, Chunze Yan, Richard Everson, Finite element simulation of the
temperature and stress fields in single layers built without-support in selective laser melting,
Materials and Design (2013).
[51] J.-P. Kruth, M. Badrossamay, E. Yasa, J. Deckers, L. Thijs, J. Van Humbeeck, Part and
material properties in selective laser melting of metals, Proceedings of the 16th international
symposium on electromachining, 2010, pp. 1-12.
[52] L. Thijs, K. Kempen, J.-P. Kruth, J. Van Humbeeck, Fine-structured aluminium products with
controllable texture by selective laser melting of pre-alloyed AlSi10Mg powder, Acta Materialia
61(5) (2013) 1809-1819.
[53] D. Ding, Z.S. Pan, D. Cuiuri, H. Li, A tool-path generation strategy for wire and arc additive
manufacturing, The international journal of advanced manufacturing technology 73(1-4) (2014)
173-183.
[54] B.E. Carroll, T.A. Palmer, A.M. Beese, Anisotropic tensile behavior of Ti–6Al–4V
components fabricated with directed energy deposition additive manufacturing, Acta Materialia
87 (2015) 309-320.
[55] D. Ding, Z. Pan, D. Cuiuri, H. Li, A practical path planning methodology for wire and arc
additive manufacturing of thin-walled structures, Robotics and Computer-Integrated
Manufacturing 34 (2015) 8-19.
[56] D. Ding, Z. Pan, D. Cuiuri, H. Li, S. van Duin, N. Larkin, Bead modelling and implementation
of adaptive MAT path in wire and arc additive manufacturing, Robotics and Computer-Integrated
Manufacturing 39 (2016) 32-42.
[57] R. Ponche, O. Kerbrat, P. Mognol, J.-Y. Hascoet, A novel methodology of design for Additive
Manufacturing applied to Additive Laser Manufacturing process, Robotics and ComputerIntegrated Manufacturing 30(4) (2014) 389-398.
[58] D.E. Smith, R. Hoglund, Continuous fiber angle topology optimization for polymer fused
fillament fabrication, Annu. Int. Solid Free. Fabr. Symp. Austin, TX, 2016.
[59] J. Liu, J. Liu, H. Yu, H. Yu, Concurrent deposition path planning and structural topology
optimization for additive manufacturing, Rapid Prototyping Journal 23(5) (2017) 930-942.
[60] Q. Xia, T. Shi, Optimization of composite structures with continuous spatial variation of fiber
angle through Shepard interpolation, Composite Structures 182 (2017) 273-282.
[61] C. Kiyono, E. Silva, J. Reddy, A novel fiber optimization method based on normal distribution
function with continuously varying fiber path, Composite Structures 160 (2017) 503-515.
[62] C.J. Brampton, K.C. Wu, H.A. Kim, New optimization method for steered fiber composites
using the level set method, Structural and Multidisciplinary Optimization 52(3) (2015) 493-505.
[63] J. Liu, A.C. To, Deposition path planning-integrated structural topology optimization for 3D
additive manufacturing subject to self-support constraint, Computer-Aided Design 91 (2017) 27-
45.
[64] H. Shen, J. Fu, Z. Chen, Y. Fan, Generation of offset surface for tool path in NC machining
through level set methods, The International Journal of Advanced Manufacturing Technology
46(9-12) (2010) 1043-1047.
[65] C. Zhuang, Z. Xiong, H. Ding, High speed machining tool path generation for pockets using
level sets, International Journal of Production Research 48(19) (2010) 5749-5766.
[66] K.C. Mills, Recommended values of thermophysical properties for selected commercial
alloys, Woodhead Publishing2002.
[67] S.S. Sih, J.W. Barlow, The prediction of the emissivity and thermal conductivity of powder
beds, Particulate Science and Technology 22(4) (2004) 427-440.
[68] L. Dong, A. Makradi, S. Ahzi, Y. Remond, Three-dimensional transient finite element
analysis of the selective laser sintering process, Journal of materials processing technology 209(2)
(2009) 700-706.
[69] J.J. Beaman, J.W. Barlow, D.L. Bourell, R.H. Crawford, H.L. Marcus, K.P. McAlea, Solid
freeform fabrication: a new direction in manufacturing, Kluwer Academic Publishers, Norwell,
MA 2061 (1997) 25-49.
[70] G. Bugeda Miguel Cervera, G. Lombera, Numerical prediction of temperature and density
distributions in selective laser sintering processes, Rapid Prototyping Journal 5(1) (1999) 21-26.
[71] T. Mukherjee, W. Zhang, T. DebRoy, An improved prediction of residual stresses and
distortion in additive manufacturing, Computational Materials Science 126 (2017) 360-372.
[72] A.J. Dunbar, E.R. Denlinger, M.F. Gouge, P. Michaleris, Experimental validation of finite
element modeling for laser powderbed fusion deformation, Additive Manufacturing 12 (2016)
108-120.
[73] J. Goldak, A. Chakravarti, M. Bibby, A new finite element model for welding heat sources,
Metallurgical and Materials Transactions B 15(2) (1984) 299-305.
[74] J. Liu, Q. Chen, Y. Zhao, W. Xiong, A. To, Quantitative Texture Prediction of Epitaxial
Columnar Grains in Alloy 718 Processed by Additive Manufacturing, Proceedings of the 9th
International Symposium on Superalloy 718 & Derivatives: Energy, Aerospace, and Industrial
Applications, Springer, 2018, pp. 749-755.
[75] J. Irwin, P. Michaleris, A line heat input model for additive manufacturing, Journal of
Manufacturing Science and Engineering 138(11) (2016) 111004.
[76] M. Gouge, J. Heigel, P. Michaleris, T. Palmer, Modeling forced convection in the thermal
simulation of laser cladding processes, International Journal of Advanced Manufacturing
Technology 79 (2015).
[77] J. Heigel, P. Michaleris, E. Reutzel, Thermo-mechanical model development and validation
of directed energy deposition additive manufacturing of Ti–6Al–4V, Additive manufacturing 5
(2015) 9-19.
[78] E.R. Denlinger, J.C. Heigel, P. Michaleris, Residual stress and distortion modeling of electron
beam direct manufacturing Ti-6Al-4V, Proceedings of the Institution of Mechanical Engineers,
Part B: Journal of Engineering Manufacture 229(10) (2015) 1803-1813.
[79] X. Liang, Q. Chen, L. Cheng, Q. Yang, A. To, A modified inherent strain method for fast
prediction of residual deformation in additive manufacturing of metal parts, 2017 Solid Freeform
Fabrication Symposium Proceedings, Austin, Texas, 2017.
[80] X. Liang, L. Cheng, Q. Chen, Q. Yang, A. To, A Modified Method for Estimating Inherent
Strains from Detailed Process Simulation for Fast Residual Distortion Prediction of Single-Walled
Structures Fabricated by Directed Energy Deposition, Additive Manufacturing 23 (2018) 471-486.
[81] L. Sochalski-Kolbus, E.A. Payzant, P.A. Cornwell, T.R. Watkins, S.S. Babu, R.R. Dehoff,
M. Lorenz, O. Ovchinnikova, C. Duty, Comparison of residual stresses in Inconel 718 simple parts
made by electron beam melting and direct laser metal sintering, Metallurgical and Materials
Transactions A 46(3) (2015) 1419-1432.
[82] P. Mercelis, J.-P. Kruth, Residual stresses in selective laser sintering and selective laser
melting, Rapid Prototyping Journal 12(5) (2006) 254-265.
[83] N. Hodge, R. Ferencz, J. Solberg, Implementation of a thermomechanical model for the
simulation of selective laser melting, Computational Mechanics 54(1) (2014) 33-51.
[84] A.S. Wu, D.W. Brown, M. Kumar, G.F. Gallegos, W.E. King, An experimental investigation
into additive manufacturing-induced residual stresses in 316L stainless steel, Metallurgical and
Materials Transactions A 45(13) (2014) 6260-6270.
[85] C. Li, J. liu, Y. Guo, Efficient predictive model of part distortion and residual stress in
selective laser melting, Solid Freeform Fabrication 2016, 2017.
[86] Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka, A. Chiba, Molten pool behavior and
effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a
biomedical Co-Cr-Mo alloy, Additive Manufacturing 26 (2019) 202-214.
[87] J.-H. Cho, S.-J. Na, Implementation of real-time multiple reflection and Fresnel absorption of
laser beam in keyhole, Journal of Physics D: Applied Physics 39(24) (2006) 5372.
[88] Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa,
W. Everhart, T. Sun, In-situ characterization and quantification of melt pool variation under
constant input energy density in laser powder-bed fusion additive manufacturing process, Additive
Manufacturing (2019).
[89] E. Assuncao, S. Williams, D. Yapp, Interaction time and beam diameter effects on the
conduction mode limit, Optics and Lasers in Engineering 50(6) (2012) 823-828.
[90] R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, A.D. Rollett,
Keyhole threshold and morphology in laser melting revealed by ultrahigh-speed x-ray imaging,
Science 363(6429) (2019) 849-852.
[91] W. Tan, N.S. Bailey, Y.C. Shin, Investigation of keyhole plume and molten pool based on a
three-dimensional dynamic model with sharp interface formulation, Journal of Physics D: Applied
Physics 46(5) (2013) 055501.
[92] W. Tan, Y.C. Shin, Analysis of multi-phase interaction and its effects on keyhole dynamics
with a multi-physics numerical model, Journal of Physics D: Applied Physics 47(34) (2014)
345501.
[93] R. Fabbro, K. Chouf, Keyhole modeling during laser welding, Journal of applied Physics
87(9) (2000) 4075-4083.
[94] Q. Guo, C. Zhao, M. Qu, L. Xiong, S.M.H. Hojjatzadeh, L.I. Escano, N.D. Parab, K. Fezzaa,
T. Sun, L. Chen, In-situ full-field mapping of melt flow dynamics in laser metal additive
manufacturing, Additive Manufacturing 31 (2020) 100939.
[95] Y. Ueda, K. Fukuda, K. Nakacho, S. Endo, A new measuring method of residual stresses with
the aid of finite element method and reliability of estimated values, Journal of the Society of Naval
Architects of Japan 1975(138) (1975) 499-507.
[96] M.R. Hill, D.V. Nelson, The inherent strain method for residual stress determination and its
application to a long welded joint, ASME-PUBLICATIONS-PVP 318 (1995) 343-352.
[97] H. Murakawa, Y. Luo, Y. Ueda, Prediction of welding deformation and residual stress by
elastic FEM based on inherent strain, Journal of the society of Naval Architects of Japan 1996(180)
(1996) 739-751.
[98] M. Yuan, Y. Ueda, Prediction of residual stresses in welded T-and I-joints using inherent
strains, Journal of Engineering Materials and Technology, Transactions of the ASME 118(2)
(1996) 229-234.
[99] L. Zhang, P. Michaleris, P. Marugabandhu, Evaluation of applied plastic strain methods for
welding distortion prediction, Journal of Manufacturing Science and Engineering 129(6) (2007)
1000-1010.
[100] M. Bugatti, Q. Semeraro, Limitations of the Inherent Strain Method in Simulating Powder
Bed Fusion Processes, Additive Manufacturing 23 (2018) 329-346.
[101] L. Cheng, X. Liang, J. Bai, Q. Chen, J. Lemon, A. To, On Utilizing Topology Optimization
to Design Support Structure to Prevent Residual Stress Induced Build Failure in Laser Powder Bed
Metal Additive Manufacturing, Additive Manufacturing (2019).
[102] Q. Chen, X. Liang, D. Hayduke, J. Liu, L. Cheng, J. Oskin, R. Whitmore, A.C. To, An
inherent strain based multiscale modeling framework for simulating part-scale residual
deformation for direct metal laser sintering, Additive Manufacturing 28 (2019) 406-418.
[103] S. Osher, J.A. Sethian, Fronts propagating with curvature-dependent speed: algorithms based
on Hamilton-Jacobi formulations, Journal of computational physics 79(1) (1988) 12-49.
[104] M.Y. Wang, X. Wang, D. Guo, A level set method for structural topology optimization,
Computer methods in applied mechanics and engineering 192(1) (2003) 227-246.
[105] G. Allaire, F. Jouve, A.-M. Toader, Structural optimization using sensitivity analysis and a
level-set method, Journal of computational physics 194(1) (2004) 363-393.
[106] Y. Wang, Z. Luo, Z. Kang, N. Zhang, A multi-material level set-based topology and shape
optimization method, Computer Methods in Applied Mechanics and Engineering 283 (2015)
1570-1586.
[107] P. Dunning, C. Brampton, H. Kim, Simultaneous optimisation of structural topology and
material grading using level set method, Materials Science and Technology 31(8) (2015) 884-894.
[108] P. Liu, Y. Luo, Z. Kang, Multi-material topology optimization considering interface
behavior via XFEM and level set method, Computer methods in applied mechanics and
engineering 308 (2016) 113-133.
[109] J. Liu, Q. Chen, Y. Zheng, R. Ahmad, J. Tang, Y. Ma, Level set-based heterogeneous object
modeling and optimization, Computer-Aided Design (2019).
[110] J. Liu, Q. Chen, X. Liang, A.C. To, Manufacturing cost constrained topology optimization
for additive manufacturing, Frontiers of Mechanical Engineering 14(2) (2019) 213-221.
[111] Z. Kang, Y. Wang, Integrated topology optimization with embedded movable holes based
on combined description by material density and level sets, Computer methods in applied
mechanics and engineering 255 (2013) 1-13.
[112] P.D. Dunning, H. Alicia Kim, A new hole insertion method for level set based structural
topology optimization, International Journal for Numerical Methods in Engineering 93(1) (2013)
118-134.
[113] J.A. Sethian, A fast marching level set method for monotonically advancing fronts,
Proceedings of the National Academy of Sciences 93(4) (1996) 1591-1595.
[114] J.A. Sethian, Level set methods and fast marching methods: evolving interfaces in
computational geometry, fluid mechanics, computer vision, and materials science, Cambridge
university press1999.
[115] C. Le, J. Norato, T. Bruns, C. Ha, D. Tortorelli, Stress-based topology optimization for
continua, Structural and Multidisciplinary Optimization 41(4) (2010) 605-620.
[116] A. Takezawa, G.H. Yoon, S.H. Jeong, M. Kobashi, M. Kitamura, Structural topology
optimization with strength and heat conduction constraints, Computer Methods in Applied
Mechanics and Engineering 276 (2014) 341-361.
[117] S. Hochreiter, J. Schmidhuber, Long short-term memory, Neural computation 9(8) (1997)
1735-1780.
[118] A. Krizhevsky, I. Sutskever, G.E. Hinton, Imagenet classification with deep convolutional
neural networks, Advances in neural information processing systems 25 (2012) 1097-1105.
[119] K. Simonyan, A. Zisserman, Very deep convolutional networks for large-scale image
recognition, arXiv preprint arXiv:1409.1556 (2014).
[120] K. He, X. Zhang, S. Ren, J. Sun, Deep residual learning for image recognition, Proceedings
of the IEEE conference on computer vision and pattern recognition, 2016, pp. 770-778.
[121] O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A.
Khosla, M. Bernstein, Imagenet large scale visual recognition challenge, International journal of
computer vision 115(3) (2015) 211-252.
[122] S. Ren, K. He, R. Girshick, J. Sun, Faster r-cnn: Towards real-time object detection with
region proposal networks, Advances in neural information processing systems 28 (2015) 91-99.
[123] E.J. Schwalbach, S.P. Donegan, M.G. Chapman, K.J. Chaput, M.A. Groeber, A discrete
source model of powder bed fusion additive manufacturing thermal history, Additive
Manufacturing 25 (2019) 485-498.
[124] D.G. Duffy, Green’s functions with applications, Chapman and Hall/CRC2015.
[125] J. Martínez-Frutos, D. Herrero-Pérez, Efficient matrix-free GPU implementation of fixed
grid finite element analysis, Finite Elements in Analysis and Design 104 (2015) 61-71.
[126] F. Dugast, P. Apostolou, A. Fernandez, W. Dong, Q. Chen, S. Strayer, R. Wicker, A.C. To,
Part-scale thermal process modeling for laser powder bed fusion with matrix-free method and GPU
computing, Additive Manufacturing 37 (2021) 101732.
[127] A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A.N. Gomez, Ł. Kaiser, I.
Polosukhin, Attention is all you need, Advances in neural information processing systems, 2017,
pp. 5998-6008.
[128] J. Devlin, M.-W. Chang, K. Lee, K. Toutanova, Bert: Pre-training of deep bidirectional
transformers for language understanding, arXiv preprint arXiv:1810.04805 (2018).

Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling

Laser Powder Bed에서 Laser Drilling에 의한 Keyhole 형성 Ti6Al4V 생체 의학 합금의 융합: 메조스코픽 전산유체역학 시뮬레이션 대 경험적 검증을 사용한 수학적 모델링

Keyhole Formation by Laser Drilling in Laser Powder Bed Fusion of Ti6Al4V Biomedical Alloy: Mesoscopic Computational Fluid Dynamics Simulation versus Mathematical Modelling Using Empirical Validation

Asif Ur Rehman 1,2,3,*
,† , Muhammad Arif Mahmood 4,*
,† , Fatih Pitir 1
, Metin Uymaz Salamci 2,3
,
Andrei C. Popescu 4 and Ion N. Mihailescu 4

Abstract

LPBF(Laser Powder Bed fusion) 공정에서 작동 조건은 열 분포를 기반으로 레이저 유도 키홀 영역을 결정하는 데 필수적입니다. 얕은 구멍과 깊은 구멍으로 분류되는 이러한 영역은 LPBF 프로세스에서 확률과 결함 형성 강도를 제어합니다.

LPBF 프로세스의 핵심 구멍을 연구하고 제어하기 위해 수학적 및 CFD(전산 유체 역학) 모델이 제공됩니다. CFD의 경우 이산 요소 모델링 기법을 사용한 유체 체적 방법이 사용되었으며, 분말 베드 보이드 및 표면에 의한 레이저 빔 흡수를 포함하여 수학적 모델이 개발되었습니다.

동적 용융 풀 거동을 자세히 살펴봅니다. 실험적, CFD 시뮬레이션 및 분석적 컴퓨팅 결과 간에 정량적 비교가 수행되어 좋은 일치를 얻습니다.

LPBF에서 레이저 조사 영역 주변의 온도는 높은 내열성과 분말 입자 사이의 공기로 인해 분말층 주변에 비해 급격히 상승하여 레이저 횡방향 열파의 이동이 느려집니다. LPBF에서 키홀은 에너지 밀도에 의해 제어되는 얕고 깊은 키홀 모드로 분류될 수 있습니다. 에너지 밀도를 높이면 얕은 키홀 구멍 모드가 깊은 키홀 구멍 모드로 바뀝니다.

깊은 키홀 구멍의 에너지 밀도는 다중 반사와 키홀 구멍 내의 2차 반사 빔의 집중으로 인해 더 높아져 재료가 빠르게 기화됩니다.

깊은 키홀 구멍 모드에서는 온도 분포가 높기 때문에 액체 재료가 기화 온도에 가까우므로 얕은 키홀 구멍보다 구멍이 형성될 확률이 훨씬 높습니다. 온도가 급격히 상승하면 재료 밀도가 급격히 떨어지므로 비열과 융해 잠열로 인해 유체 부피가 증가합니다.

그 대가로 표면 장력을 낮추고 용융 풀 균일성에 영향을 미칩니다.

In the laser powder bed fusion (LPBF) process, the operating conditions are essential in determining laser-induced keyhole regimes based on the thermal distribution. These regimes, classified into shallow and deep keyholes, control the probability and defects formation intensity in the LPBF process. To study and control the keyhole in the LPBF process, mathematical and computational fluid dynamics (CFD) models are presented. For CFD, the volume of fluid method with the discrete element modeling technique was used, while a mathematical model was developed by including the laser beam absorption by the powder bed voids and surface. The dynamic melt pool behavior is explored in detail. Quantitative comparisons are made among experimental, CFD simulation and analytical computing results leading to a good correspondence. In LPBF, the temperature around the laser irradiation zone rises rapidly compared to the surroundings in the powder layer due to the high thermal resistance and the air between the powder particles, resulting in a slow travel of laser transverse heat waves. In LPBF, the keyhole can be classified into shallow and deep keyhole mode, controlled by the energy density. Increasing the energy density, the shallow keyhole mode transforms into the deep keyhole mode. The energy density in a deep keyhole is higher due to the multiple reflections and concentrations of secondary reflected beams within the keyhole, causing the material to vaporize quickly. Due to an elevated temperature distribution in deep keyhole mode, the probability of pores forming is much higher than in a shallow keyhole as the liquid material is close to the vaporization temperature. When the temperature increases rapidly, the material density drops quickly, thus, raising the fluid volume due to the specific heat and fusion latent heat. In return, this lowers the surface tension and affects the melt pool uniformity.

Keywords: laser powder bed fusion; computational fluid dynamics; analytical modelling; shallow
and deep keyhole modes; experimental correlation

Figure 1. Powder bed schematic with voids.
Figure 1. Powder bed schematic with voids.
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling
Figure 3. Temperature field contour formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 3. Temperature field contour formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 4. Detailed view of shallow depth melt mode with temperature field at 0.695 ms
Figure 4. Detailed view of shallow depth melt mode with temperature field at 0.695 ms
Figure 5. Melt flow stream traces formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 5. Melt flow stream traces formation at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 6. Density evolution of the melt pool at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 6. Density evolution of the melt pool at various time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms.
Figure 7. Un-melted and melted regions at different time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 7. Un-melted and melted regions at different time intervals (a) 0.695 ms, (b) 0.795 ms, (c) 0.995 ms and (d) 1.3 ms
Figure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from (a) 170 W to (b) 200 W
Figure 8. Transformation from shallow depth melt flow to deep keyhole formation when laser power increased from (a) 170 W to (b) 200 W
Figure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow mode
Figure 9. Stream traces and laser beam multiple reflections in deep keyhole melt flow mode
Figure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep keyhole formation
Figure 10. A comparison between analytical and CFD simulation results for peak thermal distribution value in the deep keyhole formation
Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width
Figure 11. A comparison among experiments [49], CFD and analytical simulations for deep keyhole top width and bottom width

References

  1. Kok, Y.; Tan, X.P.; Wang, P.; Nai, M.L.S.; Loh, N.H.; Liu, E.; Tor, S.B. Anisotropy and heterogeneity of microstructure and
    mechanical properties in metal additive manufacturing: A critical review. Mater. Des. 2018, 139, 565–586. [CrossRef]
  2. Ansari, P.; Salamci, M.U. On the selective laser melting based additive manufacturing of AlSi10Mg: The process parameter
    investigation through multiphysics simulation and experimental validation. J. Alloys Compd. 2022, 890, 161873. [CrossRef]
  3. Guo, N.; Leu, M.C. Additive manufacturing: Technology, applications and research needs. Front. Mech. Eng. 2013, 8, 215–243.
    [CrossRef]
  4. Mohsin Raza, M.; Lo, Y.L. Experimental investigation into microstructure, mechanical properties, and cracking mechanism of
    IN713LC processed by laser powder bed fusion. Mater. Sci. Eng. A 2021, 819, 141527. [CrossRef]
  5. Dezfoli, A.R.A.; Lo, Y.L.; Raza, M.M. Prediction of Epitaxial Grain Growth in Single-Track Laser Melting of IN718 Using Integrated
    Finite Element and Cellular Automaton Approach. Materials 2021, 14, 5202. [CrossRef]
  6. Tiwari, S.K.; Pande, S.; Agrawal, S.; Bobade, S.M. Selection of selective laser sintering materials for different applications. Rapid
    Prototyp. J. 2015, 21, 630–648. [CrossRef]
  7. Liu, F.H. Synthesis of bioceramic scaffolds for bone tissue engineering by rapid prototyping technique. J. Sol-Gel Sci. Technol.
    2012, 64, 704–710. [CrossRef]
  8. Ur Rehman, A.; Sglavo, V.M. 3D printing of geopolymer-based concrete for building applications. Rapid Prototyp. J. 2020, 26,
    1783–1788. [CrossRef]
  9. Ur Rehman, A.; Sglavo, V.M. 3D printing of Portland cement-containing bodies. Rapid Prototyp. J. 2021. ahead of print. [CrossRef]
  10. Popovich, A.; Sufiiarov, V. Metal Powder Additive Manufacturing. In New Trends in 3D Printing; InTech: Rijeka, Croatia, 2016.
  11. Jia, T.; Zhang, Y.; Chen, J.K.; He, Y.L. Dynamic simulation of granular packing of fine cohesive particles with different size
    distributions. Powder Technol. 2012, 218, 76–85. [CrossRef]
  12. Ansari, P.; Ur Rehman, A.; Pitir, F.; Veziroglu, S.; Mishra, Y.K.; Aktas, O.C.; Salamci, M.U. Selective Laser Melting of 316L
    Austenitic Stainless Steel: Detailed Process Understanding Using Multiphysics Simulation and Experimentation. Metals 2021,
    11, 1076. [CrossRef]
  13. Ur Rehman, A.; Tingting, L.; Liao, W. 4D Printing; Printing Ceramics from Metals with Selective Oxidation. Patent No.
    W0/2019/052128, 21 March 2019.
  14. Ullah, A.; Wu, H.; Ur Rehman, A.; Zhu, Y.; Liu, T.; Zhang, K. Influence of laser parameters and Ti content on the surface
    morphology of L-PBF fabricated Titania. Rapid Prototyp. J. 2021, 27, 71–80. [CrossRef]
  15. Ur Rehman, A. Additive Manufacturing of Ceramic Materials and Combinations with New Laser Strategies. Master’s Thesis,
    Nanjing University of Science and Technology, Nanjing, China, 2017.
  16. Wong, K.V.; Hernandez, A. A Review of Additive Manufacturing. ISRN Mech. Eng. 2012, 2012, 1–10. [CrossRef]
  17. Körner, C. Additive manufacturing of metallic components by selective electron beam melting—A review. Int. Mater. Rev. 2016,
    61, 361–377. [CrossRef]
  18. Fayazfar, H.; Salarian, M.; Rogalsky, A.; Sarker, D.; Russo, P.; Paserin, V.; Toyserkani, E. A critical review of powder-based additive
    manufacturing of ferrous alloys: Process parameters, microstructure and mechanical properties. Mater. Des. 2018, 144, 98–128.
    [CrossRef]
  19. Everton, S.K.; Hirsch, M.; Stavroulakis, P.I.; Leach, R.K.; Clare, A.T. Review of in-situ process monitoring and in-situ metrology
    for metal additive manufacturing. Mater. Des. 2016, 95, 431–445. [CrossRef]
  20. Sing, S.L.; An, J.; Yeong, W.Y.; Wiria, F.E. Laser and electron-beam powder-bed additive manufacturing of metallic implants: A
    review on processes, materials and designs. J. Orthop. Res. 2016, 34, 369–385. [CrossRef] [PubMed]
  21. Olakanmi, E.O.; Cochrane, R.F.; Dalgarno, K.W. A review on selective laser sintering/melting (SLS/SLM) of aluminium alloy
    powders: Processing, microstructure, and properties. Prog. Mater. Sci. 2015, 74, 401–477. [CrossRef]
  22. Mahmood, M.A.; Popescu, A.C.; Hapenciuc, C.L.; Ristoscu, C.; Visan, A.I.; Oane, M.; Mihailescu, I.N. Estimation of clad geometry
    and corresponding residual stress distribution in laser melting deposition: Analytical modeling and experimental correlations.
    Int. J. Adv. Manuf. Technol. 2020, 111, 77–91. [CrossRef]
  23. Mahmood, M.A.; Popescu, A.C.; Oane, M.; Ristoscu, C.; Chioibasu, D.; Mihai, S.; Mihailescu, I.N. Three-jet powder flow
    and laser–powder interaction in laser melting deposition: Modelling versus experimental correlations. Metals 2020, 10, 1113.
    [CrossRef]
  24. King, W.; Anderson, A.T.; Ferencz, R.M.; Hodge, N.E.; Kamath, C.; Khairallah, S.A. Overview of modelling and simulation of
    metal powder bed fusion process at Lawrence Livermore National Laboratory. Mater. Sci. Technol. 2015, 31, 957–968. [CrossRef]
  1. Gong, H.; Rafi, K.; Gu, H.; Starr, T.; Stucker, B. Analysis of defect generation in Ti-6Al-4V parts made using powder bed fusion
    additive manufacturing processes. Addit. Manuf. 2014, 1, 87–98. [CrossRef]
  2. Frazier, W.E. Metal additive manufacturing: A review. J. Mater. Eng. Perform. 2014, 23, 1917–1928. [CrossRef]
  3. Panwisawas, C.; Qiu, C.L.; Sovani, Y.; Brooks, J.W.; Attallah, M.M.; Basoalto, H.C. On the role of thermal fluid dynamics into the
    evolution of porosity during selective laser melting. Scr. Mater. 2015, 105, 14–17. [CrossRef]
  4. Yan, W.; Ge, W.; Qian, Y.; Lin, S.; Zhou, B.; Liu, W.K.; Lin, F.; Wagner, G.J. Multi-physics modeling of single/multiple-track defect
    mechanisms in electron beam selective melting. Acta Mater. 2017, 134, 324–333. [CrossRef]
  5. Qian, Y.; Yan, W.; Lin, F. Parametric study and surface morphology analysis of electron beam selective melting. Rapid Prototyp. J.
    2018, 24, 1586–1598. [CrossRef]
  6. Panwisawas, C.; Perumal, B.; Ward, R.M.; Turner, N.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C. Keyhole formation and thermal
    fluid flow-induced porosity during laser fusion welding in titanium alloys: Experimental and modelling. Acta Mater. 2017, 126,
    251–263. [CrossRef]
  7. King, W.E.; Barth, H.D.; Castillo, V.M.; Gallegos, G.F.; Gibbs, J.W.; Hahn, D.E.; Kamath, C.; Rubenchik, A.M. Observation of
    keyhole-mode laser melting in laser powder-bed fusion additive manufacturing. J. Mater. Process. Technol. 2014, 214, 2915–2925.
    [CrossRef]
  8. Panwisawas, C.; Sovani, Y.; Turner, R.P.; Brooks, J.W.; Basoalto, H.C.; Choquet, I. Modelling of thermal fluid dynamics for fusion
    welding. J. Mater. Process. Technol. 2018, 252, 176–182. [CrossRef]
  9. Martin, A.A.; Calta, N.P.; Hammons, J.A.; Khairallah, S.A.; Nielsen, M.H.; Shuttlesworth, R.M.; Sinclair, N.; Matthews, M.J.;
    Jeffries, J.R.; Willey, T.M.; et al. Ultrafast dynamics of laser-metal interactions in additive manufacturing alloys captured by in situ
    X-ray imaging. Mater. Today Adv. 2019, 1, 100002. [CrossRef]
  10. Cunningham, R.; Zhao, C.; Parab, N.; Kantzos, C.; Pauza, J.; Fezzaa, K.; Sun, T.; Rollett, A.D. Keyhole threshold and morphology
    in laser melting revealed by ultrahigh-speed x-ray imaging. Science 2019, 363, 849–852. [CrossRef] [PubMed]
  11. Tang, C.; Tan, J.L.; Wong, C.H. A numerical investigation on the physical mechanisms of single track defects in selective laser
    melting. Int. J. Heat Mass Transf. 2018, 126, 957–968. [CrossRef]
  12. Mirkoohi, E.; Ning, J.; Bocchini, P.; Fergani, O.; Chiang, K.-N.; Liang, S. Thermal Modeling of Temperature Distribution in Metal
    Additive Manufacturing Considering Effects of Build Layers, Latent Heat, and Temperature-Sensitivity of Material Properties. J.
    Manuf. Mater. Process. 2018, 2, 63. [CrossRef]
  13. Oane, M.; Sporea, D. Temperature profiles modeling in IR optical components during high power laser irradiation. Infrared Phys.
    Technol. 2001, 42, 31–40. [CrossRef]
  14. Cleary, P.W.; Sawley, M.L. DEM modelling of industrial granular flows: 3D case studies and the effect of particle shape on hopper
    discharge. Appl. Math. Model. 2002, 26, 89–111. [CrossRef]
  15. Parteli, E.J.R.; Pöschel, T. Particle-based simulation of powder application in additive manufacturing. Powder Technol. 2016, 288,
    96–102. [CrossRef]
  16. Cao, L. Numerical simulation of the impact of laying powder on selective laser melting single-pass formation. Int. J. Heat Mass
    Transf. 2019, 141, 1036–1048. [CrossRef]
  17. Tian, Y.; Yang, L.; Zhao, D.; Huang, Y.; Pan, J. Numerical analysis of powder bed generation and single track forming for selective
    laser melting of SS316L stainless steel. J. Manuf. Process. 2020, 58, 964–974. [CrossRef]
  18. Lee, Y.S.; Zhang, W. Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by
    laser powder bed fusion. Addit. Manuf. 2016, 12, 178–188. [CrossRef]
  19. Tang, M.; Pistorius, P.C.; Beuth, J.L. Prediction of lack-of-fusion porosity for powder bed fusion. Addit. Manuf. 2017, 14, 39–48.
    [CrossRef]
  20. Promoppatum, P.; Yao, S.C.; Pistorius, P.C.; Rollett, A.D. A Comprehensive Comparison of the Analytical and Numerical
    Prediction of the Thermal History and Solidification Microstructure of Inconel 718 Products Made by Laser Powder-Bed Fusion.
    Engineering 2017, 3, 685–694. [CrossRef]
  21. Rosenthal, D. Mathematical Theory of Heat Distribution During Welding and Cutting. Weld. J. 1941, 20, 220–234.
  22. Chen, Q.; Zhao, Y.Y.; Strayer, S.; Zhao, Y.Y.; Aoyagi, K.; Koizumi, Y.; Chiba, A.; Xiong, W.; To, A.C. Elucidating the Effect
    of Preheating Temperature on Melt Pool Morphology Variation in Inconel 718 Laser Powder Bed Fusion via Simulation and
    Experiment. Available online: https://www.sciencedirect.com/science/article/pii/S2214860420310149#bb8 (accessed on 30
    April 2021).
  23. Ur Rehman, A.; Pitir, F.; Salamci, M.U. Laser Powder Bed Fusion (LPBF) of In718 and the Impact of Pre-Heating at 500 and
    1000 ◦C: Operando Study. Materials 2021, 14, 6683. [CrossRef] [PubMed]
  24. Ur Rehman, A.; Pitir, F.; Salamci, M.U. Full-Field Mapping and Flow Quantification of Melt Pool Dynamics in Laser Powder Bed
    Fusion of SS316L. Materials 2021, 14, 6264. [CrossRef] [PubMed]
  25. Gong, H.; Gu, H.; Zeng, K.; Dilip, J.J.S.; Pal, D.; Stucker, B.; Christiansen, D.; Beuth, J.; Lewandowski, J.J. Melt Pool Characterization
    for Selective Laser Melting of Ti-6Al-4V Pre-alloyed Powder. In Proceedings of the International Solid Freeform Fabrication
    Symposium, Austin, TX, USA, 10–12 August 2014; 2014; pp. 256–267.
  26. Song, B.; Dong, S.; Liao, H.; Coddet, C. Process parameter selection for selective laser melting of Ti6Al4V based on temperature
    distribution simulation and experimental sintering. Int. J. Adv. Manuf. Technol. 2012, 61, 967–974. [CrossRef]
  27. Guo, Q.; Zhao, C.; Qu, M.; Xiong, L.; Hojjatzadeh, S.M.H.; Escano, L.I.; Parab, N.D.; Fezzaa, K.; Sun, T.; Chen, L. In-situ full-field
  28. mapping of melt flow dynamics in laser metal additive manufacturing. Addit. Manuf. 2020, 31, 100939. [CrossRef]
  29. Messler, J.R.W. Principles of Welding: Processes, Physics, Chemistry, and Metallurgy; John Wiley & Sons: New York, NY, USA, 2008;
  30. ISBN 9783527617494.
  31. Khairallah, S.A.; Anderson, A.T.; Rubenchik, A.M.; King, W.E. Laser powder-bed fusion additive manufacturing: Physics of
  32. complex melt flow and formation mechanisms of pores, spatter, and denudation zones. Acta Mater. 2016, 108, 36–45. [CrossRef]
  33. Ur Rehman, A.; Mahmood, M.A.; Pitir, F.; Salamci, M.U.; Popescu, A.C.; Mihailescu, I.N. Mesoscopic Computational Fluid
  34. Dynamics Modelling for the Laser-Melting Deposition of AISI 304 Stainless Steel Single Tracks with Experimental Correlation: A
  35. Novel Study. Metals 2021, 11, 1569. [CrossRef]
  36. Paul, A.; Debroy, T. Free surface flow and heat transfer in conduction mode laser welding. Metall. Trans. B 1988, 19, 851–858.
  37. [CrossRef]
  38. Aucott, L.; Dong, H.; Mirihanage, W.; Atwood, R.; Kidess, A.; Gao, S.; Wen, S.; Marsden, J.; Feng, S.; Tong, M.; et al. Revealing
  39. internal flow behaviour in arc welding and additive manufacturing of metals. Nat. Commun. 2018, 9, 5414. [CrossRef]
  40. Abderrazak, K.; Bannour, S.; Mhiri, H.; Lepalec, G.; Autric, M. Numerical and experimental study of molten pool formation
  41. during continuous laser welding of AZ91 magnesium alloy. Comput. Mater. Sci. 2009, 44, 858–866. [CrossRef]
  42. Bayat, M.; Thanki, A.; Mohanty, S.; Witvrouw, A.; Yang, S.; Thorborg, J.; Tiedje, N.S.; Hattel, J.H. Keyhole-induced porosities in
  43. Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation. Addit. Manuf. 2019,
  44. 30, 100835. [CrossRef]
Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting

Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting

Metals and Materials International (2021)Cite this article

Abstract

선택적 레이저 용융 동안 CP-Ti의 열 거동을 연구하기 위해 무작위 패킹 분말 베드 모델을 기반으로 하는 메조스코프 시뮬레이션이 설정되었습니다. 레이저와 분말의 상호 작용에 따른 용융 풀의 특성과 레이저 출력이 용융 풀의 열 거동, 유체 역학 및 표면 형태 변화에 미치는 영향을 연구했습니다.

결과는 레이저 출력이 증가함에 따라 최대 온도, 온도 변화율, 용융 풀의 수명 및 크기가 크게 향상되었음을 보여줍니다. 또한 본 연구에서는 이중궤도 하의 용융지의 특성과 열거동을 주로 연구하였다.

두 번째 트랙의 용융 풀의 최대 온도, 수명 및 길이와 너비는 첫 번째 트랙보다 더 높고 레이저 출력이 증가함에 따라 용융 풀에서 두 번째 트랙의 길이 너비 비율이 증가함을 알 수 있습니다. 더 커집니다.

A mesoscopic simulation based on random packing powder bed model was established to study the heat behavior of CP-Ti during selective laser melting. The characteristics of the molten pool under the interaction of laser and powder, and the influence of laser power on the thermal behavior, hydrodynamics and surface morphology evolution of the molten pool were studied. The results show that with the increase of laser power, the maximum temperature, temperature change rate, lifetime of molten pool and size are greatly improved. In addition, the characteristics and heat behavior of the molten pool under the double track are mainly studied in this study. It is found that the maximum temperature, lifetime, and the length and width of the molten pool of the second track are higher than those in the first, and with the increase of laser power, the length width ratio of the second track in molten pool becomes larger.

Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting
Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting

Keywords

  • Additive manufacturing
  • Selective laser melting
  • Numerical simulation
  • Thermal behavior

References

  • 1.D.K. Pattanayak, A. Fukuda, T. Matsushita, M. Takemoto, S. Fujibayashi, K. Sasaki, N. Nishida, T. Nakamura, T. Kokubo, Acta Biomater. 7, 1398 (2011)CAS Article Google Scholar 
  • 2.A.K. Patnaik, N. Poondla, C.C. Menzemer, T.S. Srivatsan, Mater. Sci. Eng. A 590, 390 (2014)CAS Article Google Scholar 
  • 3.D.D. Gu, Y.C. Hagedorn, W. Meiners, G.B. Meng, R.J.S. Batista, K. Wissenbach, R. Poprawe, Acta Mater. 60, 3849 (2012)CAS Article Google Scholar 
  • 4.H. Attar, M. Calin, L.C. Zhang, S. Scudino, J. Eckert, Mater. Sci. Eng. A 593, 170 (2014)CAS Article Google Scholar 
  • 5.J. Shen, B. Chen, J. Umeda, K. Kondoh, Mater. Sci. Eng. A 716, 1 (2018)CAS Article Google Scholar 
  • 6.E. Santos, K. Osakada, M. Shiomi, M. Morita, F. Abe, Fabrication of titanium dental implants by selective laser melting. in Proceedings of the 5th International Symposium on Laser Precision Microfabrication, Nara, 11–14 May 2004
  • 7.C.N. Elias, J.H.C. Lima, R. Valiev, M.A. Meyers, JOM 60, 46 (2008)CAS Article Google Scholar 
  • 8.J.-P. Kruth, G. Levy, F. Klocke, T.H.C. Child, CIRP Ann.-Manuf. Techn. 56, 730 (2007)Article Google Scholar 
  • 9.D.D. Gu, W. Meiners, K. Wissenbach, R. Poprawe, Int. Mater. Rev. 57, 133 (2012)CAS Article Google Scholar 
  • 10.​T. DebRoy, H.L. Wei, J.S. Zuback, T. Mukherjee, J.W. Elmer, J.O. Milewski, A.M. Beese, A. Wilson-Heid, A. De, W. Zhang, Prog. Mater. Sci. 92, 112 (2018)CAS Article Google Scholar 
  • 11.D.D. Gu, H.Q. Wang, G.Q. Zhang, Metall Mater. Trans. A 45, 464 (2014)CAS Article Google Scholar 
  • 12.M. Das, V.K. Balla, D. Basu, S. Bose, A. Bandyopadhyay, Scripta Mater. 63, 438 (2010)CAS Article Google Scholar 
  • 13.X.P. Li, J. Van Humbeeck, J.P. Kruth, Mater. Design 116, 352 (2017)CAS Article Google Scholar 
  • 14.N. Jeyaprakash, C.-H. Yang, K.R. Ramkumar, Met. Mater. Int. (2021). https://doi.org/10.1007/s12540-020-00933-0Article Google Scholar 
  • 15.Y. Li, D. Gu, Addit. Manuf. 1–4, 99 (2014)Google Scholar 
  • 16.P. Lu, M. Wu, X. Liu, W. Duan, J. Han, Met. Mater. Int. 26, 1182 (2020)Google Scholar 
  • 17.B. Schoinochoritis, D. Chantzis, K. Salonitis, P. I. Mech. Eng. B J. Eng. 231, 96 (2014)Article Google Scholar 
  • 18.G.M. Karthik, H.S. Kim, Met. Mater. Int. 27, 1 (2021)CAS Article Google Scholar 
  • 19.W.J. Sames, K.A. Unocic, R.R. Dehof, T. Lolla, S.S. Babu, J. Mater. Res. 29, 1920 (2014)Google Scholar 
  • 20.P.S. Cook, A.B. Murphy, Addit. Manuf. 31, 100909 (2020)Google Scholar 
  • 21.A. Raghavan, H.L. Wei, T.A. Palmer, T. DebRoy, J. Laser. Appl. 25, 052006 (2013)Article CAS Google Scholar 
  • 22.C.-J. Li, T.-W. Tsai, C.-C. Tseng, Phys. Procedia 83, 1444 (2016)CAS Article Google Scholar 
  • 23.C. Panwisawas, C.L. Qiu, Y. Sovani, J.W. Brooks, M.M. Attallah, H.C. Basoalto, Scripta Mater. 105, 14 (2015)CAS Article Google Scholar 
  • 24.M. Markl, C. Körner, Annu. Rev. Mater. Res. 46, 93 (2016)CAS Article Google Scholar 
  • 25.E.J.R. Parteli, T. Pöschel, Powder Technol. 288, 96 (2016)CAS Article Google Scholar 
  • 26.Y.S. Lee, W. Zhang, Modeling of heat transfer, Addit. Manuf. 12, 178 (2016)CAS Google Scholar 
  • 27.I. Kovaleva, O. Kovalev, I. Smurov, Phys. Procedia 56, 400 (2014)Article Google Scholar 
  • 28.Y.S. Lee, W. Zhang, Mesoscopic simulation of heat transfer and fluid flow in laser powder bed additive manufacturing. in Proceedings of 26th Solid Freeform Fabrication Symposium, Austin, 10-12 ​August 2015
  • 29.W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, Acta Mater. 134, 324 (2017)CAS Article Google Scholar 
  • 30.I. Yadroitsev, A. Gusarov, I. Yadroitsava, I. Smurov, J. Mater. Process. Tech. 210, 1624 (2010)CAS Article Google Scholar 
  • 31.L. Cao, Int. J. Heat Mass Tran. 141, 1036 (2019)Article Google Scholar 
  • 32.Y. Li, D. Gu, Mater. Design 63, 856 (2014)CAS Article Google Scholar 
  • 33.S. Liu, J. Zhu, H. Zhu, J. Yin, C. Chen, X. Zeng, Opt. Laser Technol. 123, 105924 (2020)Article CAS Google Scholar 
  • 34.Z. Wang, W. Yan, W.K. Liu, M. Liu, Comput. Mech. 63, 649 (2019)Article Google Scholar 
  • 35.C.W. Hirt, B.D. Nichols, J. Comput. Phys. 39, 201 (1981)Article Google Scholar 
  • 36.EDEM, User Guide, DEM Solutions Ltd., Edinburgh, Scotland, UK. Copyright © (2011). http://tm.spbstu.ru/images/2/28/EDEM2.4_user_guide.pdf. Accessed 25 Aug 2021
  • 37.Y. Hu, J. Li, J. Mater. Process. Tech. 249, 426 (2017)CAS Article Google Scholar 
  • 38.H. Hertz, J. Reine Angew. Math. 92, 156 (1881)
  • 39.R.D. Mindlin, J. Appl. Mech. 16, 259 (1949)Article Google Scholar 
  • 40.R.D. Mindlin, H. Deresiewicz, J. Appl. Mech. 20, 327 (1953)Article Google Scholar 
  • 41.Y. Tsuji, T. Tanaka, T. Ishida, Powder Technol. 71, 239 (1992)CAS Article Google Scholar 
  • 42.P.A. Cundall, O.D.L. Strack, Géotechnique 30, 331 (1980)Article Google Scholar 
  • 43.H. Sakaguchi, E. Ozaki, T. Igarashi, Int. J. Mod. Phys. B 7, 1949 (1993)
  • 44.Flow3D: Version 11 0.1.2: User Manual, Flow Science, Santa Fe, NM, USA, (2014)
  • 45.S. Kolossov, E. Boillat, R. Glardon, P. Fischer, M. Locher, Int. J. Mach. Tool. Manu. 44, 117 (2004)Article Google Scholar 
  • 46.V.R. Voller, A.D. Brent, C. Prakash, Int. J. Heat Mass Tran. 32, 1719 (1989)CAS Article Google Scholar 
  • 47.Y.-C. Wu, C.-H. San, C.-H. Chang, H.-J. Lin, R. Marwan, S. Baba, W.-S. Hwang, J. Mater. Process. Tech. 254, 72 (2018)Article Google Scholar 
  • 48.B. Cheng, X. Li, C. Tuile, A. Ilin, H. Willeck, U. Hartel, Multi-physics modeling of single-track scanning in selective laser melting: powder compaction effect. in Proceedings of 29th Annual International Solid Freeform Fabrication Symposium-An Additive Manufacturing Conference, Austin, 13–15 ​August 2018
  • 49.B. Liu, G. Fang, L. Lei, W. Liu, Appl. Math. Model. 79, 506 (2020)Article Google Scholar 
  • 50.S. Lee, J. Kim, J. Choe, S.-W. Kim, J.-K. Hong, Y.S. Choi, Met. Mater. Int. 27, 78 (2021)
  • 51.S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Acta Mater. 108, 36 (2016)CAS Article Google Scholar 
  • 52.K. Dai, L. Shaw, Acta Mater. 53, 4743 (2005)
  • 53.L. Cao, Comp. Mater. Sci. 179, 109686 (2020)CAS Article Google Scholar 
  • 54.W. Yuan, H. Chen, T. Cheng, Q. Wei, Mater. Design 189, 108542 (2020)Article Google Scholar 
  • 55.S.A. Khairallah, A. Anderson, J. Mater. Process. Tech. 214, 2627 (2014)CAS Article Google Scholar 
  • 56.R. Li, J. Liu, Y. Shi, L. Wang, W. Jiang, Int. J. Adv. Manuf. Tech. 59, 1025 (2012)Article Google Scholar 
  • 57.D. Dai, D. Gu, Int. J. Mach. Tool. Manu. 100, 14 (2016)
  • 58.A. Simchi, H. Pohl, Mater. Sci. Eng. A 359, 119 (2003)Article CAS Google Scholar
Fig. 1. (a) Dimensions of the casting with runners (unit: mm), (b) a melt flow simulation using Flow-3D software together with Reilly's model[44], predicted that a large amount of bifilms (denoted by the black particles) would be contained in the final casting. (c) A solidification simulation using Pro-cast software showed that no shrinkage defect was contained in the final casting.

AZ91 합금 주물 내 연행 결함에 대한 캐리어 가스의 영향

Effect of carrier gases on the entrainment defects within AZ91 alloy castings

Tian Liab J.M.T.Daviesa Xiangzhen Zhuc
aUniversity of Birmingham, Birmingham B15 2TT, United Kingdom
bGrainger and Worrall Ltd, Bridgnorth WV15 5HP, United Kingdom
cBrunel Centre for Advanced Solidification Technology, Brunel University London, Kingston Ln, London, Uxbridge UB8 3PH, United Kingdom

Abstract

An entrainment defect (also known as a double oxide film defect or bifilm) acts a void containing an entrapped gas when submerged into a light-alloy melt, thus reducing the quality and reproducibility of the final castings. Previous publications, carried out with Al-alloy castings, reported that this trapped gas could be subsequently consumed by the reaction with the surrounding melt, thus reducing the void volume and negative effect of entrainment defects. Compared with Al-alloys, the entrapped gas within Mg-alloy might be more efficiently consumed due to the relatively high reactivity of magnesium. However, research into the entrainment defects within Mg alloys has been significantly limited. In the present work, AZ91 alloy castings were produced under different carrier gas atmospheres (i.e., SF6/CO2, SF6/air). The evolution processes of the entrainment defects contained in AZ91 alloy were suggested according to the microstructure inspections and thermodynamic calculations. The defects formed in the different atmospheres have a similar sandwich-like structure, but their oxide films contained different combinations of compounds. The use of carrier gases, which were associated with different entrained-gas consumption rates, affected the reproducibility of AZ91 castings.

Keywords

Magnesium alloyCastingOxide film, Bifilm, Entrainment defect, Reproducibility

연행 결함(이중 산화막 결함 또는 이중막 결함이라고도 함)은 경합금 용융물에 잠길 때 갇힌 가스를 포함하는 공극으로 작용하여 최종 주물의 품질과 재현성을 저하시킵니다. Al-합금 주조로 수행된 이전 간행물에서는 이 갇힌 가스가 주변 용융물과의 반응에 의해 후속적으로 소모되어 공극 부피와 연행 결함의 부정적인 영향을 줄일 수 있다고 보고했습니다. Al-합금에 비해 마그네슘의 상대적으로 높은 반응성으로 인해 Mg-합금 내에 포집된 가스가 더 효율적으로 소모될 수 있습니다. 그러나 Mg 합금 내 연행 결함에 대한 연구는 상당히 제한적이었습니다. 현재 작업에서 AZ91 합금 주물은 다양한 캐리어 가스 분위기(즉, SF 6 /CO2 , SF 6 / 공기). AZ91 합금에 포함된 엔트레인먼트 결함의 진화 과정은 미세조직 검사 및 열역학적 계산에 따라 제안되었습니다. 서로 다른 분위기에서 형성된 결함은 유사한 샌드위치 구조를 갖지만 산화막에는 서로 다른 화합물 조합이 포함되어 있습니다. 다른 동반 가스 소비율과 관련된 운반 가스의 사용은 AZ91 주물의 재현성에 영향을 미쳤습니다.

키워드

마그네슘 합금주조Oxide film, Bifilm, Entrainment 불량, 재현성

1 . 소개

지구상에서 가장 가벼운 구조용 금속인 마그네슘은 지난 수십 년 동안 가장 매력적인 경금속 중 하나가 되었습니다. 결과적으로 마그네슘 산업은 지난 20년 동안 급속한 발전을 경험했으며 [1 , 2] , 이는 전 세계적으로 Mg 합금에 대한 수요가 크게 증가했음을 나타냅니다. 오늘날 Mg 합금의 사용은 자동차, 항공 우주, 전자 등의 분야에서 볼 수 있습니다. [3 , 4] . Mg 금속의 전 세계 소비는 특히 자동차 산업에서 앞으로 더욱 증가할 것으로 예측되었습니다. 기존 자동차와 전기 자동차 모두의 에너지 효율성 요구 사항이 설계를 경량화하도록 더욱 밀어붙이기 때문입니다 [3 , 56] .

Mg 합금에 대한 수요의 지속적인 성장은 Mg 합금 주조의 품질 및 기계적 특성 개선에 대한 광범위한 관심을 불러일으켰습니다. Mg 합금 주조 공정 동안 용융물의 표면 난류는 소량의 주변 대기를 포함하는 이중 표면 필름의 포획으로 이어질 수 있으므로 동반 결함(이중 산화막 결함 또는 이중막 결함이라고도 함)을 형성합니다. ) [7] , [8] , [9] , [10] . 무작위 크기, 수량, 방향 및 연행 결함의 배치는 주조 특성의 변화와 관련된 중요한 요인으로 널리 받아들여지고 있습니다 [7] . 또한 Peng et al. [11]AZ91 합금 용융물에 동반된 산화물 필름이 Al 8 Mn 5 입자에 대한 필터 역할을 하여 침전될 때 가두는 것을 발견했습니다 . Mackie et al. [12]는 또한 동반된 산화막이 금속간 입자를 트롤(trawl)하는 작용을 하여 입자가 클러스터링되어 매우 큰 결함을 형성할 수 있다고 제안했습니다. 금속간 화합물의 클러스터링은 비말동반 결함을 주조 특성에 더 해롭게 만들었습니다.

연행 결함에 관한 이전 연구의 대부분은 Al-합금에 대해 수행되었으며 [7 , [13] , [14] , [15] , [16] , [17] , [18] 몇 가지 잠재적인 방법이 제안되었습니다. 알루미늄 합금 주물의 품질에 대한 부정적인 영향을 줄이기 위해. Nyahumwa et al., [16] 은 연행 결함 내의 공극 체적이 열간 등방압 압축(HIP) 공정에 의해 감소될 수 있음을 보여줍니다. Campbell [7] 은 결함 내부의 동반된 가스가 주변 용융물과의 반응으로 인해 소모될 수 있다고 제안했으며, 이는 Raiszedeh와 Griffiths [19]에 의해 추가로 확인되었습니다 ..혼입 가스 소비가 Al-합금 주물의 기계적 특성에 미치는 영향은 [8 , 9]에 의해 조사되었으며 , 이는 혼입 가스의 소비가 주조 재현성의 개선을 촉진함을 시사합니다.

Al-합금 내 결함에 대한 조사와 비교하여 Mg-합금 내 연행 결함에 대한 연구는 상당히 제한적입니다. 연행 결함의 존재는 Mg 합금 주물 [20 , 21] 에서 입증 되었지만 그 거동, 진화 및 연행 가스 소비는 여전히 명확하지 않습니다.

Mg 합금 주조 공정에서 용융물은 일반적으로 마그네슘 점화를 피하기 위해 커버 가스로 보호됩니다. 따라서 모래 또는 매몰 몰드의 공동은 용융물을 붓기 전에 커버 가스로 세척해야 합니다 [22] . 따라서, Mg 합금 주물 내의 연행 가스는 공기만이 아니라 주조 공정에 사용되는 커버 가스를 포함해야 하며, 이는 구조 및 해당 연행 결함의 전개를 복잡하게 만들 수 있습니다.

SF 6 은 Mg 합금 주조 공정에 널리 사용되는 대표적인 커버 가스입니다 [23] , [24] , [25] . 이 커버 가스는 유럽의 마그네슘 합금 주조 공장에서 사용하도록 제한되었지만 상업 보고서에 따르면 이 커버는 전 세계 마그네슘 합금 산업, 특히 다음과 같은 글로벌 마그네슘 합금 생산을 지배한 국가에서 여전히 인기가 있습니다. 중국, 브라질, 인도 등 [26] . 또한, 최근 학술지 조사에서도 이 커버가스가 최근 마그네슘 합금 연구에서 널리 사용된 것으로 나타났다 [27] . SF 6 커버 가스 의 보호 메커니즘 (즉, 액체 Mg 합금과 SF 6 사이의 반응Cover gas)에 대한 연구는 여러 선행연구자들에 의해 이루어졌으나 표면 산화막의 형성과정이 아직 명확하게 밝혀지지 않았으며, 일부 발표된 결과들도 상충되고 있다. 1970년대 초 Fruehling [28] 은 SF 6 아래에 형성된 표면 피막이 주로 미량의 불화물과 함께 MgO 임을 발견 하고 SF 6 이 Mg 합금 표면 피막에 흡수 된다고 제안했습니다 . Couling [29] 은 흡수된 SF 6 이 Mg 합금 용융물과 반응하여 MgF 2 를 형성함을 추가로 확인했습니다 . 지난 20년 동안 아래에 자세히 설명된 것처럼 Mg 합금 표면 필름의 다양한 구조가 보고되었습니다.(1)

단층 필름 . Cashion [30 , 31] 은 X선 광전자 분광법(XPS)과 오제 분광법(AES)을 사용하여 표면 필름을 MgO 및 MgF 2 로 식별했습니다 . 그는 또한 필름의 구성이 두께와 전체 실험 유지 시간에 걸쳐 일정하다는 것을 발견했습니다. Cashion이 관찰한 필름은 10분에서 100분의 유지 시간으로 생성된 단층 구조를 가졌다.(2)

이중층 필름 . Aarstad et. al [32] 은 2003년에 이중층 표면 산화막을 보고했습니다. 그들은 예비 MgO 막에 부착된 잘 분포된 여러 MgF 2 입자를 관찰 하고 전체 표면적의 25-50%를 덮을 때까지 성장했습니다. 외부 MgO 필름을 통한 F의 내부 확산은 진화 과정의 원동력이었습니다. 이 이중층 구조는 Xiong의 그룹 [25 , 33] 과 Shih et al. 도 지지했습니다 . [34] .(삼)

트리플 레이어 필름 . 3층 필름과 그 진화 과정은 Pettersen [35]에 의해 2002년에 보고되었습니다 . Pettersen은 초기 표면 필름이 MgO 상이었고 F의 내부 확산에 의해 점차적으로 안정적인 MgF 2 상 으로 진화한다는 것을 발견했습니다 . 두꺼운 상부 및 하부 MgF 2 층.(4)

산화물 필름은 개별 입자로 구성 됩니다. Wang et al [36] 은 Mg-alloy 표면 필름을 SF 6 커버 가스 하에서 용융물에 교반 한 다음 응고 후 동반된 표면 필름을 검사했습니다. 그들은 동반된 표면 필름이 다른 연구자들이 보고한 보호 표면 필름처럼 계속되지 않고 개별 입자로 구성된다는 것을 발견했습니다. 젊은 산화막은 MgO 나노 크기의 산화물 입자로 구성되어 있는 반면, 오래된 산화막은 한쪽 면에 불화물과 질화물이 포함된 거친 입자(평균 크기 약 1μm)로 구성되어 있습니다.

Mg 합금 용융 표면의 산화막 또는 동반 가스는 모두 액체 Mg 합금과 커버 가스 사이의 반응으로 인해 형성되므로 Mg 합금 표면막에 대한 위에서 언급한 연구는 진화에 대한 귀중한 통찰력을 제공합니다. 연행 결함. 따라서 SF 6 커버 가스 의 보호 메커니즘 (즉, Mg-합금 표면 필름의 형성)은 해당 동반 결함의 잠재적인 복잡한 진화 과정을 나타냅니다.

그러나 Mg 합금 용융물에 표면 필름을 형성하는 것은 용융물에 잠긴 동반된 가스의 소비와 다른 상황에 있다는 점에 유의해야 합니다. 예를 들어, 앞서 언급한 연구에서 표면 성막 동안 충분한 양의 커버 가스가 담지되어 커버 가스의 고갈을 억제했습니다. 대조적으로, Mg 합금 용융물 내의 동반된 가스의 양은 유한하며, 동반된 가스는 완전히 고갈될 수 있습니다. Mirak [37] 은 3.5% SF 6 /기포를 특별히 설계된 영구 금형에서 응고되는 순수한 Mg 합금 용융물에 도입했습니다. 기포가 완전히 소모되었으며, 해당 산화막은 MgO와 MgF 2 의 혼합물임을 알 수 있었다.. 그러나 Aarstad [32] 및 Xiong [25 , 33]에 의해 관찰된 MgF 2 스팟 과 같은 핵 생성 사이트 는 관찰되지 않았습니다. Mirak은 또한 조성 분석을 기반으로 산화막에서 MgO 이전에 MgF 2 가 형성 되었다고 추측했는데 , 이는 이전 문헌에서 보고된 표면 필름 형성 과정(즉, MgF 2 이전에 형성된 MgO)과 반대 입니다. Mirak의 연구는 동반된 가스의 산화막 형성이 표면막의 산화막 형성과 상당히 다를 수 있음을 나타내었지만 산화막의 구조와 진화에 대해서는 밝히지 않았습니다.

또한 커버 가스에 캐리어 가스를 사용하는 것도 커버 가스와 액체 Mg 합금 사이의 반응에 영향을 미쳤습니다. SF 6 /air 는 용융 마그네슘의 점화를 피하기 위해 SF 6 /CO 2 운반 가스 [38] 보다 더 높은 함량의 SF 6을 필요로 하여 다른 가스 소비율을 나타냅니다. Liang et.al [39] 은 CO 2 가 캐리어 가스로 사용될 때 표면 필름에 탄소가 형성된다고 제안했는데 , 이는 SF 6 /air 에서 형성된 필름과 다릅니다 . Mg 연소 [40]에 대한 조사 에서 Mg 2 C 3 검출이 보고되었습니다.CO 2 연소 후 Mg 합금 샘플 에서 이는 Liang의 결과를 뒷받침할 뿐만 아니라 이중 산화막 결함에서 Mg 탄화물의 잠재적 형성을 나타냅니다.

여기에 보고된 작업은 다양한 커버 가스(즉, SF 6 /air 및 SF 6 /CO 2 )로 보호되는 AZ91 Mg 합금 주물에서 형성된 연행 결함의 거동과 진화에 대한 조사 입니다. 이러한 캐리어 가스는 액체 Mg 합금에 대해 다른 보호성을 가지며, 따라서 상응하는 동반 가스의 다른 소비율 및 발생 프로세스와 관련될 수 있습니다. AZ91 주물의 재현성에 대한 동반 가스 소비의 영향도 연구되었습니다.

2 . 실험

2.1 . 용융 및 주조

3kg의 AZ91 합금을 700 ± 5 °C의 연강 도가니에서 녹였습니다. AZ91 합금의 조성은 표 1 에 나타내었다 . 가열하기 전에 잉곳 표면의 모든 산화물 스케일을 기계가공으로 제거했습니다. 사용 된 커버 가스는 0.5 %이었다 SF 6 / 공기 또는 0.5 % SF 6 / CO 2 (부피. %) 다른 주물 6L / 분의 유량. 용융물은 15분 동안 0.3L/min의 유속으로 아르곤으로 가스를 제거한 다음 [41 , 42] , 모래 주형에 부었습니다. 붓기 전에 샌드 몰드 캐비티를 20분 동안 커버 가스로 플러싱했습니다 [22] . 잔류 용융물(약 1kg)이 도가니에서 응고되었습니다.

표 1 . 본 연구에 사용된 AZ91 합금의 조성(wt%).

아연미네소타마그네슘
9.40.610.150.020.0050.0017잔여

그림 1 (a)는 러너가 있는 주물의 치수를 보여줍니다. 탑 필링 시스템은 최종 주물에서 연행 결함을 생성하기 위해 의도적으로 사용되었습니다. Green과 Campbell [7 , 43] 은 탑 필링 시스템이 바텀 필링 시스템에 비해 주조 과정에서 더 많은 연행 현상(즉, 이중 필름)을 유발한다고 제안했습니다. 이 금형의 용융 흐름 시뮬레이션(Flow-3D 소프트웨어)은 연행 현상에 관한 Reilly의 모델 [44] 을 사용하여 최종 주조에 많은 양의 이중막이 포함될 것이라고 예측했습니다( 그림 1 에서 검은색 입자로 표시됨) . NS).

그림 1

수축 결함은 또한 주물의 기계적 특성과 재현성에 영향을 미칩니다. 이 연구는 주조 품질에 대한 이중 필름의 영향에 초점을 맞추었기 때문에 수축 결함이 발생하지 않도록 금형을 의도적으로 설계했습니다. ProCAST 소프트웨어를 사용한 응고 시뮬레이션은 그림 1c 와 같이 최종 주조에 수축 결함이 포함되지 않음을 보여주었습니다 . 캐스팅 건전함도 테스트바 가공 전 실시간 X-ray를 통해 확인했다.

모래 주형은 1wt를 함유한 수지 결합된 규사로 만들어졌습니다. % PEPSET 5230 수지 및 1wt. % PEPSET 5112 촉매. 모래는 또한 억제제로 작용하기 위해 2중량%의 Na 2 SiF 6 을 함유했습니다 .. 주입 온도는 700 ± 5 °C였습니다. 응고 후 러너바의 단면을 Sci-Lab Analytical Ltd로 보내 H 함량 분석(LECO 분석)을 하였고, 모든 H 함량 측정은 주조 공정 후 5일째에 실시하였다. 각각의 주물은 인장 강도 시험을 위해 클립 신장계가 있는 Zwick 1484 인장 시험기를 사용하여 40개의 시험 막대로 가공되었습니다. 파손된 시험봉의 파단면을 주사전자현미경(SEM, Philips JEOL7000)을 이용하여 가속전압 5~15kV로 조사하였다. 파손된 시험 막대, 도가니에서 응고된 잔류 Mg 합금 및 주조 러너를 동일한 SEM을 사용하여 단면화하고 연마하고 검사했습니다. CFEI Quanta 3D FEG FIB-SEM을 사용하여 FIB(집속 이온 빔 밀링 기술)에 의해 테스트 막대 파괴 표면에서 발견된 산화막의 단면을 노출했습니다. 분석에 필요한 산화막은 백금층으로 코팅하였다. 그런 다음 30kV로 가속된 갈륨 이온 빔이 산화막의 단면을 노출시키기 위해 백금 코팅 영역을 둘러싼 재료 기판을 밀링했습니다. 산화막 단면의 EDS 분석은 30kV의 가속 전압에서 FIB 장비를 사용하여 수행되었습니다.

2.2 . 산화 세포

전술 한 바와 같이, 몇몇 최근 연구자들은 마그네슘 합금의 용탕 표면에 형성된 보호막 조사 [38 , 39 , [46] , [47] , [48] , [49] , [50] , [51] , [52 ] . 이 실험 동안 사용된 커버 가스의 양이 충분하여 커버 가스에서 불화물의 고갈을 억제했습니다. 이 섹션에서 설명하는 실험은 엔트레인먼트 결함의 산화막의 진화를 연구하기 위해 커버 가스의 공급을 제한하는 밀봉된 산화 셀을 사용했습니다. 산화 셀에 포함된 커버 가스는 큰 크기의 “동반된 기포”로 간주되었습니다.

도 2에 도시된 바와 같이 , 산화셀의 본체는 내부 길이가 400mm, 내경이 32mm인 폐쇄형 연강관이었다. 수냉식 동관을 전지의 상부에 감았습니다. 튜브가 가열될 때 냉각 시스템은 상부와 하부 사이에 온도 차이를 만들어 내부 가스가 튜브 내에서 대류하도록 했습니다. 온도는 도가니 상단에 위치한 K형 열전대로 모니터링했습니다. Nieet al. [53] 은 Mg 합금 용융물의 표면 피막을 조사할 때 SF 6 커버 가스가 유지로의 강철 벽과 반응할 것이라고 제안했습니다 . 이 반응을 피하기 위해 강철 산화 전지의 내부 표면(그림 2 참조)) 및 열전대의 상반부는 질화붕소로 코팅되었습니다(Mg 합금은 질화붕소와 ​​접촉하지 않았습니다).

그림 2

실험 중에 고체 AZ91 합금 블록을 산화 셀 바닥에 위치한 마그네시아 도가니에 넣었습니다. 전지는 1L/min의 가스 유속으로 전기 저항로에서 100℃로 가열되었다. 원래의 갇힌 대기(즉, 공기)를 대체하기 위해 셀을 이 온도에서 20분 동안 유지했습니다. 그런 다음, 산화 셀을 700°C로 더 가열하여 AZ91 샘플을 녹였습니다. 그런 다음 가스 입구 및 출구 밸브가 닫혀 제한된 커버 가스 공급 하에서 산화를 위한 밀폐된 환경이 생성되었습니다. 그런 다음 산화 전지를 5분 간격으로 5분에서 30분 동안 700 ± 10°C에서 유지했습니다. 각 유지 시간이 끝날 때 세포를 물로 켄칭했습니다. 실온으로 냉각한 후 산화된 샘플을 절단하고 연마한 다음 SEM으로 검사했습니다.

3 . 결과

3.1 . SF 6 /air 에서 형성된 엔트레인먼트 결함의 구조 및 구성

0.5 % SF의 커버 가스 하에서 AZ91 주물에 형성된 유입 결함의 구조 및 조성 6 / 공기는 SEM 및 EDS에 의해 관찰되었다. 결과는 그림 3에 스케치된 엔트레인먼트 결함의 두 가지 유형이 있음을 나타냅니다 . (1) 산화막이 전통적인 단층 구조를 갖는 유형 A 결함 및 (2) 산화막이 2개 층을 갖는 유형 B 결함. 이러한 결함의 세부 사항은 다음에 소개되었습니다. 여기에서 비말동반 결함은 생물막 또는 이중 산화막으로도 알려져 있기 때문에 B형 결함의 산화막은 본 연구에서 “다층 산화막” 또는 “다층 구조”로 언급되었습니다. “이중 산화막 결함의 이중층 산화막”과 같은 혼란스러운 설명을 피하기 위해.

그림 3

그림 4 (ab)는 약 0.4μm 두께의 조밀한 단일층 산화막을 갖는 Type A 결함을 보여줍니다. 이 필름에서 산소, 불소, 마그네슘 및 알루미늄이 검출되었습니다( 그림 4c). 산화막은 마그네슘과 알루미늄의 산화물과 불화물의 혼합물로 추측됩니다. 불소의 검출은 동반된 커버 가스가 이 결함의 형성에 포함되어 있음을 보여주었습니다. 즉, Fig. 4 (a)에 나타난 기공 은 수축결함이나 수소기공도가 아니라 연행결함이었다. 알루미늄의 검출은 Xiong과 Wang의 이전 연구 [47 , 48] 와 다르며 , SF 6으로 보호된 AZ91 용융물의 표면 필름에 알루미늄이 포함되어 있지 않음을 보여주었습니다.커버 가스. 유황은 원소 맵에서 명확하게 인식할 수 없었지만 해당 ESD 스펙트럼에서 S-피크가 있었습니다.

그림 4

도 5 (ab)는 다층 산화막을 갖는 Type B 엔트레인먼트 결함을 나타낸다. 산화막의 조밀한 외부 층은 불소와 산소가 풍부하지만( 그림 5c) 상대적으로 다공성인 내부 층은 산소만 풍부하고(즉, 불소가 부족) 부분적으로 함께 성장하여 샌드위치 모양을 형성합니다. 구조. 따라서 외층은 불화물과 산화물의 혼합물이며 내층은 주로 산화물로 추정된다. 황은 EDX 스펙트럼에서만 인식될 수 있었고 요소 맵에서 명확하게 식별할 수 없었습니다. 이는 커버 가스의 작은 S 함량(즉, SF 6 의 0.5% 부피 함량 때문일 수 있음)커버 가스). 이 산화막에서는 이 산화막의 외층에 알루미늄이 포함되어 있지만 내층에서는 명확하게 검출할 수 없었다. 또한 Al의 분포가 고르지 않은 것으로 보입니다. 결함의 우측에는 필름에 알루미늄이 존재하지만 그 농도는 매트릭스보다 높은 것으로 식별할 수 없음을 알 수 있다. 그러나 결함의 왼쪽에는 알루미늄 농도가 훨씬 높은 작은 영역이 있습니다. 이러한 알루미늄의 불균일한 분포는 다른 결함(아래 참조)에서도 관찰되었으며, 이는 필름 내부 또는 아래에 일부 산화물 입자가 형성된 결과입니다.

그림 5

무화과 도 4 및 5 는 SF 6 /air 의 커버 가스 하에 주조된 AZ91 합금 샘플에서 형성된 연행 결함의 횡단면 관찰을 나타낸다 . 2차원 단면에서 관찰된 수치만으로 연행 결함을 특성화하는 것만으로는 충분하지 않습니다. 더 많은 이해를 돕기 위해 테스트 바의 파단면을 관찰하여 엔트레인먼트 결함(즉, 산화막)의 표면을 더 연구했습니다.

Fig. 6 (a)는 SF 6 /air 에서 생산된 AZ91 합금 인장시험봉의 파단면을 보여준다 . 파단면의 양쪽에서 대칭적인 어두운 영역을 볼 수 있습니다. 그림 6 (b)는 어두운 영역과 밝은 영역 사이의 경계를 보여줍니다. 밝은 영역은 들쭉날쭉하고 부서진 특징으로 구성되어 있는 반면, 어두운 영역의 표면은 비교적 매끄럽고 평평했습니다. 또한 EDS 결과( Fig. 6 c-d 및 Table 2) 불소, 산소, 황 및 질소는 어두운 영역에서만 검출되었으며, 이는 어두운 영역이 용융물에 동반된 표면 보호 필름임을 나타냅니다. 따라서 어두운 영역은 대칭적인 특성을 고려할 때 연행 결함이라고 제안할 수 있습니다. Al-합금 주조물의 파단면에서 유사한 결함이 이전에 보고되었습니다 [7] . 질화물은 테스트 바 파단면의 산화막에서만 발견되었지만 그림 1과 그림 4에 표시된 단면 샘플에서는 검출되지 않았습니다 4 및 5 . 근본적인 이유는 이러한 샘플에 포함된 질화물이 샘플 연마 과정에서 가수분해되었을 수 있기 때문입니다 [54] .

그림 6

표 2 . EDS 결과(wt.%)는 그림 6에 표시된 영역에 해당합니다 (커버 가스: SF 6 /공기).

영형마그네슘NS아연NSNS
그림 6 (b)의 어두운 영역3.481.3279.130.4713.630.570.080.73
그림 6 (b)의 밝은 영역3.5884.4811.250.68

도 1 및 도 2에 도시된 결함의 단면 관찰과 함께 도 4 및 도 5 를 참조하면, 인장 시험봉에 포함된 연행 결함의 구조를 도 6 (e) 와 같이 스케치하였다 . 결함에는 산화막으로 둘러싸인 동반된 가스가 포함되어 있어 테스트 바 내부에 보이드 섹션이 생성되었습니다. 파괴 과정에서 결함에 인장력이 가해지면 균열이 가장 약한 경로를 따라 전파되기 때문에 보이드 섹션에서 균열이 시작되어 연행 결함을 따라 전파됩니다 [55] . 따라서 최종적으로 시험봉이 파단되었을 때 Fig. 6 (a) 와 같이 시험봉의 양 파단면에 연행결함의 산화피막이 나타났다 .

3.2 . SF 6 /CO 2 에 형성된 연행 결함의 구조 및 조성

SF 6 /air 에서 형성된 엔트레인먼트 결함과 유사하게, 0.5% SF 6 /CO 2 의 커버 가스 아래에서 형성된 결함 도 두 가지 유형의 산화막(즉, 단층 및 다층 유형)을 가졌다. 도 7 (a)는 다층 산화막을 포함하는 엔트레인먼트 결함의 예를 도시한다. 결함에 대한 확대 관찰( 그림 7b )은 산화막의 내부 층이 함께 성장하여 SF 6 /air 의 분위기에서 형성된 결함과 유사한 샌드위치 같은 구조를 나타냄을 보여줍니다 ( 그림 7b). 5 나 ). EDS 스펙트럼( 그림 7c) 이 샌드위치형 구조의 접합부(내층)는 주로 산화마그네슘을 함유하고 있음을 보여주었다. 이 EDS 스펙트럼에서는 불소, 황, 알루미늄의 피크가 확인되었으나 그 양은 상대적으로 적었다. 대조적으로, 산화막의 외부 층은 조밀하고 불화물과 산화물의 혼합물로 구성되어 있습니다( 그림 7d-e).

그림 7

Fig. 8 (a)는 0.5%SF 6 /CO 2 분위기에서 제작된 AZ91 합금 인장시험봉의 파단면의 연행결함을 보여준다 . 상응하는 EDS 결과(표 3)는 산화막이 불화물과 산화물을 함유함을 보여주었다. 황과 질소는 검출되지 않았습니다. 게다가, 확대 관찰(  8b)은 산화막 표면에 반점을 나타내었다. 반점의 직경은 수백 나노미터에서 수 마이크론 미터까지 다양했습니다.

그림 8

산화막의 구조와 조성을 보다 명확하게 나타내기 위해 테스트 바 파단면의 산화막 단면을 FIB 기법을 사용하여 현장에서 노출시켰다( 그림 9 ). 도 9a에 도시된 바와 같이 , 백금 코팅층과 Mg-Al 합금 기재 사이에 연속적인 산화피막이 발견되었다. 그림 9 (bc)는 다층 구조( 그림 9c 에서 빨간색 상자로 표시)를 나타내는 산화막에 대한 확대 관찰을 보여줍니다 . 바닥층은 불소와 산소가 풍부하고 불소와 산화물의 혼합물이어야 합니다 . 5 와 7, 유일한 산소가 풍부한 최상층은 도 1 및 도 2에 도시 된 “내층”과 유사하였다 5 및 7 .

그림 9

연속 필름을 제외하고 도 9 에 도시된 바와 같이 연속 필름 내부 또는 하부에서도 일부 개별 입자가 관찰되었다 . 그림 9( b) 의 산화막 좌측에서 Al이 풍부한 입자가 검출되었으며, 마그네슘과 산소 원소도 풍부하게 함유하고 있어 스피넬 Mg 2 AlO 4 로 추측할 수 있다 . 이러한 Mg 2 AlO 4 입자의 존재는 Fig. 5 와 같이 관찰된 필름의 작은 영역에 높은 알루미늄 농도와 알루미늄의 불균일한 분포의 원인이 된다 .(씨). 여기서 강조되어야 할 것은 연속 산화막의 바닥층의 다른 부분이 이 Al이 풍부한 입자보다 적은 양의 알루미늄을 함유하고 있지만, 그림 9c는 이 바닥층의 알루미늄 양이 여전히 무시할 수 없는 수준임을 나타냅니다 . , 특히 필름의 외층과 비교할 때. 도 9b에 도시된 산화막의 우측 아래에서 입자가 검출되어 Mg와 O가 풍부하여 MgO인 것으로 추측되었다. Wang의 결과에 따르면 [56], Mg 용융물과 Mg 증기의 산화에 의해 Mg 용융물의 표면에 많은 이산 MgO 입자가 형성될 수 있다. 우리의 현재 연구에서 관찰된 MgO 입자는 같은 이유로 인해 형성될 수 있습니다. 실험 조건의 차이로 인해 더 적은 Mg 용융물이 기화되거나 O2와 반응할 수 있으므로 우리 작업에서 형성되는 MgO 입자는 소수에 불과합니다. 또한 필름에서 풍부한 탄소가 발견되어 CO 2 가 용융물과 반응하여 탄소 또는 탄화물을 형성할 수 있음을 보여줍니다 . 이 탄소 농도는 표 3에 나타낸 산화막의 상대적으로 높은 탄소 함량 (즉, 어두운 영역) 과 일치하였다 . 산화막 옆 영역.

표 3 . 도 8에 도시된 영역에 상응하는 EDS 결과(wt.%) (커버 가스: SF 6 / CO 2 ).

영형마그네슘NS아연NSNS
그림 8 (a)의 어두운 영역7.253.6469.823.827.030.86
그림 8 (a)의 밝은 영역2.100.4482.8313.261.36

테스트 바 파단면( 도 9 ) 에서 산화막의 이 단면 관찰은 도 6 (e)에 도시된 엔트레인먼트 결함의 개략도를 추가로 확인했다 . SF 6 /CO 2 와 SF 6 /air 의 서로 다른 분위기에서 형성된 엔트레인먼트 결함 은 유사한 구조를 가졌지만 그 조성은 달랐다.

3.3 . 산화 전지에서 산화막의 진화

섹션 3.1 및 3.2 의 결과 는 SF 6 /air 및 SF 6 /CO 2 의 커버 가스 아래에서 AZ91 주조에서 형성된 연행 결함의 구조 및 구성을 보여줍니다 . 산화 반응의 다른 단계는 연행 결함의 다른 구조와 조성으로 이어질 수 있습니다. Campbell은 동반된 가스가 주변 용융물과 반응할 수 있다고 추측했지만 Mg 합금 용융물과 포획된 커버 가스 사이에 반응이 발생했다는 보고는 거의 없습니다. 이전 연구자들은 일반적으로 개방된 환경에서 Mg 합금 용융물과 커버 가스 사이의 반응에 초점을 맞췄습니다 [38 , 39 , [46] , [47][48] , [49] , [50] , [51] , [52] , 이는 용융물에 갇힌 커버 가스의 상황과 다릅니다. AZ91 합금에서 엔트레인먼트 결함의 형성을 더 이해하기 위해 엔트레인먼트 결함의 산화막의 진화 과정을 산화 셀을 사용하여 추가로 연구했습니다.

.도 10 (a 및 d) 0.5 % 방송 SF 보호 산화 셀에서 5 분 동안 유지 된 표면 막 (6) / 공기. 불화물과 산화물(MgF 2 와 MgO) 로 이루어진 단 하나의 층이 있었습니다 . 이 표면 필름에서. 황은 EDS 스펙트럼에서 검출되었지만 그 양이 너무 적어 원소 맵에서 인식되지 않았습니다. 이 산화막의 구조 및 조성은 도 4 에 나타낸 엔트레인먼트 결함의 단층막과 유사하였다 .

그림 10

10분의 유지 시간 후, 얇은 (O,S)가 풍부한 상부층(약 700nm)이 예비 F-농축 필름에 나타나 그림 10 (b 및 e) 에서와 같이 다층 구조를 형성했습니다 . ). (O, S)가 풍부한 최상층의 두께는 유지 시간이 증가함에 따라 증가했습니다. Fig. 10 (c, f) 에서 보는 바와 같이 30분간 유지한 산화막도 다층구조를 가지고 있으나 (O,S)가 풍부한 최상층(약 2.5μm)의 두께가 10분 산화막의 그것. 도 10 (bc) 에 도시 된 다층 산화막 은 도 5에 도시된 샌드위치형 결함의 막과 유사한 외관을 나타냈다 .

도 10에 도시된 산화막의 상이한 구조는 커버 가스의 불화물이 AZ91 합금 용융물과의 반응으로 인해 우선적으로 소모될 것임을 나타내었다. 불화물이 고갈된 후, 잔류 커버 가스는 액체 AZ91 합금과 추가로 반응하여 산화막에 상부 (O, S)가 풍부한 층을 형성했습니다. 따라서 도 1 및 도 3에 도시된 연행 결함의 상이한 구조 및 조성 4 와 5 는 용융물과 갇힌 커버 가스 사이의 진행 중인 산화 반응 때문일 수 있습니다.

이 다층 구조는 Mg 합금 용융물에 형성된 보호 표면 필름에 관한 이전 간행물 [38 , [46] , [47] , [48] , [49] , [50] , [51] 에서 보고되지 않았습니다 . . 이는 이전 연구원들이 무제한의 커버 가스로 실험을 수행했기 때문에 커버 가스의 불화물이 고갈되지 않는 상황을 만들었기 때문일 수 있습니다. 따라서 엔트레인먼트 결함의 산화피막은 도 10에 도시된 산화피막과 유사한 거동특성을 가지나 [38 ,[46] , [47] , [48] , [49] , [50] , [51] .

SF 유지 산화막와 마찬가지로 6 / 공기, SF에 형성된 산화물 막 (6) / CO 2는 또한 세포 산화 다른 유지 시간과 다른 구조를 가지고 있었다. .도 11 (a)는 AZ91 개최 산화막, 0.5 %의 커버 가스 하에서 SF 표면 용융 도시 6 / CO 2, 5 분. 이 필름은 MgF 2 로 이루어진 단층 구조를 가졌다 . 이 영화에서는 MgO의 존재를 확인할 수 없었다. 30분의 유지 시간 후, 필름은 다층 구조를 가졌다; 내부 층은 조밀하고 균일한 외관을 가지며 MgF 2 로 구성 되고 외부 층은 MgF 2 혼합물및 MgO. 0.5%SF 6 /air 에서 형성된 표면막과 다른 이 막에서는 황이 검출되지 않았다 . 따라서, 0.5%SF 6 /CO 2 의 커버 가스 내의 불화물 도 막 성장 과정의 초기 단계에서 우선적으로 소모되었다. SF 6 /air 에서 형성된 막과 비교하여 SF 6 /CO 2 에서 형성된 막에서 MgO 는 나중에 나타났고 황화물은 30분 이내에 나타나지 않았다. 이는 SF 6 /air 에서 필름의 형성과 진화 가 SF 6 /CO 2 보다 빠르다 는 것을 의미할 수 있습니다 . CO 2 후속적으로 용융물과 반응하여 MgO를 형성하는 반면, 황 함유 화합물은 커버 가스에 축적되어 반응하여 매우 늦은 단계에서 황화물을 형성할 수 있습니다(산화 셀에서 30분 후).

그림 11

4 . 논의

4.1 . SF 6 /air 에서 형성된 연행 결함의 진화

Outokumpu HSC Chemistry for Windows( http://www.hsc-chemistry.net/ )의 HSC 소프트웨어를 사용하여 갇힌 기체와 액체 AZ91 합금 사이에서 발생할 수 있는 반응을 탐색하는 데 필요한 열역학 계산을 수행했습니다. 계산에 대한 솔루션은 소량의 커버 가스(즉, 갇힌 기포 내의 양)와 AZ91 합금 용융물 사이의 반응 과정에서 어떤 생성물이 가장 형성될 가능성이 있는지 제안합니다.

실험에서 압력은 1기압으로, 온도는 700°C로 설정했습니다. 커버 가스의 사용량은 7 × 10으로 가정 하였다 -7  약 0.57 cm의 양으로 kg 3 (3.14 × 10 -6  0.5 % SF위한 kmol) 6 / 공기, 0.35 cm (3) (3.12 × 10 – 8  kmol) 0.5%SF 6 /CO 2 . 포획된 가스와 접촉하는 AZ91 합금 용융물의 양은 모든 반응을 완료하기에 충분한 것으로 가정되었습니다. SF 6 의 분해 생성물 은 SF 5 , SF 4 , SF 3 , SF 2 , F 2 , S(g), S 2(g) 및 F(g) [57] , [58] , [59] , [60] .

그림 12 는 AZ91 합금과 0.5%SF 6 /air 사이의 반응에 대한 열역학적 계산의 평형 다이어그램을 보여줍니다 . 다이어그램에서 10 -15  kmol 미만의 반응물 및 생성물은 표시되지 않았습니다. 이는 존재 하는 SF 6 의 양 (≈ 1.57 × 10 -10  kmol) 보다 5배 적 으므로 영향을 미치지 않습니다. 실제적인 방법으로 과정을 관찰했습니다.

그림 12

이 반응 과정은 3단계로 나눌 수 있다.

1단계 : 불화물의 형성. AZ91 용융물은 SF 6 및 그 분해 생성물과 우선적으로 반응하여 MgF 2 , AlF 3 및 ZnF 2 를 생성 합니다. 그러나 ZnF 2 의 양 이 너무 적어서 실제적으로 검출되지  않았을 수 있습니다(  MgF 2 의 3 × 10 -10 kmol에 비해 ZnF 2 1.25 × 10 -12 kmol ). 섹션 3.1 – 3.3에 표시된 모든 산화막 . 한편, 잔류 가스에 황이 SO 2 로 축적되었다 .

2단계 : 산화물의 형성. 액체 AZ91 합금이 포획된 가스에서 사용 가능한 모든 불화물을 고갈시킨 후, Mg와의 반응으로 인해 AlF 3 및 ZnF 2 의 양이 빠르게 감소했습니다. O 2 (g) 및 SO 2 는 AZ91 용융물과 반응하여 MgO, Al 2 O 3 , MgAl 2 O 4 , ZnO, ZnSO 4 및 MgSO 4 를 형성 합니다. 그러나 ZnO 및 ZnSO 4 의 양은 EDS에 의해 실제로 발견되기에는 너무 적었을 것입니다(예: 9.5 × 10 -12  kmol의 ZnO, 1.38 × 10 -14  kmol의 ZnSO 4 , 대조적으로 4.68 × 10−10  kmol의 MgF 2 , X 축의 AZ91 양 이 2.5 × 10 -9  kmol일 때). 실험 사례에서 커버 가스의 F 농도는 매우 낮고 전체 농도 f O는 훨씬 높습니다. 따라서 1단계와 2단계, 즉 불화물과 산화물의 형성은 반응 초기에 동시에 일어나 그림 1과 2와 같이 불화물과 산화물의 가수층 혼합물이 형성될 수 있다 . 4 및 10 (a). 내부 층은 산화물로 구성되어 있지만 불화물은 커버 가스에서 F 원소가 완전히 고갈된 후에 형성될 수 있습니다.

단계 1-2는 도 10 에 도시 된 다층 구조의 형성 과정을 이론적으로 검증하였다 .

산화막 내의 MgAl 2 O 4 및 Al 2 O 3 의 양은 도 4에 도시된 산화막과 일치하는 검출하기에 충분한 양이었다 . 그러나, 도 10 에 도시된 바와 같이, 산화셀에서 성장된 산화막에서는 알루미늄의 존재를 인식할 수 없었다 . 이러한 Al의 부재는 표면 필름과 AZ91 합금 용융물 사이의 다음 반응으로 인한 것일 수 있습니다.(1)

Al 2 O 3  + 3Mg + = 3MgO + 2Al, △G(700°C) = -119.82 kJ/mol(2)

Mg + MgAl 2 O 4  = MgO + Al, △G(700°C) = -106.34 kJ/mol이는 반응물이 서로 완전히 접촉한다는 가정 하에 열역학적 계산이 수행되었기 때문에 HSC 소프트웨어로 시뮬레이션할 수 없었습니다. 그러나 실제 공정에서 AZ91 용융물과 커버 가스는 보호 표면 필름의 존재로 인해 서로 완전히 접촉할 수 없습니다.

3단계 : 황화물과 질화물의 형성. 30분의 유지 시간 후, 산화 셀의 기상 불화물 및 산화물이 고갈되어 잔류 가스와 용융 반응을 허용하여 초기 F-농축 또는 (F, O )이 풍부한 표면 필름, 따라서 그림 10 (b 및 c)에 표시된 관찰된 다층 구조를 생성합니다 . 게다가, 질소는 모든 반응이 완료될 때까지 AZ91 용융물과 반응했습니다. 도 6 에 도시 된 산화막 은 질화물 함량으로 인해 이 반응 단계에 해당할 수 있다. 그러나, 그 결과는 도 1 및 도 5에 도시 된 연마된 샘플에서 질화물이 검출되지 않음을 보여준다. 4 와 5, 그러나 테스트 바 파단면에서만 발견됩니다. 질화물은 다음과 같이 샘플 준비 과정에서 가수분해될 수 있습니다 [54] .(삼)

Mg 3 N 2  + 6H 2 O = 3Mg(OH) 2  + 2NH 3 ↑(4)

AlN+ 3H 2 O = Al(OH) 3  + NH 3 ↑

또한 Schmidt et al. [61] 은 Mg 3 N 2 와 AlN이 반응하여 3원 질화물(Mg 3 Al n N n+2, n=1, 2, 3…) 을 형성할 수 있음을 발견했습니다 . HSC 소프트웨어에는 삼원 질화물 데이터베이스가 포함되어 있지 않아 계산에 추가할 수 없습니다. 이 단계의 산화막은 또한 삼원 질화물을 포함할 수 있습니다.

4.2 . SF 6 /CO 2 에서 형성된 연행 결함의 진화

도 13 은 AZ91 합금과 0.5%SF 6 /CO 2 사이의 열역학적 계산 결과를 보여준다 . 이 반응 과정도 세 단계로 나눌 수 있습니다.

그림 13

1단계 : 불화물의 형성. SF 6 및 그 분해 생성물은 AZ91 용융물에 의해 소비되어 MgF 2 , AlF 3 및 ZnF 2 를 형성했습니다 . 0.5% SF 6 /air 에서 AZ91의 반응에서와 같이 ZnF 2 의 양 이 너무 작아서 실제적으로 감지되지  않았습니다( 2.67 x 10 -10  kmol의 MgF 2 에 비해 ZnF 2 1.51 x 10 -13 kmol ). S와 같은 잔류 가스 트랩에 축적 유황 2 (g) 및 (S)의 일부분 (2) (g)가 CO와 반응하여 2 SO 형성하는 2및 CO. 이 반응 단계의 생성물은 도 11 (a)에 도시된 필름과 일치하며 , 이는 불화물만을 함유하는 단일 층 구조를 갖는다.

2단계 : 산화물의 형성. ALF 3 및 ZnF 2 MgF로 형성 용융 AZ91 마그네슘의 반응 2 , Al 및 Zn으로한다. SO 2 는 소모되기 시작하여 표면 필름에 산화물을 생성 하고 커버 가스에 S 2 (g)를 생성했습니다. 한편, CO 2 는 AZ91 용융물과 직접 반응하여 CO, MgO, ZnO 및 Al 2 O 3 를 형성 합니다. 도 1에 도시 된 산화막 9 및 11 (b)는 산소가 풍부한 층과 다층 구조로 인해 이 반응 단계에 해당할 수 있습니다.

커버 가스의 CO는 AZ91 용융물과 추가로 반응하여 C를 생성할 수 있습니다. 이 탄소는 온도가 감소할 때(응고 기간 동안) Mg와 추가로 반응하여 Mg 탄화물을 형성할 수 있습니다 [62] . 이것은 도 4에 도시된 산화막의 탄소 함량이 높은 이유일 수 있다 8 – 9 . Liang et al. [39] 또한 SO 2 /CO 2 로 보호된 AZ91 합금 표면 필름에서 탄소 검출을 보고했습니다 . 생성된 Al 2 O 3 는 MgO와 더 결합하여 MgAl 2 O [63]를 형성할 수 있습니다 . 섹션 4.1 에서 논의된 바와 같이, 알루미나 및 스피넬은 도 11 에 도시된 바와 같이 표면 필름에 알루미늄 부재를 야기하는 Mg와 반응할 수 있다 .

3단계 : 황화물의 형성. AZ91은 용융물 S 소비하기 시작 2 인 ZnS와 MGS 형성 갇힌 잔류 가스 (g)를. 이러한 반응은 반응 과정의 마지막 단계까지 일어나지 않았으며, 이는 Fig. 7 (c)에 나타난 결함의 S-함량 이 적은 이유일 수 있다 .

요약하면, 열역학적 계산은 AZ91 용융물이 커버 가스와 반응하여 먼저 불화물을 형성한 다음 마지막에 산화물과 황화물을 형성할 것임을 나타냅니다. 다른 반응 단계에서 산화막은 다른 구조와 조성을 가질 것입니다.

4.3 . 운반 가스가 동반 가스 소비 및 AZ91 주물의 재현성에 미치는 영향

SF 6 /air 및 SF 6 /CO 2 에서 형성된 연행 결함의 진화 과정은 4.1절 과 4.2  에서 제안되었습니다 . 이론적인 계산은 실제 샘플에서 발견되는 해당 산화막과 관련하여 검증되었습니다. 연행 결함 내의 대기는 Al-합금 시스템과 다른 시나리오에서 액체 Mg-합금과의 반응으로 인해 효율적으로 소모될 수 있습니다(즉, 연행된 기포의 질소가 Al-합금 용융물과 효율적으로 반응하지 않을 것입니다 [64 , 65] 그러나 일반적으로 “질소 연소”라고 하는 액체 Mg 합금에서 질소가 더 쉽게 소모될 것입니다 [66] ).

동반된 가스와 주변 액체 Mg-합금 사이의 반응은 동반된 가스를 산화막 내에서 고체 화합물(예: MgO)로 전환하여 동반 결함의 공극 부피를 감소시켜 결함(예: 공기의 동반된 가스가 주변의 액체 Mg 합금에 의해 고갈되면 용융 온도가 700 °C이고 액체 Mg 합금의 깊이가 10 cm라고 가정할 때 최종 고체 제품의 총 부피는 0.044가 됩니다. 갇힌 공기가 취한 초기 부피의 %).

연행 결함의 보이드 부피 감소와 해당 주조 특성 사이의 관계는 알루미늄 합금 주조에서 널리 연구되었습니다. Nyahumwa와 Campbell [16] 은 HIP(Hot Isostatic Pressing) 공정이 Al-합금 주물의 연행 결함이 붕괴되고 산화물 표면이 접촉하게 되었다고 보고했습니다. 주물의 피로 수명은 HIP 이후 개선되었습니다. Nyahumwa와 Campbell [16] 도 서로 접촉하고 있는 이중 산화막의 잠재적인 결합을 제안했지만 이를 뒷받침하는 직접적인 증거는 없었습니다. 이 결합 현상은 Aryafar et.al에 의해 추가로 조사되었습니다. [8], 그는 강철 튜브에서 산화물 스킨이 있는 두 개의 Al-합금 막대를 다시 녹인 다음 응고된 샘플에 대해 인장 강도 테스트를 수행했습니다. 그들은 Al-합금 봉의 산화물 스킨이 서로 강하게 결합되어 용융 유지 시간이 연장됨에 따라 더욱 강해짐을 발견했으며, 이는 이중 산화막 내 동반된 가스의 소비로 인한 잠재적인 “치유” 현상을 나타냅니다. 구조. 또한 Raidszadeh와 Griffiths [9 , 19] 는 연행 가스가 반응하는 데 더 긴 시간을 갖도록 함으로써 응고 전 용융 유지 시간을 연장함으로써 Al-합금 주물의 재현성에 대한 연행 결함의 부정적인 영향을 성공적으로 줄였습니다. 주변이 녹습니다.

앞서 언급한 연구를 고려할 때, Mg 합금 주물에서 혼입 가스의 소비는 다음 두 가지 방식으로 혼입 결함의 부정적인 영향을 감소시킬 수 있습니다.

(1) 이중 산화막의 결합 현상 . 도 5 및 도 7 에 도시 된 샌드위치형 구조 는 이중 산화막 구조의 잠재적인 결합을 나타내었다. 그러나 산화막의 결합으로 인한 강도 증가를 정량화하기 위해서는 더 많은 증거가 필요합니다.

(2) 연행 결함의 보이드 체적 감소 . 주조품의 품질에 대한 보이드 부피 감소의 긍정적인 효과는 HIP 프로세스 [67]에 의해 널리 입증되었습니다 . 섹션 4.1 – 4.2 에서 논의된 진화 과정과 같이 , 동반된 가스와 주변 AZ91 합금 용융물 사이의 지속적인 반응으로 인해 동반 결함의 산화막이 함께 성장할 수 있습니다. 최종 고체 생성물의 부피는 동반된 기체에 비해 상당히 작았다(즉, 이전에 언급된 바와 같이 0.044%).

따라서, 혼입 가스의 소모율(즉, 산화막의 성장 속도)은 AZ91 합금 주물의 품질을 향상시키는 중요한 매개변수가 될 수 있습니다. 이에 따라 산화 셀의 산화막 성장 속도를 추가로 조사했습니다.

도 14 는 상이한 커버 가스(즉, 0.5%SF 6 /air 및 0.5%SF 6 /CO 2 ) 에서의 표면 필름 성장 속도의 비교를 보여준다 . 필름 두께 측정을 위해 각 샘플의 15개의 임의 지점을 선택했습니다. 95% 신뢰구간(95%CI)은 막두께의 변화가 가우시안 분포를 따른다는 가정하에 계산하였다. 0.5%SF 6 /air 에서 형성된 모든 표면막이 0.5%SF 6 /CO 2 에서 형성된 것보다 빠르게 성장함을 알 수 있다 . 다른 성장률은 0.5%SF 6 /air 의 연행 가스 소비율 이 0.5%SF 6 /CO 2 보다 더 높음 을 시사했습니다., 이는 동반된 가스의 소비에 더 유리했습니다.

그림 14

산화 셀에서 액체 AZ91 합금과 커버 가스의 접촉 면적(즉, 도가니의 크기)은 많은 양의 용융물과 가스를 고려할 때 상대적으로 작았다는 점에 유의해야 합니다. 결과적으로, 산화 셀 내에서 산화막 성장을 위한 유지 시간은 비교적 길었다(즉, 5-30분). 하지만, 실제 주조에 함유 된 혼입 결함은 (상대적으로 매우 적은, 즉, 수 미크론의 크기에 도시 된 바와 같이 ,도 3. – 6 및 [7]), 동반된 가스는 주변 용융물로 완전히 둘러싸여 상대적으로 큰 접촉 영역을 생성합니다. 따라서 커버 가스와 AZ91 합금 용융물의 반응 시간은 비교적 짧을 수 있습니다. 또한 실제 Mg 합금 모래 주조의 응고 시간은 몇 분일 수 있습니다(예: Guo [68] 은 직경 60mm의 Mg 합금 모래 주조가 응고되는 데 4분이 필요하다고 보고했습니다). 따라서 Mg-합금 용융주조 과정에서 포획된 동반된 가스는 특히 응고 시간이 긴 모래 주물 및 대형 주물의 경우 주변 용융물에 의해 쉽게 소모될 것으로 예상할 수 있습니다.

따라서, 동반 가스의 다른 소비율과 관련된 다른 커버 가스(0.5%SF 6 /air 및 0.5%SF 6 /CO 2 )가 최종 주물의 재현성에 영향을 미칠 수 있습니다. 이 가정을 검증하기 위해 0.5%SF 6 /air 및 0.5%SF 6 /CO 2 에서 생산된 AZ91 주물 을 기계적 평가를 위해 테스트 막대로 가공했습니다. Weibull 분석은 선형 최소 자승(LLS) 방법과 비선형 최소 자승(비 LLS) 방법을 모두 사용하여 수행되었습니다 [69] .

그림 15 (ab)는 LLS 방법으로 얻은 UTS 및 AZ91 합금 주물의 연신율의 전통적인 2-p 선형 Weibull 플롯을 보여줍니다. 사용된 추정기는 P= (i-0.5)/N이며, 이는 모든 인기 있는 추정기 중 가장 낮은 편향을 유발하는 것으로 제안되었습니다 [69 , 70] . SF 6 /air 에서 생산된 주물 은 UTS Weibull 계수가 16.9이고 연신율 Weibull 계수가 5.0입니다. 대조적으로, SF 6 /CO 2 에서 생산된 주물의 UTS 및 연신 Weibull 계수는 각각 7.7과 2.7로, SF 6 /CO 2 에 의해 보호된 주물의 재현성이 SF 6 /air 에서 생산된 것보다 훨씬 낮음을 시사합니다. .

그림 15

또한 저자의 이전 출판물 [69] 은 선형화된 Weibull 플롯의 단점을 보여주었으며, 이는 Weibull 추정 의 더 높은 편향과 잘못된 2 중단을 유발할 수 있습니다 . 따라서 그림 15 (cd) 와 같이 Non-LLS Weibull 추정이 수행되었습니다 . SF 6 /공기주조물 의 UTS Weibull 계수 는 20.8인 반면, SF 6 /CO 2 하에서 생산된 주조물의 UTS Weibull 계수는 11.4로 낮아 재현성에서 분명한 차이를 보였다. 또한 SF 6 /air elongation(El%) 데이터 세트는 SF 6 /CO 2 의 elongation 데이터 세트보다 더 높은 Weibull 계수(모양 = 5.8)를 가졌습니다.(모양 = 3.1). 따라서 LLS 및 Non-LLS 추정 모두 SF 6 /공기 주조가 SF 6 /CO 2 주조 보다 더 높은 재현성을 갖는다고 제안했습니다 . CO 2 대신 공기를 사용 하면 혼입된 가스의 더 빠른 소비에 기여하여 결함 내의 공극 부피를 줄일 수 있다는 방법을 지원합니다 . 따라서 0.5%SF 6 /CO 2 대신 0.5%SF 6 /air를 사용 하면(동반된 가스의 소비율이 증가함) AZ91 주물의 재현성이 향상되었습니다.

그러나 모든 Mg 합금 주조 공장이 현재 작업에서 사용되는 주조 공정을 따랐던 것은 아니라는 점에 유의해야 합니다. Mg의 합금 용탕 본 작업은 탈기에 따라서, 동반 가스의 소비에 수소의 영향을 감소 (즉, 수소 잠재적 동반 가스의 고갈 억제, 동반 된 기체로 확산 될 수있다 [7 , 71 , 72] ). 대조적으로, 마그네슘 합금 주조 공장에서는 마그네슘을 주조할 때 ‘가스 문제’가 없고 따라서 인장 특성에 큰 변화가 없다고 널리 믿어지기 때문에 마그네슘 합금 용융물은 일반적으로 탈기되지 않습니다 [73] . 연구에 따르면 Mg 합금 주물의 기계적 특성에 대한 수소의 부정적인 영향 [41 ,42 , 73] , 탈기 공정은 마그네슘 합금 주조 공장에서 여전히 인기가 없습니다.

또한 현재 작업에서 모래 주형 공동은 붓기 전에 SF 6 커버 가스 로 플러싱되었습니다 [22] . 그러나 모든 Mg 합금 주조 공장이 이러한 방식으로 금형 캐비티를 플러싱한 것은 아닙니다. 예를 들어, Stone Foundry Ltd(영국)는 커버 가스 플러싱 대신 유황 분말을 사용했습니다. 그들의 주물 내의 동반된 가스 는 보호 가스라기 보다는 SO 2 /공기일 수 있습니다 .

따라서 본 연구의 결과는 CO 2 대신 공기를 사용 하는 것이 최종 주조의 재현성을 향상시키는 것으로 나타났지만 다른 산업용 Mg 합금 주조 공정과 관련하여 캐리어 가스의 영향을 확인하기 위해서는 여전히 추가 조사가 필요합니다.

7 . 결론

1.

AZ91 합금에 형성된 연행 결함이 관찰되었습니다. 그들의 산화막은 단층과 다층의 두 가지 유형의 구조를 가지고 있습니다. 다층 산화막은 함께 성장하여 최종 주조에서 샌드위치 같은 구조를 형성할 수 있습니다.2.

실험 결과와 이론적인 열역학적 계산은 모두 갇힌 가스의 불화물이 황을 소비하기 전에 고갈되었음을 보여주었습니다. 이중 산화막 결함의 3단계 진화 과정이 제안되었습니다. 산화막은 진화 단계에 따라 다양한 화합물 조합을 포함했습니다. SF 6 /air 에서 형성된 결함 은 SF 6 /CO 2 에서 형성된 것과 유사한 구조를 갖지만 산화막의 조성은 달랐다. 엔트레인먼트 결함의 산화막 형성 및 진화 과정은 이전에 보고된 Mg 합금 표면막(즉, MgF 2 이전에 형성된 MgO)의 것과 달랐다 .삼.

산화막의 성장 속도는 SF하에 큰 것으로 입증되었다 (6) / SF보다 공기 6 / CO 2 손상 봉입 가스의 빠른 소비에 기여한다. AZ91 합금 주물의 재현성은 SF 6 /CO 2 대신 SF 6 /air를 사용할 때 향상되었습니다 .

감사의 말

저자는 EPSRC LiME 보조금 EP/H026177/1의 자금 지원 과 WD Griffiths 박사와 Adrian Carden(버밍엄 대학교)의 도움을 인정합니다. 주조 작업은 University of Birmingham에서 수행되었습니다.

참조
[1]
MK McNutt , SALAZAR K.
마그네슘, 화합물 및 금속, 미국 지질 조사국 및 미국 내무부
레 스톤 , 버지니아 ( 2013 )
Google 학술검색
[2]
마그네슘
화합물 및 금속, 미국 지질 조사국 및 미국 내무부
( 1996 )
Google 학술검색
[삼]
I. Ostrovsky , Y. Henn
ASTEC’07 International Conference-New Challenges in Aeronautics , Moscow ( 2007 ) , pp. 1 – 5
8월 19-22일
Scopus에서 레코드 보기Google 학술검색
[4]
Y. Wan , B. Tang , Y. Gao , L. Tang , G. Sha , B. Zhang , N. Liang , C. Liu , S. Jiang , Z. Chen , X. Guo , Y. Zhao
액타 메이터. , 200 ( 2020 ) , 274 – 286 페이지
기사PDF 다운로드Scopus에서 레코드 보기
[5]
JTJ Burd , EA Moore , H. Ezzat , R. Kirchain , R. Roth
적용 에너지 , 283 ( 2021 ) , 제 116269 조
기사PDF 다운로드Scopus에서 레코드 보기
[6]
AM 루이스 , JC 켈리 , 조지아주 Keoleian
적용 에너지 , 126 ( 2014 ) , pp. 13 – 20
기사PDF 다운로드Scopus에서 레코드 보기
[7]
J. 캠벨
주물
버터워스-하이네만 , 옥스퍼드 ( 2004 )
Google 학술검색
[8]
M. Aryafar , R. Raiszadeh , A. Shalbafzadeh
J. 메이터. 과학. , 45 ( 2010 년 ) , PP. (3041) – 3051
교차 참조Scopus에서 레코드 보기
[9]
R. 라이자데 , WD 그리피스
메탈. 메이터. 트랜스. B-프로세스 메탈. 메이터. 프로세스. 과학. , 42 ( 2011 ) , 133 ~ 143페이지
교차 참조Scopus에서 레코드 보기
[10]
R. 라이자데 , WD 그리피스
J. 합금. Compd. , 491 ( 2010 ) , 575 ~ 580 쪽
기사PDF 다운로드Scopus에서 레코드 보기
[11]
L. Peng , G. Zeng , TC Su , H. Yasuda , K. Nogita , CM Gourlay
JOM , 71 ( 2019 ) , pp. 2235 – 2244
교차 참조Scopus에서 레코드 보기
[12]
S. Ganguly , AK Mondal , S. Sarkar , A. Basu , S. Kumar , C. Blawert
코로스. 과학. , 166 ( 2020 )
[13]
GE Bozchaloei , N. Varahram , P. Davami , SK 김
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 548 ( 2012 ) , 99 ~ 105페이지
Scopus에서 레코드 보기
[14]
S. 폭스 , J. 캠벨
Scr. 메이터. , 43 ( 2000 ) , PP. 881 – 886
기사PDF 다운로드Scopus에서 레코드 보기
[15]
M. 콕스 , RA 하딩 , J. 캠벨
메이터. 과학. 기술. , 19 ( 2003 ) , 613 ~ 625페이지
Scopus에서 레코드 보기
[16]
C. Nyahumwa , NR Green , J. Campbell
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 32 ( 2001 ) , 349 ~ 358 쪽
Scopus에서 레코드 보기
[17]
A. Ardekhani , R. Raiszadeh
J. 메이터. 영어 공연하다. , 21 ( 2012 ) , pp. 1352 – 1362
교차 참조Scopus에서 레코드 보기
[18]
X. Dai , X. Yang , J. Campbell , J. Wood
메이터. 과학. 기술. , 20 ( 2004 ) , 505 ~ 513 쪽
Scopus에서 레코드 보기
[19]
EM 엘갈라드 , MF 이브라힘 , HW 도티 , FH 사무엘
필로스. 잡지. , 98 ( 2018 ) , PP. 1337 – 1359
교차 참조Scopus에서 레코드 보기
[20]
WD 그리피스 , NW 라이
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 38A ( 2007 ) , PP. 190 – 196
교차 참조Scopus에서 레코드 보기
[21]
AR Mirak , M. Divandari , SMA Boutorabi , J. 캠벨
국제 J. 캐스트 만났습니다. 해상도 , 20 ( 2007 ) , PP. 215 – 220
교차 참조Scopus에서 레코드 보기
[22]
C. 칭기
주조공학 연구실
Helsinki University of Technology , Espoo, Finland ( 2006 )
Google 학술검색
[23]
Y. Jia , J. Hou , H. Wang , Q. Le , Q. Lan , X. Chen , L. Bao
J. 메이터. 프로세스. 기술. , 278 ( 2020 ) , 제 116542 조
기사PDF 다운로드Scopus에서 레코드 보기
[24]
S. Ouyang , G. Yang , H. Qin , S. Luo , L. Xiao , W. Jie
메이터. 과학. 영어 A , 780 ( 2020 ) , 제 139138 조
기사PDF 다운로드Scopus에서 레코드 보기
[25]
에스엠. Xiong , X.-F. 왕
트랜스. 비철금속 사회 중국 , 20 ( 2010 ) , pp. 1228 – 1234
기사PDF 다운로드Scopus에서 레코드 보기
[26]
지브이리서치
그랜드뷰 리서치
( 2018 )
미국
Google 학술검색
[27]
T. 리 , J. 데이비스
메탈. 메이터. 트랜스. , 51 ( 2020 ) , PP. 5,389 – (5400)
교차 참조Scopus에서 레코드 보기
[28]
JF Fruehling, 미시간 대학, 1970.
Google 학술검색
[29]
S. 쿨링
제36회 세계 마그네슘 연례 회의 , 노르웨이 ( 1979 ) , pp. 54 – 57
Scopus에서 레코드 보기Google 학술검색
[30]
S. Cashion , N. Ricketts , P. Hayes
J. 가벼운 만남. , 2 ( 2002 ) , 43 ~ 47페이지
기사PDF 다운로드Scopus에서 레코드 보기
[31]
S. Cashion , N. Ricketts , P. Hayes
J. 가벼운 만남. , 2 ( 2002 ) , PP. 37 – 42
기사PDF 다운로드Scopus에서 레코드 보기
[32]
K. Aarstad , G. Tranell , G. Pettersen , TA Engh
SF6에 의해 보호되는 마그네슘의 표면을 연구하는 다양한 기술
TMS ( 2003년 )
Google 학술검색
[33]
에스엠 Xiong , X.-L. 리우
메탈. 메이터. 트랜스. , 38 ( 2007 년 ) , PP. (428) – (434)
교차 참조Scopus에서 레코드 보기
[34]
T.-S. 시 , J.-B. Liu , P.-S. 웨이
메이터. 화학 물리. , 104 ( 2007 ) , 497 ~ 504페이지
기사PDF 다운로드Scopus에서 레코드 보기
[35]
G. Pettersen , E. Øvrelid , G. Tranell , J. Fenstad , H. Gjestland
메이터. 과학. 영어 , 332 ( 2002 ) , PP. (285) – (294)
기사PDF 다운로드Scopus에서 레코드 보기
[36]
H. Bo , LB Liu , ZP Jin
J. 합금. Compd. , 490 ( 2010 ) , 318 ~ 325 쪽
기사PDF 다운로드Scopus에서 레코드 보기
[37]
A. 미락 , C. 데이비슨 , J. 테일러
코로스. 과학. , 52 ( 2010 ) , PP. 1992 년 – 2000
기사PDF 다운로드Scopus에서 레코드 보기
[38]
BD 리 , UH 부리 , KW 리 , GS 한강 , JW 한
메이터. 트랜스. , 54 ( 2013 ) , 66 ~ 73페이지
Scopus에서 레코드 보기
[39]
WZ Liang , Q. Gao , F. Chen , HH Liu , ZH Zhao
China Foundry , 9 ( 2012 ) , pp. 226 – 230
교차 참조Scopus에서 레코드 보기
[40]
UI 골드슐레거 , EY 샤피로비치
연소. 폭발 충격파 , 35 ( 1999 ) , 637 ~ 644페이지
Scopus에서 레코드 보기
[41]
A. Elsayed , SL Sin , E. Vandersluis , J. Hill , S. Ahmad , C. Ravindran , S. Amer Foundry
트랜스. 오전. 파운드리 Soc. , 120 ( 2012 ) , 423 ~ 429페이지
Scopus에서 레코드 보기
[42]
E. Zhang , GJ Wang , ZC Hu
메이터. 과학. 기술. , 26 ( 2010 ) , 1253 ~ 1258페이지
Scopus에서 레코드 보기
[43]
NR 그린 , J. 캠벨
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 173 ( 1993 ) , 261 ~ 266 쪽
기사PDF 다운로드Scopus에서 레코드 보기
[44]
C 라일리 , MR 졸리 , NR 그린
MCWASP XII 논문집 – 주조, 용접 및 고급 Solidifcation 프로세스의 12 모델링 , 밴쿠버, 캐나다 ( 2009 )
Google 학술검색
[45]
HE Friedrich, BL Mordike, Springer, 독일, 2006.
Google 학술검색
[46]
C. Zheng , BR Qin , XB Lou
기계, 산업 및 제조 기술에 관한 2010 국제 회의 , ASME ( 2010 ) , pp. 383 – 388
2010년 미트
교차 참조Scopus에서 레코드 보기Google 학술검색
[47]
SM Xiong , XF 왕
트랜스. 비철금속 사회 중국 , 20 ( 2010 ) , pp. 1228 – 1234
기사PDF 다운로드Scopus에서 레코드 보기
[48]
SM Xiong , XL Liu
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 38A ( 2007 ) , PP. (428) – (434)
교차 참조Scopus에서 레코드 보기
[49]
TS Shih , JB Liu , PS Wei
메이터. 화학 물리. , 104 ( 2007 ) , 497 ~ 504페이지
기사PDF 다운로드Scopus에서 레코드 보기
[50]
K. Aarstad , G. Tranell , G. Pettersen , TA Engh
매그. 기술. ( 2003 ) , PP. (5) – (10)
Scopus에서 레코드 보기
[51]
G. Pettersen , E. Ovrelid , G. Tranell , J. Fenstad , H. Gjestland
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 332 ( 2002 ) , 285 ~ 294페이지
기사PDF 다운로드Scopus에서 레코드 보기
[52]
XF 왕 , SM Xiong
코로스. 과학. , 66 ( 2013 ) , PP. 300 – 307
기사PDF 다운로드Scopus에서 레코드 보기
[53]
SH Nie , SM Xiong , BC Liu
메이터. 과학. 영어 A-구조체. 메이터. 소품 Microstruct. 프로세스. , 422 ( 2006 ) , 346 ~ 351페이지
기사PDF 다운로드Scopus에서 레코드 보기
[54]
C. Bauer , A. Mogessie , U. Galovsky
Zeitschrift 모피 Metallkunde , 97 ( 2006 ) , PP. (164) – (168)
교차 참조Scopus에서 레코드 보기
[55]
QG 왕 , D. Apelian , DA Lados
J. 가벼운 만남. , 1 ( 2001 ) , PP. (73) – 84
기사PDF 다운로드Scopus에서 레코드 보기
[56]
S. Wang , Y. Wang , Q. Ramasse , Z. Fan
메탈. 메이터. 트랜스. , 51 ( 2020 ) , PP. 2957 – 2974
교차 참조Scopus에서 레코드 보기
[57]
S. Hayashi , W. Minami , T. Oguchi , HJ Kim
카그. 코그. 론분슈 , 35 ( 2009 ) , 411 ~ 415페이지
교차 참조Scopus에서 레코드 보기
[58]
K. 아르스타드
노르웨이 과학 기술 대학교
( 2004년 )
Google 학술검색
[59]
RL 윌킨스
J. Chem. 물리. , 51 ( 1969 ) , p. 853
-&
Scopus에서 레코드 보기
[60]
O. Kubaschewski , K. Hesselemam
무기물의 열화학적 성질
Springer-Verlag , 벨린 ( 1991 )
Google 학술검색
[61]
R. Schmidt , M. Strobele , K. Eichele , HJ Meyer
유로 J. Inorg. 화학 ( 2017 ) , PP. 2727 – 2735
교차 참조Scopus에서 레코드 보기
[62]
B. Hu , Y. Du , H. Xu , W. Sun , WW Zhang , D. Zhao
제이민 메탈. 분파. B-금속. , 46 ( 2010 ) , 97 ~ 103페이지
Scopus에서 레코드 보기
[63]
O. Salas , H. Ni , V. Jayaram , KC Vlach , CG Levi , R. Mehrabian
J. 메이터. 해상도 , 6 ( 1991 ) , 1964 ~ 1981페이지
Scopus에서 레코드 보기
[64]
SSS Kumari , UTS Pillai , BC 빠이
J. 합금. Compd. , 509 ( 2011 ) , pp. 2503 – 2509
기사PDF 다운로드Scopus에서 레코드 보기
[65]
H. Scholz , P. Greil
J. 메이터. 과학. , 26 ( 1991 ) , 669 ~ 677 쪽
Scopus에서 레코드 보기
[66]
P. Biedenkopf , A. Karger , M. Laukotter , W. Schneider
매그. 기술. , 2005년 ( 2005년 ) , 39 ~ 42 쪽
Scopus에서 레코드 보기
[67]
HV 앳킨슨 , S. 데이비스
메탈. 메이터. 트랜스. , 31 ( 2000 ) , PP. 2981 – 3000
교차 참조Scopus에서 레코드 보기
[68]
EJ Guo , L. Wang , YC Feng , LP Wang , YH Chen
J. 썸. 항문. 칼로리. , 135 ( 2019 ) , PP. 2001 년 – 2008 년
교차 참조Scopus에서 레코드 보기
[69]
T. Li , WD Griffiths , J. Chen
메탈. 메이터. 트랜스. A-Phys. 메탈. 메이터. 과학. , 48A ( 2017 ) , PP. 5516 – 5528
교차 참조Scopus에서 레코드 보기
[70]
M. Tiryakioglu , D. Hudak는
J. 메이터. 과학. , 42 ( 2007 ) , pp. 10173 – 10179
교차 참조Scopus에서 레코드 보기
[71]
Y. Yue , WD Griffiths , JL Fife , NR Green
제1회 3d 재료과학 국제학술대회 논문집 ( 2012 ) , pp. 131 – 136
교차 참조Scopus에서 레코드 보기Google 학술검색
[72]
R. 라이자데 , WD 그리피스
메탈. 메이터. 트랜스. B-프로세스 메탈. 메이터. 프로세스. 과학. , 37 ( 2006 ) , PP. (865) – (871)
Scopus에서 레코드 보기
[73]
ZC Hu , EL Zhang , SY Zeng
메이터. 과학. 기술. , 24 ( 2008 ) , 1304 ~ 1308페이지
교차 참조Scopus에서 레코드 보기

Fig. 5 Comparison of experimental SEM image and CtFD simulated melt pool with beam diameters of(a)700 μm,(b)1000 μm, and(c)1300 μm and an absorption rate of 0.3. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively

추가 생산용 전자빔 조사에 의한 316L 스테인리스 용융 · 응고 거동

Melting and Solidification Behavior of 316L Steel Induced by Electron-Beam Irradiation for Additive Manufacturing

付加製造用電子ビーム照射による 316L ステンレス鋼の溶融・凝固挙動

奥 川 将 行*・宮 田 雄一朗*・王     雷*・能 勢 和 史*
小 泉 雄一郎*・中 野 貴 由*
Masayuki OKUGAWA, Yuichiro MIYATA, Lei WANG, Kazufumi NOSE,
Yuichiro KOIZUMI and Takayoshi NAKANO

Abstract

적층 제조(AM) 기술은 복잡한 형상의 3D 부품을 쉽게 만들고 미세 구조 제어를 통해 재료 특성을 크게 제어할 수 있기 때문에 많은 관심을 받았습니다. PBF(Powderbed fusion) 방식의 AM 공정에서는 금속 분말을 레이저나 전자빔으로 녹이고 응고시키는 과정을 반복하여 3D 부품을 제작합니다.

일반적으로 응고 미세구조는 Hunt[Mater. 과학. 영어 65, 75(1984)]. 그러나 CET 이론이 일반 316L 스테인리스강에서도 높은 G와 R로 인해 PBF형 AM 공정에 적용될 수 있을지는 불확실하다.

본 연구에서는 미세구조와 응고 조건 간의 관계를 밝히기 위해 전자빔 조사에 의해 유도된 316L 강의 응고 미세구조를 분석하고 CtFD(Computational Thermal-Fluid Dynamics) 방법을 사용하여 고체/액체 계면에서의 응고 조건을 평가했습니다.

CET 이론과 반대로 높은 G 조건에서 등축 결정립이 종종 형성되는 것으로 밝혀졌다. CtFD 시뮬레이션은 약 400 mm s-1의 속도까지 유체 흐름이 있음을 보여 주며 수상 돌기의 파편 및 이동의 영향으로 등축 결정립이 형성됨을 시사했습니다.

Additive manufacturing(AM)technologies have attracted much attention because it enables us to build 3D parts with complicated geometry easily and control material properties significantly via the control of microstructures. In the powderbed fusion(PBF)type AM process, 3D parts are fabricated by repeating a process of melting and solidifying metal powders by laser or electron beams. In general, the solidification microstructures can be predicted from solidification conditions defined by the combination of temperature gradient G and solidification rate R on the basis of columnar-equiaxed transition(CET)theory proposed by Hunt [Mater. Sci. Eng. 65, 75(1984)]. However, it is unclear whether the CET theory can be applied to the PBF type AM process because of the high G and R, even for general 316L stainless steel. In this study, to reveal relationships between microstructures and solidification conditions, we have analyzed solidification microstructures of 316L steel induced by electronbeam irradiation and evaluated solidification conditions at the solid/liquid interface using a computational thermal-fluid dynamics (CtFD)method. It was found that equiaxed grains were often formed under high G conditions contrary to the CET theory. CtFD simulation revealed that there is a fluid flow up to a velocity of about 400 mm s-1, and suggested that equiaxed grains are formed owing to the effect of fragmentations and migrations of dendrites.

Keywords

Additive Manufacturing, 316L Stainless Steel, Powder Bed Fusion, Electron Beam Melting, Computational Thermal
Fluid Dynamics Simulation

Fig. 1 Width, height, and height differences calculated from laser microscope analysis of melt tracks formed by scanning electron beam. Fig. 2(a)Scanning electron microscope(SEM)image and(b) corresponding electron back-scattering diffraction(EBSD) IPF-map taken from the electron-beam irradiated region in P900-V100 sample. Fig. 3 Average grain size and their aspect ratio calculated from EBSD IPF-map taken from the electron-beam irradiated region.
Fig. 1 Width, height, and height differences calculated from laser microscope analysis of melt tracks formed by scanning electron beam. Fig. 2(a)Scanning electron microscope(SEM)image and(b) corresponding electron back-scattering diffraction(EBSD) IPF-map taken from the electron-beam irradiated region in P900-V100 sample. Fig. 3 Average grain size and their aspect ratio calculated from EBSD IPF-map taken from the electron-beam irradiated region.
Fig. 4 Comparison of experimental SEM image and computational thermal fluid dynamics(CtFD)simulated melt pool with a beam diameter of 700 μm and absorption rates of(a)0.3,(b)0.5, and (c)0.7. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively.
Fig. 4 Comparison of experimental SEM image and computational thermal fluid dynamics(CtFD)simulated melt pool with a beam diameter of 700 μm and absorption rates of(a)0.3,(b)0.5, and (c)0.7. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively.
Fig. 5 Comparison of experimental SEM image and CtFD simulated melt pool with beam diameters of(a)700 μm,(b)1000 μm, and(c)1300 μm and an absorption rate of 0.3. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively
Fig. 5 Comparison of experimental SEM image and CtFD simulated melt pool with beam diameters of(a)700 μm,(b)1000 μm, and(c)1300 μm and an absorption rate of 0.3. Electron beam power and scan speed are 900 W and 100 mm s-1, respectively
Fig. 6 Depth of melt tracks calculated from experimental SEM image and CtFD simulation results.
Fig. 6 Depth of melt tracks calculated from experimental SEM image and CtFD simulation results.
Fig. 7 G-R plots of 316L steel colored by(a)aspect ratio of crystalline grains and(b)fluid velocity.
Fig. 7 G-R plots of 316L steel colored by(a)aspect ratio of crystalline grains and(b)fluid velocity.
Fig. 8 Comparison of solidification microstructure(EBSD IPF-map)of melt region formed by scanning electron beam and corresponding snap shot of CtFD simulation colored by fluid velocity
Fig. 8 Comparison of solidification microstructure(EBSD IPF-map)of melt region formed by scanning electron beam and corresponding snap shot of CtFD simulation colored by fluid velocity

References

1) M.C. Sow, T. De Terris, O. Castelnau, Z. Hamouche, F. Coste, R.
Fabbro and P. Peyre: “Influence of beam diameter on Laser Powder

Bed Fusion(L-PBF)process”, Addit. Manuf. 36(2020), 101532.
2) J.C. Simmons, X. Chen, A. Azizi, M.A. Daeumer, P.Y. Zavalij, G.
Zhou and S.N. Schiffres: “Influence of processing and microstructure
on the local and bulk thermal conductivity of selective laser melted
316L stainless steel”, Addit. Manuf. 32(2020), 100996.
3) S. Dryepondt, P. Nandwana, P. Fernandez-Zelaia and F. List:
“Microstructure and High Temperature Tensile properties of 316L
Fabricated by Laser Powder-Bed Fusion”, Addit. Manuf. 37(2020),
101723.
4) S.H. Sun, T. Ishimoto, K. Hagihara, Y. Tsutsumi, T. Hanawa and T.
Nakano: “Excellent mechanical and corrosion properties of austenitic
stainless steel with a unique crystallographic lamellar microstructure
via selective laser melting”, Scr. Mater. 159(2019), 89-93.
5) T. Ishimoto, S. Wu, Y. Ito, S.H. Sun, H. Amano and T. Nakano:
“Crystallographic orientation control of 316L austenitic stainless
steel via selective laser melting”, ISIJ Int. 60(2020), 1758-1764.
6) T. Ishimoto, K. Hagihara, K. Hisamoto, S.H. Sun and T. Nakano:
“Crystallographic texture control of beta-type Ti-15Mo-5Zr3Al alloy by selective laser melting for the development of novel
implants with a biocompatible low Young’s modulus”, Scr. Mater.
132(2017), 34-38.
7) X. Ding, Y. Koizumi, D. Wei and A. Chiba: “Effect of process
parameters on melt pool geometry and microstructure development
for electron beam melting of IN718: A systematic single bead
analysis study”, Addit. Manuf. 26(2019), 215-226.
8) K. Karayagiz, L. Johnson, R. Seede, V. Attari, B. Zhang, X. Huang,
S. Ghosh, T. Duong, I. Karaman, A. Elwany and R. Arróyave: “Finite
interface dissipation phase field modeling of Ni-Nb under additive
manufacturing conditions”, Acta Mater. 185(2020), 320-339.
9) M.M. Kirka, Y. Lee, D.A. Greeley, A. Okello, M.J. Goin, M.T.
Pearce and R.R. Dehoff: “Strategy for Texture Management in
Metals Additive Manufacturing”, JOM, 69(2017), 523-531.
10) S.S. Babu, N. Raghavan, J. Raplee, S.J. Foster, C. Frederick, M.
Haines, R. Dinwiddie, M.K. Kirka, A. Plotkowski, Y. Lee and
R.R. Dehoff: “Additive Manufacturing of Nickel Superalloys:
Opportunities for Innovation and Challenges Related to
Qualification”, Metall. Mater. Trans. A. 49(2018), 3764-3780.
11) M.R. Gotterbarm, A.M. Rausch and C. Körner: “Fabrication of
Single Crystals through a μ-Helix Grain Selection Process during
Electron Beam Metal Additive Manufacturing”, Metals, 10(2020),
313.
12) J.D.D. Hunt: “Steady state columnar and equiaxed growth of
dendrites and eutectic”, Mater. Sci. Eng. 65(1984), 75-83.
13) S. Bontha, N.W. Klingbeil, P.A. Kobryn and H.L. Fraser: “Effects of
process variables and size-scale on solidification microstructure in
beam-based fabrication of bulky 3D structures”, Mater. Sci. Eng. A.
513-514(2009), 311-318.
14) J. Gockel and J. Beuth: “Understanding Ti-6Al-4V microstructure
control in additive manufacturing via process maps”, 24th Int. SFF
Symp. – An Addit. Manuf. Conf. SFF 2013.(2013), 666-674.
15) B. Schoinochoritis, D. Chantzis and K. Salonitis: “Simulation of
metallic powder bed additive manufacturing processes with the finite
element method: A critical review”, Proc. of Instit. Mech. Eng., Part
B: J. Eng. Manuf. 231(2017), 96-117.
16)小泉雄一郎: “計算機シミュレーションを用いたAdditive
Manufacturing プロセス最適化予測”, スマートプロセス学会誌,
8-4(2019), 132-138.
17) Y. Zhao, Y. Koizumi, K. Aoyagi, D. Wei, K. Yamanaka and A. Chiba:
“Molten pool behavior and effect of fluid flow on solidification
conditions in selective electron beam melting(SEBM)of a
biomedical Co-Cr-Mo alloy”, Addit. Manuf. 26(2019), 202-214.
18) C. Tang, J.L. Tan and C.H. Wong: “A numerical investigation on
the physical mechanisms of single track defects in selective laser
melting”, Int. J. Heat Mass Transf. 126(2018), 957-968.
19) Technical data for Iron, [Online]. Available: http://periodictable.com/
Elements/026/data.html. [Accessed: 8-Feb-2021].
20) N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J.
Turner, N. Carl-son and S.S. Babu: “Numerical modeling of heattransfer and the influence of process parameters on tailoring the grain
morphology of IN718 in electron beam additive manufacturing”,
Acta Mater. 112(2016), 303-314.
21) S. Morita, Y. Miki and K. Toishi: “Introduction of Dendrite
Fragmentation to Microstructure Calculation by Cellular Automaton
Method”, Tetsu-to-Hagane. 104(2018), 559-566.
22) H. Esaka and M. Tamura: “Model Experiment Using Succinonitrile
on the Formation of Equiaxed Grains caused by Forced Convection”,
Tetsu-to-Hagane. 86(2000), 252-258.

Fig. 1. Schematic of (a) geometry of the simulation model, (b) A-A cross-section presenting the locations of point probes for recording temperature history (unit: µm).

Laser powder bed fusion of 17-4 PH stainless steel: a comparative study on the effect of heat treatment on the microstructure evolution and mechanical properties

17-4 PH 스테인리스강의 레이저 분말 베드 융합: 열처리가 미세조직의 진화 및 기계적 특성에 미치는 영향에 대한 비교 연구

panelS.Saboonia, A.Chaboka, S.Fenga,e, H.Blaauwb, T.C.Pijperb,c, H.J.Yangd, Y.T.Peia
aDepartment of Advanced Production Engineering, Engineering and Technology Institute Groningen, University of Groningen, Nijenborgh 4, 9747 AG, Groningen, The Netherlands
bPhilips Personal Care, Oliemolenstraat 5, 9203 ZN, Drachten, The Netherlands
cInnovation Cluster Drachten, Nipkowlaan 5, 9207 JA, Drachten, The Netherlands
dShi-changxu Innovation Center for Advanced Materials, Institute of Metal Research, Chinese Academy of Sciences, 72 Wenhua Road, Shenyang 110016, P. R. China
eSchool of Mechanical Engineering, University of Science and Technology Beijing, Beijing, 100083, P.R. China

Abstract

17-4 PH (precipitation hardening) stainless steel is commonly used for the fabrication of complicated molds with conformal cooling channels using laser powder bed fusion process (L-PBF). However, their microstructure in the as-printed condition varies notably with the chemical composition of the feedstock powder, resulting in different age-hardening behavior. In the present investigation, 17-4 PH stainless steel components were fabricated by L-PBF from two different feedstock powders, and subsequently subjected to different combinations of post-process heat treatments. It was observed that the microstructure in as-printed conditions could be almost fully martensitic or ferritic, depending on the ratio of Creq/Nieq of the feedstock powder. Aging treatment at 480 °C improved the yield and ultimate tensile strengths of the as-printed components. However, specimens with martensitic structures exhibited accelerated age-hardening response compared with the ferritic specimens due to the higher lattice distortion and dislocation accumulation, resulting in the “dislocation pipe diffusion mechanism”. It was also found that the martensitic structures were highly susceptible to the formation of reverted austenite during direct aging treatment, where 19.5% of austenite phase appeared in the microstructure after 15 h of direct aging. Higher fractions of reverted austenite activates the transformation induced plasticity and improves the ductility of heat treated specimens. The results of the present study can be used to tailor the microstructure of the L-PBF printed 17-4 PH stainless steel by post-process heat treatments to achieve a good combination of mechanical properties.

17-4 PH(석출 경화) 스테인리스강은 레이저 분말 베드 융합 공정(L-PBF)을 사용하여 등각 냉각 채널이 있는 복잡한 금형 제작에 일반적으로 사용됩니다. 그러나 인쇄된 상태의 미세 구조는 공급원료 분말의 화학적 조성에 따라 크게 달라지므로 시효 경화 거동이 다릅니다.

현재 조사에서 17-4 PH 스테인리스강 구성요소는 L-PBF에 의해 두 가지 다른 공급원료 분말로 제조되었으며, 이후에 다양한 조합의 후처리 열처리를 거쳤습니다. 인쇄된 상태의 미세구조는 공급원료 분말의 Creq/Nieq 비율에 따라 거의 완전히 마르텐사이트 또는 페라이트인 것으로 관찰되었습니다.

480 °C에서 노화 처리는 인쇄된 구성 요소의 수율과 극한 인장 강도를 개선했습니다. 그러나 마텐자이트 구조의 시편은 격자 변형 및 전위 축적이 높아 페라이트 시편에 비해 시효 경화 반응이 가속화되어 “전위 파이프 확산 메커니즘”이 발생합니다.

또한 마르텐사이트 구조는 직접 시효 처리 중에 복귀된 오스테나이트의 형성에 매우 민감한 것으로 밝혀졌으며, 여기서 15시간의 직접 시효 후 미세 조직에 19.5%의 오스테나이트 상이 나타났습니다.

복귀된 오스테나이트의 비율이 높을수록 변형 유도 가소성이 활성화되고 열처리된 시편의 연성이 향상됩니다. 본 연구의 결과는 기계적 특성의 우수한 조합을 달성하기 위해 후처리 열처리를 통해 L-PBF로 인쇄된 17-4 PH 스테인리스강의 미세 구조를 조정하는 데 사용할 수 있습니다.

Keywords

Laser powder bed fusion17-4 PH stainless steelPost-process heat treatmentAge hardeningReverted austenite

Fig. 1. Schematic of (a) geometry of the simulation model, (b) A-A cross-section presenting the locations of point probes for recording temperature history (unit: µm).
Fig. 1. Schematic of (a) geometry of the simulation model, (b) A-A cross-section presenting the locations of point probes for recording temperature history (unit: µm).
Fig. 2. Optical (a, b) and TEM (c) micrographs of the wrought 17-4 PH stainless steel.
Fig. 2. Optical (a, b) and TEM (c) micrographs of the wrought 17-4 PH stainless steel.
Fig. 3. EBSD micrographs of the as-printed 17-4 PH steel fabricated with “powder A” (a, b) and “powder B” (c, d) on two different cross sections: (a, c) perpendicular to the building direction, and (b, d) parallel to the building direction.
Fig. 3. EBSD micrographs of the as-printed 17-4 PH steel fabricated with “powder A” (a, b) and “powder B” (c, d) on two different cross sections: (a, c) perpendicular to the building direction, and (b, d) parallel to the building direction.
Fig. 4. Microstructure of the as-printed 17-4 PH stainless steel fabricated with “powder A” (a) and “powder B” (b).
Fig. 4. Microstructure of the as-printed 17-4 PH stainless steel fabricated with “powder A” (a) and “powder B” (b).
Fig. 5. Simulated temperature history of the probes located at the cross section of the L-PBF 17-4 PH steel sample.
Fig. 5. Simulated temperature history of the probes located at the cross section of the L-PBF 17-4 PH steel sample.
Fig. 6. Dependency of the volume fraction of delta ferrite in the final microstructure of L-PBF printed 17-4 PH steel as a function of Creq/Nieq.
Fig. 6. Dependency of the volume fraction of delta ferrite in the final microstructure of L-PBF printed 17-4 PH steel as a function of Creq/Nieq.
Fig. 7. IQ + IPF (left column), parent austenite grain maps (middle column) and phase maps (right column, green color = martensite, red color = austenite) of the post-process heat treated 17-4 PH stainless steel: (a-c) direct aged, (d-f) HIP + aging, (g-i) SA + Aging, and (j-l) HIP + SA + aging (all sample were printed with “powder A”).
Fig. 7. IQ + IPF (left column), parent austenite grain maps (middle column) and phase maps (right column, green color = martensite, red color = austenite) of the post-process heat treated 17-4 PH stainless steel: (a-c) direct aged, (d-f) HIP + aging, (g-i) SA + Aging, and (j-l) HIP + SA + aging (all sample were printed with “powder A”).
Fig. 8. TEM micrographs of the post process heat treated 17-4 PH stainless steel: (a) direct aging and (b) HIP + aging (printed with “powder A”).
Fig. 8. TEM micrographs of the post process heat treated 17-4 PH stainless steel: (a) direct aging and (b) HIP + aging (printed with “powder A”).
Fig. 9. XRD patterns of the post-process heat treated 17-4 PH stainless steel printed with “powder A”.
Fig. 9. XRD patterns of the post-process heat treated 17-4 PH stainless steel printed with “powder A”.
Fig. 10. (a) Volume fraction of reverted austenite as a function of aging time for “direct aging” condition, (b) phase map (green color = martensite, red color = austenite) of the 15 h direct aged specimen printed with “powder A”.
Fig. 10. (a) Volume fraction of reverted austenite as a function of aging time for “direct aging” condition, (b) phase map (green color = martensite, red color = austenite) of the 15 h direct aged specimen printed with “powder A”.
Fig. 11. Microhardness variations of the “direct aged” specimens as a function of aging time at 480 °C.
Fig. 11. Microhardness variations of the “direct aged” specimens as a function of aging time at 480 °C.
Fig. 12. Kernel average misorientation graphs of the as-printed 17-4 PH steel with (a) martensitic structure (printed with “powder A”) and (b) ferritic structure (printed with “powder b”).
Fig. 12. Kernel average misorientation graphs of the as-printed 17-4 PH steel with (a) martensitic structure (printed with “powder A”) and (b) ferritic structure (printed with “powder b”).
Fig. 13. Typical stress-strain curves (a) along with the yield and ultimate tensile strengths (b) and elongation (c) of the as-printed and post-process heat treated 17-4 PH stainless steel (all sample are fabricated with “powder A”).
Fig. 13. Typical stress-strain curves (a) along with the yield and ultimate tensile strengths (b) and elongation (c) of the as-printed and post-process heat treated 17-4 PH stainless steel (all sample are fabricated with “powder A”).
Fig. 14. (a) IQ + IPF and (b) phase map (green color = martensite, red color = austenite) of the “direct aged” specimen after tensile test at a location nearby the rupture point (tension direction from left to right).
Fig. 14. (a) IQ + IPF and (b) phase map (green color = martensite, red color = austenite) of the “direct aged” specimen after tensile test at a location nearby the rupture point (tension direction from left to right).

References

[1]

P. Bajaj, A. Hariharan, A. Kini, P. Kürnsteiner, D. Raabe, E.A. Jagle

Steels in additive manufacturing: A review of their microstructure and properties

Materials Science and Engineering: A, 772 (2020), Article 138633

ArticleDownload PDFView Record in ScopusGoogle Scholar

[2]

Y. Sun, R.J. Hebert, M. Aindow

Effect of heat treatments on microstructural evolution of additively manufactured and wrought 17-4PH stainless steel

Mater. Des., 156 (2018), pp. 429-440

ArticleDownload PDFView Record in ScopusGoogle Scholar

[3]

Zemin Wang, Xulei Fang, Hui Li, Wenqing Liu

Atom Probe Tomographic Characterization of nanoscale cu-rich Precipitates in 17-4 precipitate hardened stainless steel tempered at different temperatures

Microsc. Microanal., 23 (2017), pp. 340-349

View Record in ScopusGoogle Scholar

[4]

C.N. Hsiao, C.S. Chiou, J.R. Yang

Aging reactions in a 17-4 PH stainless steel

Mater. Chem. Phys., 74 (2002), pp. 134-142

ArticleDownload PDFView Record in ScopusGoogle Scholar

[5]

Hamidreza Riazi, Fakhreddin Ashrafizadeh, Sayed Rahman Hosseini, Reza Ghomashchi

Influence of simultaneous aging and plasma nitriding on fatigue performance of 17-4 PH stainless steel

Mater. Sci. Eng. A, 703 (2017), pp. 262-269

ArticleDownload PDFView Record in ScopusGoogle Scholar

[6]

M.S. Shinde, K.M. Ashtankar

Additive manufacturing–assisted conformal cooling channels in mold manufacturing processes

Adv. Mech. Eng., 9 (2017), pp. 1-14

View Record in ScopusGoogle Scholar

[7]

A. Armillotta, R. Baraggi, S. Fasoli

SLM tooling for die casting with conformal cooling channels

Int. J. Adv. Manuf. Technol., 71 (2014), pp. 573-583

CrossRefView Record in ScopusGoogle Scholar

[8]

Amar M. Kamat, Yutao Pei

An analytical method to predict and compensate for residual stress-induced deformation in overhanging regions of internal channels fabricated using powder bed fusion

Additive Manufacturing, 29 (2019), Article 100796

ArticleDownload PDFView Record in ScopusGoogle Scholar

[9]

K.S. Prakash, T. Nancharaih, V.V. Subba Rao

Additive Manufacturing Techniques in Manufacturing – An Overview

Materials Today: Proceedings, 5 (2018), pp. 3873-3882

ArticleDownload PDFView Record in ScopusGoogle Scholar

[10]

R. Singh, A. Gupta, O. Tripathi, S. Srivastava, B. Singh, A. Awasthi, S.K. Rajput, P. Sonia, P. Singhal, K.K. Saxena

Powder bed fusion process in additive manufacturing: An overview

Materials Today: Proceedings, 26 (2020), pp. 3058-3070

ArticleDownload PDFGoogle Scholar

[11]

L. Zai, Ch Zhang, Y. Wang, W. Guo, D. Wellmann, X. Tong, Y. Tian

Laser Powder Bed Fusion of Precipitation-Hardened Martensitic Stainless Steels: A Review

Metals, 10 (2020), p. 255

CrossRefView Record in ScopusGoogle Scholar

[12]

H. Khalid Rafi, Deepankar Pal, Nachiket Patil, Thomas L. Starr, Brent E. Stucker

Microstructure and Mechanical Behavior of 17-4 Precipitation Hardenable Steel Processed by Selective Laser Melting

J. Mater. Eng. Perf, 23 (2014), pp. 4421-4428

Google Scholar

[13]

A. Yadollahi, N. Shamsaei, S.M. Thompson, A. Elwany, L. Bian

Effects of building orientation and heat treatment on fatigue behavior of selective laser melted 17-4 PH stainless steel

Int. J. Fatigue, 94 (2017), pp. 218-235

ArticleDownload PDFView Record in ScopusGoogle Scholar

[14]

M. Alnajjar, Frederic Christien, Cedric Bosch, Krzysztof Wolski

A comparative study of microstructure and hydrogen embrittlement of selective laser melted and wrought 17–4 PH stainless steel

Materials Science and Engineering: A, 785 (2020), Article 139363

ArticleDownload PDFView Record in ScopusGoogle Scholar

[15]

M. Alnajjar, F. Christien, K. Wolski, C. Bosch

Evidence of austenite by-passing in a stainless steel obtained from laser melting additive manufacturing

Addit. Manuf, 25 (2019), pp. 187-195

ArticleDownload PDFView Record in ScopusGoogle Scholar

[16]

P.D. Nezhadfar, K. Anderson-Wedge, S.R. Daniewicz, N. Phan, Sh Shao, N. Shamsaei

Improved high cycle fatigue performance of additively manufactured 17-4 PH stainless steel via in-process refining micro-/defect-structure

Additive Manufacturing, 36 (2020), Article 101604

ArticleDownload PDFView Record in ScopusGoogle Scholar

[17]

S. Feng, A.M. Kamat, S. Sabooni, Y. Pei

Experimental and numerical investigation of the origin of surface roughness in laser powder bed fused overhang regions

Virtual and Physical Prototyping, 16 (2021), pp. S66-S84, 10.1080/17452759.2021.1896970

CrossRefView Record in ScopusGoogle Scholar

[18]

W. Liu, J. Ma, M. Mazar Atabaki, R. Pillai, B. Kumar, U. Vasudevan, H. Sreshta, R. Kovacevic

Hybrid Laser-arc Welding of 17-4 PH Martensitic Stainless Steel

Lasers in Manufacturing and Materials Processing, 2 (2015), pp. 74-90

CrossRefView Record in ScopusGoogle Scholar

[19]

J.C. Lippold, D.J. Kotecki

Welding metallurgy and weldability of stainless steels

Wiley (2005)

Google Scholar

[20]

M. Shirdel, H. Mirzadeh, M.H. Parsa

Nano/ultrafine grained austenitic stainless steel through the formation and reversion of deformation-induced martensite: Mechanisms, microstructures, mechanical properties, and TRIP effect

Mater. Charact., 103 (2015), pp. 150-161

ArticleDownload PDFView Record in ScopusGoogle Scholar

[21]

S. Kou

Solidification and liquation cracking issues in welding

JOM, 55 (2003), pp. 37-42

CrossRefView Record in ScopusGoogle Scholar

[22]

T.J. Lienert, J.C. Lippold

Improved Weldability Diagram for Pulsed Laser Welded Austenitic Stainless Steels

Sci. Technol. Weld. Join., 8 (2003), pp. 1-9

CrossRefView Record in ScopusGoogle Scholar

[23]

Ch Qiu, M. Al Kindi, A.S. Aladawi, I. Al Hatmi

A comprehensive study on microstructure and tensile behaviour of a selectively laser melted stainless steel

Sci. Rep., 8 (2018), p. 7785

View Record in ScopusGoogle Scholar

[24]

P.A. Hooper

Melt pool temperature and cooling rates in laser powder bed fusion

Addit. Manuf, 22 (2018), pp. 548-559

ArticleDownload PDFView Record in ScopusGoogle Scholar

[25]

T. DebRoy, H.L. Wei, J.S. Zuback, T. Mukherjee, J.W. Elmer, J.O. Milewski, A.M. Beese, A. Wilson-Heid, A. Ded, W. Zhang

Additive manufacturing of metallic components – Process, structure and properties

Prog. Mater. Sci., 92 (2018), pp. 112-224

ArticleDownload PDFView Record in ScopusGoogle Scholar

[26]

S. Vunnam, A. Saboo, Ch Sudbrack, T.L. Starr

Effect of powder chemical composition on the as-built microstructure of 17- 4 PH stainless steel processed by selective laser melting

Additive Manufacturing, 30 (2019), Article 100876

ArticleDownload PDFView Record in ScopusGoogle Scholar

[27]

L. Couturier, F. De Geuser, M. Descoins, A. Deschamps

Evolution of the microstructure of a 15-5PH martensitic stainless steel during precipitation hardening heat treatment

Mater. Des., 107 (2016), pp. 416-425

ArticleDownload PDFView Record in ScopusGoogle Scholar

[28]

C. Cayron, B. Artaud, L. Briottet

Reconstruction of parent grains from EBSD data

Mater. Charact., 57 (2006), pp. 386-401

ArticleDownload PDFView Record in ScopusGoogle Scholar

[29]

R. Bhambroo, S. Roychowdhury, V. Kain, V.S. Raja

Effect of reverted austenite on mechanical properties of precipitation hardenable 17-4 stainless steel

Mater. Sci. Eng. A, 568 (2013), pp. 127-133

ArticleDownload PDFView Record in ScopusGoogle Scholar

[30]

T. LeBrun, T. Nakamoto, K. Horikawa, H. Kobayashi

Effect of retained austenite on subsequent thermal processing and resultant mechanical properties of selective laser melted 17–4 PH stainless steel

Mater. Des., 81 (2015), pp. 44-53

ArticleDownload PDFView Record in ScopusGoogle Scholar

[31]

T.H. Hsu, Y.J. Chang, C.Y. Huang, H.W. Yen, C.P. Chen, K.K. Jen, A.Ch Yeh

Microstructure and property of a selective laser melting process induced oxide dispersion strengthened 17-4 PH stainless steel

J. Alloys. Compd., 803 (2019), pp. 30-41

ArticleDownload PDFView Record in ScopusGoogle Scholar

[32]

Li Wang, Chaofang Dong, Cheng Man, Decheng Kong, Kui Xiao, Xiaogang Li

Enhancing the corrosion resistance of selective laser melted 15-5 PH martensite stainless steel via heat treatment

Corrosion Science, 166 (2020), Article 108427

ArticleDownload PDFView Record in ScopusGoogle Scholar

[33]

H. Kimura

Precipitation Behavior and 2-step Aging of 17-4PH Stainless Steel

Tetsu-to-Hagane, 86 (2000), pp. 343-348

CrossRefView Record in ScopusGoogle Scholar

[34]

G. Yeli, M.A. Auger, K. Wilford, G.D.W. Smith, P.A.J. Bagot, M.P. Moody

Sequential nucleation of phases in a 17-4PH steel: Microstructural characterisation and mechanical properties

Acta. Mater., 125 (2017), pp. 38-49

ArticleDownload PDFView Record in ScopusGoogle Scholar

[35]

J.B. Ferguson, Benjamin F. Schultz, Dev Venugopalan1, Hugo F. Lopez, Pradeep K. Rohatgi, Kyu Cho, Chang-Soo Kim

On the Superposition of Strengthening Mechanisms in Dispersion Strengthened Alloys and Metal-Matrix Nanocomposites: Considerations of Stress and Energy

Met. Mater. Int., 20 (2014), pp. 375-388

CrossRefView Record in ScopusGoogle Scholar

[36]

H. Mirzadeh, A. Najafizadeh

Aging kinetics of 17-4 PH stainless steel

Mater. Chem. Phys., 116 (2009), pp. 119-124

ArticleDownload PDFView Record in ScopusGoogle Scholar

[37]

L.E. Murr, E. Martinez, J. Hernandez, Sh Collins, K.N. Amato, S.M. Gaytan, P.W. Shindo

Microstructures and Properties of 17-4 PH Stainless Steel Fabricated by Selective Laser Melting

J. Mater. Res. Technol, 1 (2012), pp. 167-177

ArticleDownload PDFView Record in ScopusGoogle Scholar

[38]

Y.F. Shen, L.N. Qiu, X. Sun, L. Zuo, P.K. Liaw, D. Raabe

Effects of retained austenite volume fraction, morphology, and carbon content on strength and ductility of nanostructured TRIP-assisted steels

Mater. Sci. Eng. A, 636 (2015), pp. 551-564

ArticleDownload PDFView Record in ScopusGoogle Scholar

Laser powder bed fusion Figure

A study of transient and steady-state regions from single-track deposition in laser powder bed fusion

SubinShrestha KevinChou

J.B. Speed School of Engineering, University of Louisville, Louisville, KY 40292, United States

Abstract

The surface morphology of parts made by the laser powder bed fusion (L-PBF) process is governed by the flow of the melt pool. The nature of the molten metal flow depends on the material properties, process parameters, and powder-bed particles, etc., and may result in potentially significant variations along a laser scanning path.

This study investigates the formation of transient and steady-state zones through a single-track l-PBF experiment using Inconel 625 powder. Single tracks with lengths of 1 mm and 2 mm were fabricated using 195 W laser power and scan speeds of 400 mm/s or 800 mm/s. The surface morphology of the track was analyzed using a white light interferometer (WLI), and an individual single track can be divided into three distinct zones based on the track width and height.

The initial transient region has a wider and taller solidified track geometry, the region near the end of a scan has a tapered profile with a decreasing track width and height, while the steady-state region in the middle has a smaller variation in the width and height.

A mesoscale numerical model was further developed using FLOW-3D to examine the formation of the transient and steady-state zones. At the start of a scan, strong flow occurs outward and backward, leading to the formation of a wider track with a bump. As the scan continues, the thermal gradient stabilizes, leading to a steady state, which resulted in a very small fluctuation in the width. Furthermore, the tapered end of the scan track is due to the half-lemniscate shape of the melt pool during laser scanning.

L-PBF(Laser Powder Bed fusion) 공정으로 만든 부품의 표면 형태는 용융 풀의 흐름에 따라 결정됩니다. 용융 금속 흐름의 특성은 재료 특성, 공정 매개변수 및 분말층 입자 등에 따라 달라지며 레이저 스캐닝 경로를 따라 잠재적으로 상당한 변동이 발생할 수 있습니다.

이 연구는 Inconel 625 분말을 사용하여 단일 트랙 l-PBF 실험을 통해 과도 및 정상 상태 영역의 형성을 조사합니다. 1 mm 및 2 mm 길이의 단일 트랙은 195 W 레이저 출력과 400 mm/s 또는 800 mm/s의 스캔 속도를 사용하여 제작되었습니다. 트랙의 표면 형태는 백색광 간섭계(WLI)를 사용하여 분석되었으며 개별 단일 트랙은 트랙 너비와 높이에 따라 3개의 별개 영역으로 나눌 수 있습니다.

초기 과도 영역은 더 넓고 더 높은 응고된 트랙 형상을 가지며, 스캔 끝 근처의 영역은 트랙 너비와 높이가 감소하는 테이퍼 프로파일을 갖는 반면, 중간의 정상 상태 영역은 너비와 높이에서 더 작은 변동을 가집니다. 신장. 중간 규모 수치 모델은 과도 및 정상 상태 영역의 형성을 조사하기 위해 FLOW-3D를 사용하여 추가로 개발되었습니다.

스캔이 시작될 때 강한 흐름이 바깥쪽과 뒤쪽으로 발생하여 범프가 있는 더 넓은 트랙이 형성됩니다. 스캔이 계속됨에 따라 열 구배가 안정화되어 정상 상태로 이어지며 폭의 변동이 매우 작습니다. 또한 스캔 트랙의 끝이 가늘어지는 것은 레이저 스캔 중 용융 풀의 반-렘니케이트 모양 때문입니다.

A study of transient and steady-state regions from single-track deposition in laser powder bed fusion
A study of transient and steady-state regions from single-track deposition in laser powder bed fusion

Keywords

Additive manufacturing, Laser powder bed fusion, Numerical modelling, Transient region

참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.

FLOW-3D AM 미세 구조 예측 | 열 응력 해석

미세 구조 예측

냉각 속도 및 온도 구배와 같은 FLOW-3D AM 데이터를 미세 구조 모델에 입력하여 결정 성장 및 수상 돌기 암 간격을 예측할 수 있습니다. 

레이저 파우더 베드 융합으로 제작 된 니켈 기반 초합금의 열전달, 유체 흐름 및 응고 미세 구조 모델링

오하이오 주립 대학의 연구원들은 니켈 기반 초합금의 미세 구조 진화를 예측하기 위해 용융 풀과 고체 / 액체 인터페이스의 적절한 위치에서 열 구배 및 냉각 속도 데이터를 추출했습니다.

참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.
참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.

열 응력 | Thermal Stresses

FLOW-3D AM 시뮬레이션의 결과를 ABAQUS 또는 MSC NASTRAN과 같은 FEA 소프트웨어에 입력하여 추가 열 응력 분석을 실행할 수 있습니다. 여기에서 T- 조인트의 레이저 용접 시뮬레이션 결과를 추가 응력 분석을 위해 ABAQUS로 가져 오는 방법을 볼 수 있습니다. 마찬가지로 LPBF 시뮬레이션에서 응고 된 용융 풀 데이터의 결과를 사용하여 다른 FEA 소프트웨어에서 열 응력 및 왜곡 분석을 연구 할 수 있습니다.

Thermal Stresses Analysis Fig1
Thermal Stresses Analysis Fig1
Thermal Stresses Analysis Fig2
Thermal Stresses Analysis Fig2

Thermal Stresses Case Study

Directed Energy Deposition

DED (Directed Energy Deposition)는 레이저 또는 전자 빔과 같은 에너지 소스를 사용하여 가열 및 융합되는 와이어 또는 분말을 증착하여 부품을 만드는 적층 제조 공정입니다. FLOW-3D AM 은 분말 또는 와이어 이송 속도 및 크기 특성, 레이저 출력 및 스캔 속도와 같은 공정 매개 변수를 고려하여 DED 공정을 시뮬레이션 할 수 있습니다. 또한, 기판과 분말 재료의 서로 다른 합금에 대해 독립적 인 열 물리적 재료 특성을 정의하여 다중 재료 DED 프로세스를 시뮬레이션 할 수 있습니다. 

레이저 물리학의 구현과 열 전달, 응고, 표면 장력, 차폐 가스 효과 및 반동 압력을 포함한 압력 효과를 통해 연구원은 결과 용접 비드의 강도 및 균일성에 대한 공정 매개 변수의 영향을 정확하게 분석 할 수 있습니다. 또한 이러한 시뮬레이션을 여러 레이어로 확장하여 후속 레이어 간의 융합을 분석 할 수 있습니다. 

FLOW DEM

FLOW-3D DEM Module 개요

FLOW DEM 은 FLOW-3D 의 기체 및 액체 유동 해석에 DEM(Discrete Element Method : 개별 요소법)공법인 입자의 거동을 분석해주는 모듈입니다.

dem9

dem10
주요 기능 : 고체 요소의 충돌, 스프링(Spring) / 대시 포트(Dash Pot) 모델 적용 Void, 1 fluid, 2 fluid(자유 계면 포함) 각각의 모드에 대응 가변 밀도 / 가변 직경 입자 크기조절로 입자 특성을 유지하면서 입자 수를 감소 독립적인 DEM의 Sub Time Step 이용

Discrete Element Method : 개별 요소법

다수의 고체 요소의 충돌 운동을 분석하는 데 유용합니다. 유동 해석과 함께 사용하면 광범위한 용도에 응용을 할 수 있습니다.

dem1

입자 간의 충돌

Voigt model은 스프링(Spring) 및 대시 포트(Dash pot)의 조합에 의해 입자 충돌 시의 힘을 평가합니다. 탄성력 부분은 스프링 모델에서,
비탄성 충돌의 에너지 소산부분은 대시 포트 모델에서 시뮬레이션되고 있으며, 중량 및 항력은 작용하는 외력으로 고려 될 수 있습니다.

분석 모드

기본적으로 이용하는 운동 방정식은 FLOW-3D 에 사용되는 질량 입자의 운동 방정식과 같은 것이지만, 여기에 DEM으로
평가되는 항목이 추가되기 형태로되어 있으며, 실제 시뮬레이션으로는 ‘void + DEM’, ‘1 Fluid + DEM’ , ‘ 1 Fluid 자유계면 + DEM ‘을 기본 유동 모드로 취급이 가능합니다.

dem4

입자 유형

입자 타입도 표준 기능의 질량 입자 모델처럼 입자 크기 (반경)와 밀도가 동일한 것 외, 크기는 같지만 밀도가 다른 것이나 밀도는 같지만 크기가 다른 것 등도 취급 가능합니다. 이로 인해 표준 질량 입자 모델에서는 입자 간의 상호 작용이 고려되어 있지 않기 때문에 모든 아래에 가라 앉아 버리고 있었지만, FLOW DEM을 이용하여 기하학적 관계를 평가하는 것이 가능합니다.

dem7

응용 분야

1. Mechanical Engineering 분야

수지 충전, 스쿠류 이송, 분말 이송 / Resin filling, screw conveyance, powder conveyance

2. Civil Engineering분야

3. Civil Engineering 분야

파편, 자갈, 낙 성/ Debris flow, gravel, falling rock

dem11

3. Chemical Engineering, Pharmaceutics 분야

유동층, 사이클론, 교반기 / Fluidized bed, cyclone, stirrer

dem12

4. MEMS, Electrical Engineering 분야

하전 입자를 포함한 전기장 해석 등

dem15

입자 그룹 가시화

그룹 가시화

DEM은 일반적으로 다수의 입자를 필요로하는 분석을 상정하고 있습니다. 
다만 이 경우, 계산 부하가 높아 지므로 현실적인 계산자원을 고려하면, 입자 수가 너무 많아 현실적으로 취급 할 수 없는 경우 입자의 특성은 유지하고 숫자를 줄여 가시화할 필요가 있습니다 .
일반적인 유동해석 계산의 메쉬 해상도에 해당합니다.
메쉬 수 많음 (계산 부하 큼) → 소 (계산 부하 적음)
입자 수 다 (계산 부하 큼) → 소 (계산 부하 적음)

원래 입자수

입자 사이즈를 키운경우

그룹 가시화

  • 입자 수를 줄이기 위해 그대로 입경을 크게했을 경우와 그룹 가시화 한 경우의 비교.
  • 입자 크기를 크게하면 개별 입자 특성이 달라지기 때문에 거동이 달라진다. (본 사례에서는 부력이 커진다.)
  • 그룹 가시화의 경우 개별 특성은 동일 원래의 거동과 대체로 일치한다.

주조 시뮬레이션에 DEM 적용

그룹 가시화 비교 예

그룹 가시화한 경우와 입경을 크게하여 수를 줄인 경우, 입경을 크게하면
개별 입자 특성이 변화하여 거동이 바뀌어 버리기 때문에 실제 계산으로는 사용할 수 어렵습니다.

중자 모래 분사 분석

DEM에서의 계산부하를 생각할 때는 입자모델에 의한 안정제한을 고려해야 하지만 서브타임스텝이라는 개념을 도입함으로써 입자의 경우와 유체의 경우의 타임스텝을 바꾸고 필요이상으로 계산시간을 들이지 않고 효율적으로 계산하는 것을 가능하게 하고 있습니다.

이를 통해 예를 들어 중자사 분사 시뮬레이션 실험에서는 이러한 문제로 자주 이용되는 빙엄 유체에서는 실험과의 정합성이 별로 좋지 않기 때문에 당사에서는 이전부터 입상류 모델이라는 모델을 개발하고 연속체로부터의 접근에서도 실험과의 높은 정합성을 실현할 수 있는 모델화를 해왔는데, 이번에 DEM을 사용해도 그것과 거의 같은 결과를 얻습니다. 할 수 있음을 확인할 수 있었다.

Reference :

  • Lefebvre D., Mackenbrock A., Vidal V., Pavan V. and Haigh PM, 2004,
  • Development and use of simulation in the Design of Blown Cores and Moulds

FLOW-3D AM

flow3d AM-product
FLOW-3D AM-product

와이어 파우더 기반 DED | Wire Powder Based DED

일부 연구자들은 부품을 만들기 위해 더 넓은 범위의 처리 조건을 사용하여 하이브리드 와이어 분말 기반 DED 시스템을 찾고 있습니다. 예를 들어, 이 시뮬레이션은 다양한 분말 및 와이어 이송 속도를 가진 하이브리드 시스템을 살펴봅니다.

와이어 기반 DED | Wire Based DED

와이어 기반 DED는 분말 기반 DED보다 처리량이 높고 낭비가 적지만 재료 구성 및 증착 방향 측면에서 유연성이 떨어집니다. FLOW-3D AM 은 와이어 기반 DED의 처리 결과를 이해하는데 유용하며 최적화 연구를 통해 빌드에 대한 와이어 이송 속도 및 직경과 같은 최상의 처리 매개 변수를 찾을 수 있습니다.

FLOW-3D AM은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을 위한 수지 침투 및 확산에 대해 매우 정확한 시뮬레이션을 제공합니다.

3D 프린팅이라고도하는 적층 제조(additive manufacturing)는 일반적으로 층별 접근 방식을 사용하여, 분말 또는 와이어로 부품을 제조하는 방법입니다. 금속 기반 적층 제조 공정에 대한 관심은 지난 몇 년 동안 시작되었습니다. 오늘날 사용되는 3 대 금속 적층 제조 공정은 PBF (Powder Bed Fusion), DED (Directed Energy Deposition) 및 바인더 제트 ( Binder jetting ) 공정입니다.  FLOW-3D  AM  은 이러한 각 프로세스에 대한 고유 한 시뮬레이션 통찰력을 제공합니다.

파우더 베드 융합 및 직접 에너지 증착 공정에서 레이저 또는 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF용 분말 형태와 DED 공정용 분말 또는 와이어 형태의 금속을 완전히 녹여 융합하여 층별로 부품을 형성합니다. 그러나 바인더 젯팅(Binder jetting)에서는 결합제 역할을 하는 수지가 금속 분말에 선택적으로 증착되어 층별로 부품을 형성합니다. 이러한 부품은 더 나은 치밀화를 달성하기 위해 소결됩니다.

FLOW-3D AM 의 자유 표면 추적 알고리즘과 다중 물리 모델은 이러한 각 프로세스를 높은 정확도로 시뮬레이션 할 수 있습니다. 레이저 파우더 베드 융합 (L-PBF) 공정 모델링 단계는 여기에서 자세히 설명합니다. DED 및 바인더 분사 공정에 대한 몇 가지 개념 증명 시뮬레이션도 표시됩니다.

레이저 파우더 베드 퓨전 (L-PBF)

LPBF 공정에는 유체 흐름, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리학 현상이 포함되어 공정 및 궁극적으로 빌드 품질에 상당한 영향을 미칩니다. FLOW-3D AM 의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하는 동시에 입자 크기 분포 및 패킹 비율을 고려하여 중규모에서 용융 풀 현상을 시뮬레이션합니다.

FLOW-3D DEM FLOW-3D WELD 는 전체 파우더 베드 융합 공정을 시뮬레이션하는 데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 놓기, 분말 용융 및 응고,이어서 이전에 응고 된 층에 신선한 분말을 놓는 것, 그리고 다시 한번 새 층을 이전 층에 녹이고 융합시키는 것입니다. FLOW-3D AM  은 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.

파우더 베드 부설 공정

FLOW-3D DEM을 통해 분말 크기 분포, 재료 특성, 응집 효과는 물론 롤러 또는 블레이드 움직임 및 상호 작용과 같은 기하학적 효과와 관련된 분말 확산 및 압축을 이해할 수 있습니다. 이러한 시뮬레이션은 공정 매개 변수가 후속 인쇄 공정에서 용융 풀 역학에 직접적인 영향을 미치는 패킹 밀도와 같은 분말 베드 특성에 어떻게 영향을 미치는지에 대한 정확한 이해를 제공합니다.

다양한 파우더 베드 압축을 달성하는 한 가지 방법은 베드를 놓는 동안 다양한 입자 크기 분포를 선택하는 것입니다. 아래에서 볼 수 있듯이 세 가지 크기의 입자 크기 분포가 있으며, 이는 가장 높은 압축을 제공하는 Case 2와 함께 다양한 분말 베드 압축을 초래합니다.

파우더 베드 분포 다양한 입자 크기 분포
세 가지 다른 입자 크기 분포를 사용하여 파우더 베드 배치
파우더 베드 압축 결과
세 가지 다른 입자 크기 분포를 사용한 분말 베드 압축

입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 물체 상호 작용은 FLOW-3D DEM을 사용하여 자세히 분석 할 수도 있습니다 . 또한 입자간 힘을 지정하여 분말 살포 응용 분야를 보다 정확하게 연구 할 수도 있습니다.

FLOW-3D AM  시뮬레이션은 이산 요소 방법 (DEM)을 사용하여 역 회전하는 원통형 롤러로 인한 분말 확산을 연구합니다. 비디오 시작 부분에서 빌드 플랫폼이 위로 이동하는 동안 분말 저장소가 아래로 이동합니다. 그 직후, 롤러는 분말 입자 (초기 위치에 따라 색상이 지정됨)를 다음 층이 녹고 구축 될 준비를 위해 구축 플랫폼으로 펼칩니다. 이러한 시뮬레이션은 저장소에서 빌드 플랫폼으로 전송되는 분말 입자의 선호 크기에 대한 추가 통찰력을 제공 할 수 있습니다.

Melting | 파우더 베드 용해

DEM 시뮬레이션에서 파우더 베드가 생성되면 STL 파일로 추출됩니다. 다음 단계는 CFD를 사용하여 레이저 용융 공정을 시뮬레이션하는 것입니다. 여기서는 레이저 빔과 파우더 베드의 상호 작용을 모델링 합니다. 이 프로세스를 정확하게 포착하기 위해 물리학에는 점성 흐름, 용융 풀 내의 레이저 반사 (광선 추적을 통해), 열 전달, 응고, 상 변화 및 기화, 반동 압력, 차폐 가스 압력 및 표면 장력이 포함됩니다. 이 모든 물리학은 이 복잡한 프로세스를 정확하게 시뮬레이션하기 위해 TruVOF 방법을 기반으로 개발되었습니다.

레이저 출력 200W, 스캔 속도 3.0m / s, 스폿 반경 100μm에서 파우더 베드의 용융 풀 분석.

용융 풀이 응고되면 FLOW-3D AM  압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 가져와 응력 윤곽 및 변위 프로파일을 분석 할 수도 있습니다.

Multilayer | 다층 적층 제조

용융 풀 트랙이 응고되면 DEM을 사용하여 이전에 응고된 층에 새로운 분말 층의 확산을 시뮬레이션 할 수 있습니다. 유사하게, 레이저 용융은 새로운 분말 층에서 수행되어 후속 층 간의 융합 조건을 분석 할 수 있습니다.

해석 진행 절차는 첫 번째 용융층이 응고되면 입자의 두 번째 층이 응고 층에 증착됩니다. 새로운 분말 입자 층에 레이저 공정 매개 변수를 지정하여 용융 풀 시뮬레이션을 다시 수행합니다. 이 프로세스를 여러 번 반복하여 연속적으로 응고된 층 간의 융합, 빌드 내 온도 구배를 평가하는 동시에 다공성 또는 기타 결함의 형성을 모니터링 할 수 있습니다.

다층 적층 적층 제조 시뮬레이션

LPBF의 키홀 링 | Keyholing in LPBF

키홀링 중 다공성은 어떻게 형성됩니까? 이것은 TU Denmark의 연구원들이 FLOW-3D AM을 사용하여 답변한 질문이었습니다. 레이저 빔의 적용으로 기판이 녹으면 기화 및 상 변화로 인한 반동 압력이 용융 풀을 압박합니다. 반동 압력으로 인한 하향 흐름과 레이저 반사로 인한 추가 레이저 에너지 흡수가 공존하면 폭주 효과가 발생하여 용융 풀이 Keyholing으로 전환됩니다. 결국, 키홀 벽을 따라 온도가 변하기 때문에 표면 장력으로 인해 벽이 뭉쳐져서 진행되는 응고 전선에 의해 갇힐 수 있는 공극이 생겨 다공성이 발생합니다. FLOW-3D AM 레이저 파우더 베드 융합 공정 모듈은 키홀링 및 다공성 형성을 시뮬레이션 하는데 필요한 모든 물리 모델을 보유하고 있습니다.

바인더 분사 (Binder jetting)

Binder jetting 시뮬레이션은 모세관 힘의 영향을받는 파우더 베드에서 바인더의 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미칩니다.

Scan Strategy | 스캔 전략

스캔 전략은 온도 구배 및 냉각 속도에 영향을 미치기 때문에 미세 구조에 직접적인 영향을 미칩니다. 연구원들은 FLOW-3D AM 을 사용하여 결함 형성과 응고된 금속의 미세 구조에 영향을 줄 수 있는 트랙 사이에서 발생하는 재 용융을 이해하기 위한 최적의 스캔 전략을 탐색하고 있습니다. FLOW-3D AM 은 하나 또는 여러 레이저에 대해 시간에 따른 방향 속도를 구현할 때 완전한 유연성을 제공합니다.

Beam Shaping | 빔 형성

레이저 출력 및 스캔 전략 외에도 레이저 빔 모양과 열유속 분포는 LPBF 공정에서 용융 풀 역학에 큰 영향을 미칩니다. AM 기계 제조업체는 공정 안정성 및 처리량에 대해 다중 코어 및 임의 모양의 레이저 빔 사용을 모색하고 있습니다. FLOW-3D AM을 사용하면 멀티 코어 및 임의 모양의 빔 프로파일을 구현할 수 있으므로 생산량을 늘리고 부품 품질을 개선하기 위한 최상의 구성에 대한 통찰력을 제공 할 수 있습니다.

이 영역에서 수행 된 일부 작업에 대해 자세히 알아 보려면 “The Next Frontier of Metal AM”웨비나를 시청하십시오.

Multi-material Powder Bed Fusion | 다중 재료 분말 베드 융합

이 시뮬레이션에서 스테인리스 강 및 알루미늄 분말은 FLOW-3D AM 이 용융 풀 역학을 정확하게 포착하기 위해 추적하는 독립적으로 정의 된 온도 의존 재료 특성을 가지고 있습니다. 시뮬레이션은 용융 풀에서 재료 혼합을 이해하는 데 도움이됩니다.

다중 재료 용접 사례 연구

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사

GM과 University of Utah의 연구원들은 FLOW-3D WELD 를 사용 하여 레이저 키홀 용접을 통한 이종 금속의 혼합을 이해했습니다. 그들은 반동 압력 및 Marangoni 대류와 관련하여 구리와 알루미늄의 혼합 농도에 대한 레이저 출력 및 스캔 속도의 영향을 조사했습니다. 그들은 시뮬레이션을 실험 결과와 비교했으며 샘플 내의 절단 단면에서 재료 농도 사이에 좋은 일치를 발견했습니다.

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056
참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056

방향성 에너지 증착

FLOW-3D AM 의 내장 입자 모델 을 사용하여 직접 에너지 증착 프로세스를 시뮬레이션 할 수 있습니다. 분말 주입 속도와 고체 기질에 입사되는 열유속을 지정함으로써 고체 입자는 용융 풀에 질량, 운동량 및 에너지를 추가 할 수 있습니다. 다음 비디오에서 고체 금속 입자가 용융 풀에 주입되고 기판에서 용융 풀의 후속 응고가 관찰됩니다.

electromagnetic metal casting computation designs Fig1

A survey of electromagnetic metal casting computation designs, present approaches, future possibilities, and practical issues

The European Physical Journal Plus volume 136, Article number: 704 (2021) Cite this article

Abstract

Electromagnetic metal casting (EMC) is a casting technique that uses electromagnetic energy to heat metal powders. It is a faster, cleaner, and less time-consuming operation. Solid metals create issues in electromagnetics since they reflect the electromagnetic radiation rather than consume it—electromagnetic energy processing results in sounded pieces with higher-ranking material properties and a more excellent microstructure solution. For the physical production of the electromagnetic casting process, knowledge of electromagnetic material interaction is critical. Even where the heated material is an excellent electromagnetic absorber, the total heating quality is sometimes insufficient. Numerical modelling works on finding the proper coupled effects between properties to bring out the most effective operation. The main parameters influencing the quality of output of the EMC process are: power dissipated per unit volume into the material, penetration depth of electromagnetics, complex magnetic permeability and complex dielectric permittivity. The contact mechanism and interference pattern also, in turn, determines the quality of the process. Only a few parameters, such as the environment’s temperature, the interference pattern, and the rate of metal solidification, can be controlled by AI models. Neural networks are used to achieve exact outcomes by stimulating the neurons in the human brain. Additive manufacturing (AM) is used to design mold and cores for metal casting. The models outperformed the traditional DFA optimization approach, which is susceptible to local minima. The system works only offline, so real-time analysis and corrections are not yet possible.

Korea Abstract

전자기 금속 주조 (EMC)는 전자기 에너지를 사용하여 금속 분말을 가열하는 주조 기술입니다. 더 빠르고 깨끗하며 시간이 덜 소요되는 작업입니다.

고체 금속은 전자기 복사를 소비하는 대신 반사하기 때문에 전자기학에서 문제를 일으킵니다. 전자기 에너지 처리는 더 높은 등급의 재료 특성과 더 우수한 미세 구조 솔루션을 가진 사운드 조각을 만듭니다.

전자기 주조 공정의 물리적 생산을 위해서는 전자기 물질 상호 작용에 대한 지식이 중요합니다. 가열된 물질이 우수한 전자기 흡수재인 경우에도 전체 가열 품질이 때때로 불충분합니다. 수치 모델링은 가장 효과적인 작업을 이끌어 내기 위해 속성 간의 적절한 결합 효과를 찾는데 사용됩니다.

EMC 공정의 출력 품질에 영향을 미치는 주요 매개 변수는 단위 부피당 재료로 분산되는 전력, 전자기의 침투 깊이, 복합 자기 투과성 및 복합 유전율입니다. 접촉 메커니즘과 간섭 패턴 또한 공정의 품질을 결정합니다. 환경 온도, 간섭 패턴 및 금속 응고 속도와 같은 몇 가지 매개 변수 만 AI 모델로 제어 할 수 있습니다.

신경망은 인간 뇌의 뉴런을 자극하여 정확한 결과를 얻기 위해 사용됩니다. 적층 제조 (AM)는 금속 주조용 몰드 및 코어를 설계하는 데 사용됩니다. 모델은 로컬 최소값에 영향을 받기 쉬운 기존 DFA 최적화 접근 방식을 능가했습니다. 이 시스템은 오프라인에서만 작동하므로 실시간 분석 및 수정은 아직 불가능합니다.

electromagnetic metal casting computation designs Fig1
electromagnetic metal casting computation designs Fig1
electromagnetic metal casting computation designs Fig2
electromagnetic metal casting computation designs Fig2
electromagnetic metal casting computation designs Fig3
electromagnetic metal casting computation designs Fig3
electromagnetic metal casting computation designs Fig4
electromagnetic metal casting computation designs Fig4
electromagnetic metal casting computation designs Fig5
electromagnetic metal casting computation designs Fig5
electromagnetic metal casting computation designs Fig6
electromagnetic metal casting computation designs Fig6
electromagnetic metal casting computation designs Fig7
electromagnetic metal casting computation designs Fig7
electromagnetic metal casting computation designs Fig8
electromagnetic metal casting computation designs Fig8
electromagnetic metal casting computation designs Fig9
electromagnetic metal casting computation designs Fig9

References

  1. 1.J. Sun, W. Wang, Q. Yue, Review on electromagnetic-matter interaction fundamentals and efficient electromagnetic-associated heating strategies. Materials 9(4), 231 (2016). https://doi.org/10.3390/ma9040231ADS Article Google Scholar 
  2. 2.E. Ghasali, A. Fazili, M. Alizadeh, K. Shirvanimoghaddam, T. Ebadzadeh, Evaluation of microstructure and mechanical properties of Al-TiC metal matrix composite prepared by conventional, electromagnetic and spark plasma sintering methods. Materials 10(11), 1255 (2017). https://doi.org/10.3390/ma10111255ADS Article Google Scholar 
  3. 3.D. Agrawal, Latest global developments in electromagnetic materials processing. Mater. Res. Innov. 14(1), 3–8 (2010). https://doi.org/10.1179/143307510×12599329342926Article Google Scholar 
  4. 4.S. Singh, P. Singh, D. Gupta, V. Jain, R. Kumar, S. Kaushal, Development and characterization of electromagnetic processed cast iron joint. Eng. Sci. Technol. Int. J. (2018). https://doi.org/10.1016/j.jestch.2018.10.012Article Google Scholar 
  5. 5.S. Singh, D. Gupta, V. Jain, Electromagnetic melting and processing of metal–ceramic composite castings. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 232(7), 1235–1243 (2016). https://doi.org/10.1177/0954405416666900Article Google Scholar 
  6. 6.S. Singh, D. Gupta, V. Jain, Novel electromagnetic composite casting process: theory, feasibility and characterization. Mater. Des. 111, 51–59 (2016). https://doi.org/10.1016/j.matdes.2016.08.071Article Google Scholar 
  7. 7.J. Lucas, J, What are electromagnetics? LiveScience. (2018). https://www.livescience.com/50259-Electromagnetics.html
  8. 8.R. Samyal, A.K. Bagha, R. Bedi, the casting of materials using electromagnetic energy: a review. Mater. Today Proc. (2020). https://doi.org/10.1016/j.matpr.2020.02.255Article Google Scholar 
  9. 9.S. Singh, D. Gupta, V. Jain, Processing of Ni-WC-8Co MMC casting through electromagnetic melting. Mater. Manuf. Process. (2017). https://doi.org/10.1080/10426914.2017.1291954Article Google Scholar 
  10. 10.R. Singh, S. Singh, V. Mahajan, Investigations for dimensional accuracy of investment casting process after cycle time reduction by advancements in shell moulding. Procedia Mater. Sci. 6, 859–865 (2014). https://doi.org/10.1016/j.mspro.2014.07.103Article Google Scholar 
  11. 11.R.R. Mishra, A.K. Sharma, On melting characteristics of bulk Al-7039 alloy during in-situ electromagnetic casting. Appl. Therm. Eng. 111, 660–675 (2017). https://doi.org/10.1016/j.applthermaleng.2016.09.122Article Google Scholar 
  12. 12.S. Zhang, 10 Different types of casting process. (2021). MachineMfg.com, https://www.machinemfg.com/types-of-casting/
  13. 13.Envirocare, Foundry health risks. (2013). https://envirocare.org/foundry-health-risks/
  14. 14.S.S. Gajmal, D.N. Raut, A review of opportunities and challenges in electromagnetic assisted casting. Recent Trends Product. Eng. 2(1) (2019)
  15. 15.R.R. Mishra, A.K. Sharma, Electromagnetic-material interaction phenomena: heating mechanisms, challenges and opportunities in material processing. Compos. Part A (2015). https://doi.org/10.1016/j.compositesa.2015.10.035Article Google Scholar 
  16. 16.S. Chandrasekaran, T. Basak, S. Ramanathan, Experimental and theoretical investigation on electromagnetic melting of metals. J. Mater. Process. Technol. 211(3), 482–487 (2011). https://doi.org/10.1016/j.jmatprotec.2010.11.001Article Google Scholar 
  17. 17.C.R. Bird, J.M. Mertz, U.S. Patent No. 4655276. (U.S. Patent and Trademark Office, Washington, DC, 1987)
  18. 18.R.R. Mishra, A.K. Sharma, Experimental investigation on in-situ electromagnetic casting of copper. IOP Conf. Ser. Mater. Sci. Eng. 346, 012052 (2018). https://doi.org/10.1088/1757-899x/346/1/012052Article Google Scholar 
  19. 19.V. Gangwar, S. Kumar, V. Singh, H. Singh, Effect of process parameters on hardness of AA-6063 in-situ electromagnetic casting by using taguchi method, in IOP Conference Series: Materials Science and Engineering, vol. 804(1) (IOP Publishing, 2020), p. 012019
  20. 20.X. Ye, S. Guo, L. Yang, J. Gao, J. Peng, T. Hu, L. Wang, M. Hou, Q. Luo, New utilization approach of electromagnetic thermal energy: preparation of metallic matrix diamond tool bit by electromagnetic hot-press sintering. J. Alloy. Compd. (2018). https://doi.org/10.1016/j.jallcom.2018.03.183Article Google Scholar 
  21. 21.S. Das, A.K. Mukhopadhyay, S. Datta, D. Basu, Prospects of Electromagnetic processing: an overview. Bull. Mater. Sci. 32(1), 1–13 (2009). https://doi.org/10.1007/s12034-009-0001-4Article Google Scholar 
  22. 22.K.L. Glass, D.M. Ashby, U.S. Patent No. 9050656. (U.S. Patent and Trademark Office, Washington, DC, 2015)
  23. 23.S. Verma, P. Gupta, S. Srivastava, S. Kumar, A. Anand, An overview: casting/melting of non ferrous metallic materials using domestic electromagnetic oven. J. Mater. Sci. Mech. Eng. 4(4), (2017). p-ISSN: 2393-9095; e-ISSN: 2393-9109
  24. 24.S.S. Panda, V. Singh, A. Upadhyaya, D. Agrawal, Sintering response of austenitic (316L) and ferritic (434L) stainless steel consolidated in conventional and electromagnetic furnaces. Scripta Mater. 54(12), 2179–2183 (2006). https://doi.org/10.1016/j.scriptamat.2006.02.034Article Google Scholar 
  25. 25.Y. Zhang, S. Yang, S. Wang, X. Liu, L. Li, Microwave/freeze casting assisted fabrication of carbon frameworks derived from embedded upholder in tremella for superior performance supercapacitors. Energy Storage Mater. (2018). https://doi.org/10.1016/j.ensm.2018.08.006Article Google Scholar 
  26. 26.D. Thomas, P. Abhilash, M.T. Sebastian, Casting and characterization of LiMgPO4 glass free LTCC tape for electromagnetic applications. J. Eur. Ceram. Soc. 33(1), 87–93 (2013). https://doi.org/10.1016/j.jeurceramsoc.2012.08.002Article Google Scholar 
  27. 27.M.H. Awida, N. Shah, B. Warren, E. Ripley, A.E. Fathy, Modeling of an industrial Electromagnetic furnace for metal casting applications. 2008 IEEE MTT-S Int. Electromagn. Symp. Digest. (2008). https://doi.org/10.1109/mwsym.2008.4633143Article Google Scholar 
  28. 28.P.K. Loharkar, A. Ingle, S. Jhavar, Parametric review of electromagnetic-based materials processing and its applications. J. Market. Res. 8(3), 3306–3326 (2019). https://doi.org/10.1016/j.jmrt.2019.04.004Article Google Scholar 
  29. 29.E.B. Ripley, J.A. Oberhaus, WWWeb search power page-melting and heat treating metals using electromagnetic heating-the potential of electromagnetic metal processing techniques for a wide variety of metals and alloys is. Ind. Heat. 72(5), 65–70 (2005)Google Scholar 
  30. 30.J. Campbell, Complete Casting Handbook: Metal Casting Processes, Metallurgy, Techniques and Design (Butterworth-Heinemann, 2015)Google Scholar 
  31. 31.B. Ravi, Metal Casting: Computer-Aided Design and Analysis, 1st edn. (PHI Learning Ltd, 2005)Google Scholar 
  32. 32.D.E. Clark, W.H. Sutton, Electromagnetic processing of materials. Annu. Rev. Mater. Sci. 26(1), 299–331 (1996)ADS Article Google Scholar 
  33. 33.A.D. Abdullin, New capabilities of software package ProCAST 2011 for modeling foundry operations. Metallurgist 56(5–6), 323–328 (2012). https://doi.org/10.1007/s11015-012-9578-8Article Google Scholar 
  34. 34.J. Ha, P. Cleary, V. Alguine, T. Nguyen, Simulation of die filling in gravity die casting using SPH and MAGMAsoft, in Proceedings of 2nd International Conference on CFD in Minerals & Process Industries (1999) pp. 423–428
  35. 35.M. Sirviö, M. Woś, Casting directly from a computer model by using advanced simulation software FLOW-3D Cast Ž. Arch. Foundry Eng. 9(1), 79–82 (2009)Google Scholar 
  36. 36.NOVACAST Systems, Nova-Solid/Flow Brochure, NOVACAST, Ronneby (2015)
  37. 37.AutoCAST-X1 Brochure, 3D Foundry Tech, Mumbai
  38. 38.EKK, Inc. Metal Casting Simulation Software and Consulting Services, CAPCAST Brochure
  39. 39.P. Muenprasertdee, Solidification modeling of iron castings using SOLIDCast (2007)
  40. 40.CasCAE, CT-CasTest Inc. Oy, Kerava
  41. 41.E. Dominguez-Tortajada, J. Monzo-Cabrera, A. Diaz-Morcillo, Uniform electric field distribution in electromagnetic heating applicators by means of genetic algorithms optimization of dielectric multilayer structures. IEEE Trans. Electromagn. Theory Tech. 55(1), 85–91 (2007). https://doi.org/10.1109/tmtt.2006.886913ADS Article Google Scholar 
  42. 42.B. Warren, M.H. Awida, A.E. Fathy, Electromagnetic heating of metals. IET Electromagn. Antennas Propag. 6(2), 196–205 (2012)Article Google Scholar 
  43. 43.S. Ashouri, M. Nili-Ahmadabadi, M. Moradi, M. Iranpour, Semi-solid microstructure evolution during reheating of aluminum A356 alloy deformed severely by ECAP. J. Alloy. Compd. 466(1–2), 67–72 (2008). https://doi.org/10.1016/j.jallcom.2007.11.010Article Google Scholar 
  44. 44.Penn State, Metal Parts Made In The Electromagnetic Oven. ScienceDaily. (1999) Retrieved May 8, 2021, from www.sciencedaily.com/releases/1999/06/990622055733.htm
  45. 45.R.R. Mishra, A.K. Sharma, A review of research trends in electromagnetic processing of metal-based materials and opportunities in electromagnetic metal casting. Crit. Rev. Solid State Mater. Sci. 41(3), 217–255 (2016). https://doi.org/10.1080/10408436.2016.1142421ADS Article Google Scholar 
  46. 46.D.K. Ghodgaonkar, V.V. Varadan, V.K. Varadan, Free-space measurement of complex permittivity and complex permeability of magnetic materials at Electromagnetic frequencies. IEEE Trans. Instrum. Meas. 39(2), 387–394 (1990). https://doi.org/10.1109/19.52520Article Google Scholar 
  47. 47.J. Baker-Jarvis, E.J. Vanzura, W.A. Kissick, Improved technique for determining complex permittivity with the transmission/reflection method. Microw. Theory Tech. IEEE Trans. 38, 1096–1103 (1990)ADS Article Google Scholar 
  48. 48.M. Bologna, A. Petri, B. Tellini, C. Zappacosta, Effective magnetic permeability measurementin composite resonator structures. Instrum. Meas. IEEE Trans. 59, 1200–1206 (2010)Article Google Scholar 
  49. 49.B. Ravi, G.L. Datta, Metal casting–back to future, in 52nd Indian Foundry Congress, (2004)
  50. 50.D. El Khaled, N. Novas, J.A. Gazquez, F. Manzano-Agugliaro. Microwave dielectric heating: applications on metals processing. Renew. Sustain. Energy Rev. 82, 2880–2892 (2018). https://doi.org/10.1016/j.rser.2017.10.043Article Google Scholar 
  51. 51.H. Sekiguchi, Y. Mori, Steam plasma reforming using Electromagnetic discharge. Thin Solid Films 435, 44–48 (2003)ADS Article Google Scholar 
  52. 52.J. Sun, W. Wang, C. Zhao, Y. Zhang, C. Ma, Q. Yue, Study on the coupled effect of wave absorption and metal discharge generation under electromagnetic irradiation. Ind. Eng. Chem. Res. 53, 2042–2051 (2014)Article Google Scholar 
  53. 53.K.I. Rybakov, E.A. Olevsky, E.V. Krikun, Electromagnetic sintering: fundamentals and modeling. J. Am. Ceram. Soc. 96(4), 1003–1020 (2013). https://doi.org/10.1111/jace.12278Article Google Scholar 
  54. 54.A.K. Shukla, A. Mondal, A. Upadhyaya, Numerical modeling of electromagnetic heating. Sci. Sinter. 42(1), 99–124 (2010)Article Google Scholar 
  55. 55.M. Chiumenti, C. Agelet de Saracibar, M. Cervera, On the numerical modeling of the thermomechanical contact for metal casting analysis. J. Heat Transf. 130(6), (2008). https://doi.org/10.1115/1.2897923Article MATH Google Scholar 
  56. 56.B. Ravi, Metal Casting: Computer-Aided Design and Analysis. (PHI Learning Pvt. Ltd., 2005)
  57. 57.J.H. Lee, S.D. Noh, H.-J. Kim, Y.-S. Kang, Implementation of cyber-physical production systems for quality prediction and operation control in metal casting. Sensors 18, 1428 (2018). https://doi.org/10.3390/s18051428ADS Article Google Scholar 
  58. 58.B. Aksoy, M. Koru, Estimation of casting mold interfacial heat transfer coefficient in pressure die casting process by artificial intelligence methods. Arab. J. Sci. Eng. 45, 8969–8980 (2020). https://doi.org/10.1007/s13369-020-04648-7Article Google Scholar 
  59. 59.S.S. Miriyala, V.R. Subramanian, K. Mitra, TRANSFORM-ANN for online optimization of complex industrial processes: casting process as case study. Eur. J. Oper. Res. 264(1), 294–309 (2018). https://doi.org/10.1016/j.ejor.2017.05.026MathSciNet Article MATH Google Scholar 
  60. 60.J.K. Kittu, G.C.M. Patel, M. Parappagoudar, Modeling of pressure die casting process: an artificial intelligence approach. Int. J. Metalcast. (2015). https://doi.org/10.1007/s40962-015-0001-7Article Google Scholar 
  61. 61.W. Chen, B. Gutmann, C.O. Kappe, Characterization of electromagnetic-induced electric discharge phenomena in metal-solvent mixtures. ChemistryOpen 1, 39–48 (2012)Article Google Scholar 
  62. 62.J. Walker, A. Prokop, C. Lynagh, B. Vuksanovich, B. Conner, K. Rogers, J. Thiel, E. MacDonald, Real-time process monitoring of core shifts during metal casting with wireless sensing and 3D sand printing. Addit. Manuf. (2019). https://doi.org/10.1016/j.addma.2019.02.018Article Google Scholar 
  63. 63.G.C. Manjunath Patel, A.K. Shettigar, M.B. Parappagoudar, A systematic approach to model and optimize wear behaviour of castings produced by squeeze casting process. J. Manuf. Process. 32, 199–212 (2018). https://doi.org/10.1016/j.jmapro.2018.02.004Article Google Scholar 
  64. 64.G.C. Manjunath Patel, P. Krishna, M.B. Parappagoudar, An intelligent system for squeeze casting process—soft computing based approach. Int. J. Adv. Manuf. Technol. 86, 3051–3065 (2016). https://doi.org/10.1007/s00170-016-8416-8Article Google Scholar 
  65. 65.M. Ferguson, R. Ak, Y.T. Lee, K.H. Law, Automatic localization of casting defects with convolutional neural networks, in 2017 IEEE International Conference on Big Data (Big Data) (Boston, MA, USA, 2017), pp. 1726–1735. https://doi.org/10.1109/BigData.2017.8258115.
  66. 66.P.K.D.V. Yarlagadda, Prediction of die casting process parameters by using an artificial neural network model for zinc alloys. Int. J. Prod. Res. 38(1), 119–139 (2000). https://doi.org/10.1080/002075400189617Article MATH Google Scholar 
  67. 67.G.C. ManjunathPatel, A.K. Shettigar, P. Krishna, M.B. Parappagoudar, Back propagation genetic and recurrent neural network applications in modelling and analysis of squeeze casting process. Appl. Soft Comput. 59, 418–437 (2017). https://doi.org/10.1016/j.asoc.2017.06.018Article Google Scholar 
  68. 68.J. Zheng, Q. Wang, P. Zhao et al., Optimization of high-pressure die-casting process parameters using artificial neural network. Int. J. Adv. Manuf. Technol. 44, 667–674 (2009). https://doi.org/10.1007/s00170-008-1886-6Article Google Scholar 
  69. 69.E. Mares, J. Sokolowski, Artificial intelligence-based control system for the analysis of metal casting properties. J. Achiev. Mater. Manuf. Eng. 40, 149–154 (2010)Google Scholar 
  70. 70.K.S. Senthil, S. Muthukumaran, C. Chandrasekhar Reddy, Suitability of friction welding of tube to tube plate using an external tool process for different tube diameters—a study. Exp. Tech. 37(6), 8–14 (2013)Article Google Scholar 
  71. 71.N.K. Bhoi, H. Singh, S. Pratap, P.K. Jain, Electromagnetic material processing: a clean, green, and sustainable approach. Sustain. Eng. Prod. Manuf. Technol. (2019). https://doi.org/10.1016/b978-0-12-816564-5.00001-3Article Google Scholar 
  72. 72.K.S. Senthil, D.A. Daniel, An investigation of boiler grade tube and tube plate without block by using friction welding process. Mater. Today Proc. 5(2), 8567–8576 (2018)Article Google Scholar 
  73. 73.E. Hetmaniok, D. Słota, A. Zielonka, Restoration of the cooling conditions in a three-dimensional continuous casting process using artificial intelligence algorithms. Appl. Math. Modell. 39(16), 4797–4807 (2015). https://doi.org/10.1016/j.apm.2015.03.056Article MATH Google Scholar 
  74. 74.C.V. Kumar, S. Muthukumaran, A. Pradeep, S.S. Kumaran, Optimizational study of friction welding of steel tube to aluminum tube plate using an external tool process. Int. J. Mech. Mater. Eng. 6(2), 300–306 (2011)Google Scholar 
  75. 75.T. Adithiyaa, D. Chandramohan, T. Sathish, Optimal prediction of process parameters by GWO-KNN in stirring-squeeze casting of AA2219 reinforced metal matrix composites. Mater. Today Proc. 150, 1598 (2020). https://doi.org/10.1016/j.matpr.2019.10.051Article Google Scholar 
  76. 76.B.P. Pehrson, A.F. Moore (2014). U.S. Patent No. 8708031 (U.S. Patent and Trademark Office, Washington, DC, 2014)
  77. 77.Liu, J., & Rynerson, M. L. (2008). U.S. Patent No. 7,461,684. Washington, DC: U.S. Patent and Trademark Office.
  78. 78.K. Salonitis, B. Zeng, H.A. Mehrabi, M. Jolly, The challenges for energy efficient casting processes. Procedia CIRP 40, 24–29 (2016). https://doi.org/10.1016/j.procir.2016.01.043Article Google Scholar 
  79. 79.R.R. Mishra, A.K. Sharma, Effect of solidification environment on microstructure and indentation hardness of Al–Zn–Mg alloy casts developed using electromagnetic heating. Int. J. Metal Cast. 10, 1–13 (2017). https://doi.org/10.1007/s40962-017-0176-1Article Google Scholar 
  80. 80.R.R. Mishra, A.K. Sharma, Effect of susceptor and Mold material on microstructure of in-situ electromagnetic casts of Al–Zn–Mg alloy. Mater. Des. 131, 428–440 (2017). https://doi.org/10.1016/j.matdes.2017.06.038Article Google Scholar 
  81. 81.S. Kaushal, S. Bohra, D. Gupta, V. Jain, On processing and characterization of Cu–Mo-based castings through electromagnetic heating. Int. J. Metalcast. (2020). https://doi.org/10.1007/s40962-020-00481-8Article Google Scholar 
  82. 82.S. Nandwani, S. Vardhan, A.K. Bagha, A literature review on the exposure time of electromagnetic based welding of different materials. Mater. Today Proc. (2019). https://doi.org/10.1016/j.matpr.2019.10.056Article Google Scholar 
  83. 83.F.J.B. Brum, S.C. Amico, I. Vedana, J.A. Spim, Electromagnetic dewaxing applied to the investment casting process. J. Mater. Process. Technol. 209(7), 3166–3171 (2009). https://doi.org/10.1016/j.jmatprotec.2008.07.024Article Google Scholar 
  84. 84.M.P. Reddy, R.A. Shakoor, G. Parande, V. Manakari, F. Ubaid, A.M.A. Mohamed, M. Gupta, Enhanced performance of nano-sized SiC reinforced Al metal matrix nanocomposites synthesized through electromagnetic sintering and hot extrusion techniques. Prog. Nat. Sci. Mater. Int. 27(5), 606–614 (2017). https://doi.org/10.1016/j.pnsc.2017.08.015Article Google Scholar 
  85. 85.V.R. Kalamkar, K. Monkova, (Eds.), Advances in Mechanical Engineering. Lecture Notes in Mechanical Engineering. (2021) https://doi.org/10.1007/978-981-15-3639-7
  86. 86.V. Bist, A.K. Sharma, P. Kumar, Development and microstructural characterisations of the lead casting using electromagnetic technology. Manager’s J. Mech. Eng. 4(4), 6 (2014). https://doi.org/10.26634/jme.4.4.2840Article Google Scholar 
  87. 87.A. Sharma, A. Chouhan, L. Pavithran, U. Chadha, S.K. Selvaraj, Implementation of LSS framework in automotive component manufacturing: a review, current scenario and future directions. Mater Today: Proc. (2021). https://doi.org/10.1016/J.MATPR.2021.02.374Article Google Scholar 
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).

Experimental and numerical investigation of the origin of surface roughness in laser powder bed fused overhang regions

레이저 파우더 베드 융합 오버행 영역에서 표면 거칠기의 원인에 대한 실험 및 수치 조사

Shaochuan Feng,Amar M. Kamat,Soheil Sabooni &Yutao PeiPages S66-S84 | Received 18 Jan 2021, Accepted 25 Feb 2021, Published online: 10 Mar 2021

ABSTRACT

Surface roughness of laser powder bed fusion (L-PBF) printed overhang regions is a major contributor to deteriorated shape accuracy/surface quality. This study investigates the mechanisms behind the evolution of surface roughness (Ra) in overhang regions. The evolution of surface morphology is the result of a combination of border track contour, powder adhesion, warp deformation, and dross formation, which is strongly related to the overhang angle (θ). When 0° ≤ θ ≤ 15°, the overhang angle does not affect Ra significantly since only a small area of the melt pool boundaries contacts the powder bed resulting in slight powder adhesion. When 15° < θ ≤ 50°, powder adhesion is enhanced by the melt pool sinking and the increased contact area between the melt pool boundary and powder bed. When θ > 50°, large waviness of the overhang contour, adhesion of powder clusters, severe warp deformation and dross formation increase Ra sharply.

레이저 파우더 베드 퓨전 (L-PBF) 프린팅 오버행 영역의 표면 거칠기는 형상 정확도 / 표면 품질 저하의 주요 원인입니다. 이 연구 는 오버행 영역에서 표면 거칠기 (Ra ) 의 진화 뒤에 있는 메커니즘을 조사합니다 . 표면 형태의 진화는 오버행 각도 ( θ ) 와 밀접한 관련이있는 경계 트랙 윤곽, 분말 접착, 뒤틀림 변형 및 드로스 형성의 조합의 결과입니다 . 0° ≤  θ  ≤ 15° 인 경우 , 용융풀 경계의 작은 영역 만 분말 베드와 접촉하여 약간의 분말 접착이 발생하기 때문에 오버행 각도가 R a에 큰 영향을 주지 않습니다 . 15° < θ 일 때  ≤ 50°, 용융 풀 싱킹 및 용융 풀 경계와 분말 베드 사이의 증가된 접촉 면적으로 분말 접착력이 향상됩니다. θ  > 50° 일 때 오버행 윤곽의 큰 파형, 분말 클러스터의 접착, 심한 휨 변형 및 드 로스 형성이 Ra 급격히 증가 합니다.

KEYWORDS: Laser powder bed fusion (L-PBF), melt pool dynamics, overhang region, shape deviation, surface roughness

1. Introduction

레이저 분말 베드 융합 (L-PBF)은 첨단 적층 제조 (AM) 기술로, 집중된 레이저 빔을 사용하여 금속 분말을 선택적으로 융합하여 슬라이스 된 3D 컴퓨터 지원에 따라 층별로 3 차원 (3D) 금속 부품을 구축합니다. 설계 (CAD) 모델 (Chatham, Long 및 Williams 2019 ; Tan, Zhu 및 Zhou 2020 ). 재료가 인쇄 층 아래에 ​​존재하는지 여부에 따라 인쇄 영역은 각각 솔리드 영역 또는 돌출 영역으로 분류 될 수 있습니다. 따라서 오버행 영역은 고체 기판이 아니라 분말 베드 바로 위에 건설되는 특수 구조입니다 (Patterson, Messimer 및 Farrington 2017). 오버행 영역은지지 구조를 포함하거나 포함하지 않고 구축 할 수 있으며, 지지대가있는 돌출 영역의 L-PBF는 지지체가 더 낮은 밀도로 구축된다는 점을 제외 하고 (Wang and Chou 2018 ) 고체 기판의 공정과 유사합니다 (따라서 기계적 강도가 낮기 때문에 L-PBF 공정 후 기계적으로 쉽게 제거 할 수 있습니다. 따라서지지 구조로 인쇄 된 오버행 영역은 L-PBF 공정 후 지지물 제거, 연삭 및 연마와 같은 추가 후 처리 단계가 필요합니다.

수평 내부 채널의 제작과 같은 일부 특정 경우에는 공정 후 지지대를 제거하기가 어려우므로 채널 상단 절반의 돌출부 영역을 지지대없이 건설해야합니다 (Hopkinson and Dickens 2000 ). 수평 내부 채널에 사용할 수없는지지 구조 외에도 내부 표면, 특히 등각 냉각 채널 (Feng, Kamat 및 Pei 2021 ) 에서 발생하는 복잡한 3D 채널 네트워크의 경우 표면 마감 프로세스를 구현하는 것도 어렵습니다 . 결과적으로 오버행 영역은 (i) 잔류 응력에 의한 변형, (ii) 계단 효과 (Kuo et al. 2020 ; Li et al. 2020 )로 인해 설계된 모양에서 벗어날 수 있습니다 .) 및 (iii) 원하지 않는 분말 소결로 인한 향상된 표면 거칠기; 여기서, 앞의 두 요소는 일반적으로 mm 길이 스케일에서 ‘매크로’편차로 분류되고 후자는 일반적으로 µm 길이 스케일에서 ‘마이크로’편차로 인식됩니다.

열 응력에 의한 변형은 오버행 영역에서 발생하는 중요한 문제입니다 (Patterson, Messimer 및 Farrington 2017 ). 국부적 인 용융 / 냉각은 용융 풀 내부 및 주변에서 큰 온도 구배를 유도하여 응고 된 층에 집중적 인 열 응력을 유발합니다. 열 응력에 의한 뒤틀림은 고체 영역을 현저하게 변형하지 않습니다. 이러한 영역은 아래의 여러 레이어에 의해 제한되기 때문입니다. 반면에 오버행 영역은 구속되지 않고 공정 중 응력 완화로 인해 상당한 변형이 발생합니다 (Kamat 및 Pei 2019 ). 더욱이 용융 깊이는 레이어 두께보다 큽니다 (이전 레이어도 재용 해되어 빌드 된 레이어간에 충분한 결합을 보장하기 때문입니다 [Yadroitsev et al. 2013 ; Kamath et al.2014 ]),응고 된 두께가 설계된 두께보다 크기 때문에형태 편차 (예 : 드 로스 [Charles et al. 2020 ; Feng et al. 2020 ])가 발생합니다. 마이크로 스케일에서 인쇄 된 표면 (R a 및 S a ∼ 10 μm)은 기계적으로 가공 된 표면보다 거칠다 (Duval-Chaneac et al. 2018 ; Wen et al. 2018 ). 이 문제는고형화 된 용융 풀의 가장자리에 부착 된 용융되지 않은 분말의 결과로 표면 거칠기 (R a )가 일반적으로 약 20 μm인 오버행 영역에서 특히 심각합니다 (Mazur et al. 2016 ; Pakkanen et al. 2016 ).

오버행 각도 ( θ , 빌드 방향과 관련하여 측정)는 오버행 영역의 뒤틀림 편향과 표면 거칠기에 영향을 미치는 중요한 매개 변수입니다 (Kamat and Pei 2019 ; Mingear et al. 2019 ). θ ∼ 45 ° 의 오버행 각도 는 일반적으로지지 구조없이 오버행 영역을 인쇄 할 수있는 임계 값으로 합의됩니다 (Pakkanen et al. 2016 ; Kadirgama et al. 2018 ). θ 일 때이 임계 값보다 크면 오버행 영역을 허용 가능한 표면 품질로 인쇄 할 수 없습니다. 오버행 각도 외에도 레이저 매개 변수 (레이저 에너지 밀도와 관련된)는 용융 풀의 모양 / 크기 및 용융 풀 역학에 영향을줌으로써 오버행 영역의 표면 거칠기에 영향을줍니다 (Wang et al. 2013 ; Mingear et al . 2019 ).

용융 풀 역학은 고체 (Shrestha 및 Chou 2018 ) 및 오버행 (Le et al. 2020 ) 영역 모두에서 수행되는 L-PBF 공정을 포함한 레이저 재료 가공의 일반적인 물리적 현상입니다 . 용융 풀 모양, 크기 및 냉각 속도는 잔류 응력으로 인한 변형과 ​​표면 거칠기에 모두 영향을 미치므로 처리 매개 변수와 표면 형태 / 품질 사이의 다리 역할을하며 용융 풀을 이해하기 위해 수치 시뮬레이션을 사용하여 추가 조사를 수행 할 수 있습니다. 거동과 표면 거칠기에 미치는 영향. 현재까지 고체 영역의 L-PBF 동안 용융 풀 동작을 시뮬레이션하기 위해 여러 연구가 수행되었습니다. 유한 요소 방법 (FEM)과 같은 시뮬레이션 기술 (Roberts et al. 2009 ; Du et al.2019 ), 유한 차분 법 (FDM) (Wu et al. 2018 ), 전산 유체 역학 (CFD) (Lee and Zhang 2016 ), 임의의 Lagrangian-Eulerian 방법 (ALE) (Khairallah and Anderson 2014 )을 사용하여 증발 반동 압력 (Hu et al. 2018 ) 및 Marangoni 대류 (Zhang et al. 2018 ) 현상을포함하는 열 전달 (온도 장) 및 물질 전달 (용융 흐름) 프로세스. 또한 이산 요소법 (DEM)을 사용하여 무작위 분산 분말 베드를 생성했습니다 (Lee and Zhang 2016 ; Wu et al. 2018 ). 이 모델은 분말 규모의 L-PBF 공정을 시뮬레이션했습니다 (Khairallah et al. 2016) 메조 스케일 (Khairallah 및 Anderson 2014 ), 단일 트랙 (Leitz et al. 2017 )에서 다중 트랙 (Foroozmehr et al. 2016 ) 및 다중 레이어 (Huang, Khamesee 및 Toyserkani 2019 )로.

그러나 결과적인 표면 거칠기를 결정하는 오버행 영역의 용융 풀 역학은 문헌에서 거의 관심을받지 못했습니다. 솔리드 영역의 L-PBF에 대한 기존 시뮬레이션 모델이 어느 정도 참조가 될 수 있지만 오버행 영역과 솔리드 영역 간의 용융 풀 역학에는 상당한 차이가 있습니다. 오버행 영역에서 용융 금속은 분말 입자 사이의 틈새로 아래로 흘러 용융 풀이 다공성 분말 베드가 제공하는 약한 지지체 아래로 가라 앉습니다. 이것은 중력과 표면 장력의 영향이 용융 풀의 결과적인 모양 / 크기를 결정하는 데 중요하며, 결과적으로 오버행 영역의 마이크로 스케일 형태의 진화에 중요합니다. 또한 분말 입자 사이의 공극, 열 조건 (예 : 에너지 흡수,2019 ; Karimi et al. 2020 ; 노래와 영 2020 ). 표면 거칠기는 (마이크로) 형상 편차를 증가시킬뿐만 아니라 주기적 하중 동안 미세 균열의 시작 지점 역할을함으로써 기계적 강도를 저하시킵니다 (Günther et al. 2018 ). 오버행 영역의 높은 표면 거칠기는 (마이크로) 정확도 / 품질에 대한 엄격한 요구 사항이있는 부품 제조에서 L-PBF의 적용을 제한합니다.

본 연구는 실험 및 시뮬레이션 연구를 사용하여 오버행 영역 (지지물없이 제작)의 미세 형상 편차 형성 메커니즘과 표면 거칠기의 기원을 체계적이고 포괄적으로 조사합니다. 결합 된 DEM-CFD 시뮬레이션 모델은 경계 트랙 윤곽, 분말 접착 및 뒤틀림 변형의 효과를 고려하여 오버행 영역의 용융 풀 역학과 표면 형태의 형성 메커니즘을 나타 내기 위해 개발되었습니다. 표면 거칠기 R의 시뮬레이션 및 단일 요인 L-PBF 인쇄 실험을 사용하여 오버행 각도의 함수로 연구됩니다. 용융 풀의 침몰과 관련된 오버행 영역에서 분말 접착의 세 가지 메커니즘이 식별되고 자세히 설명됩니다. 마지막으로, 인쇄 된 오버행 영역에서 높은 표면 거칠기 문제를 완화 할 수 있는 잠재적 솔루션에 대해 간략하게 설명합니다.

The shape and size of the L-PBF printed samples are illustrated in Figure 1
The shape and size of the L-PBF printed samples are illustrated in Figure 1
Figure 2. Borders in the overhang region depending on the overhang angle θ
Figure 2. Borders in the overhang region depending on the overhang angle θ
Figure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).
Figure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).
Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.
Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.
Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.
Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).
Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.
Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.
Figure 8. Schematic of powder adhesion on a 45° overhang region.
Figure 8. Schematic of powder adhesion on a 45° overhang region.
Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.
Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.
Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.
Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.
Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).
Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).
Figure 12. Effect of overhang angle on surface roughness Ra in overhang regions
Figure 12. Effect of overhang angle on surface roughness Ra in overhang regions
Figure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).
Figure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).
Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).
Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).

References

  • Cai, Chao, Chrupcala Radoslaw, Jinliang Zhang, Qian Yan, Shifeng Wen, Bo Song, and Yusheng Shi. 2019. “In-Situ Preparation and Formation of TiB/Ti-6Al-4V Nanocomposite via Laser Additive Manufacturing: Microstructure Evolution and Tribological Behavior.” Powder Technology 342: 73–84. doi:10.1016/j.powtec.2018.09.088. [Crossref], [Web of Science ®], [Google Scholar]
  • Cai, Chao, Wei Shian Tey, Jiayao Chen, Wei Zhu, Xingjian Liu, Tong Liu, Lihua Zhao, and Kun Zhou. 2021. “Comparative Study on 3D Printing of Polyamide 12 by Selective Laser Sintering and Multi Jet Fusion.” Journal of Materials Processing Technology 288 (August 2020): 116882. doi:10.1016/j.jmatprotec.2020.116882. [Crossref], [Web of Science ®], [Google Scholar]
  • Cai, Chao, Xu Wu, Wan Liu, Wei Zhu, Hui Chen, Jasper Dong Qiu Chua, Chen Nan Sun, Jie Liu, Qingsong Wei, and Yusheng Shi. 2020. “Selective Laser Melting of Near-α Titanium Alloy Ti-6Al-2Zr-1Mo-1V: Parameter Optimization, Heat Treatment and Mechanical Performance.” Journal of Materials Science and Technology 57: 51–64. doi:10.1016/j.jmst.2020.05.004. [Crossref], [Web of Science ®], [Google Scholar]
  • Charles, Amal, Ahmed Elkaseer, Lore Thijs, and Steffen G. Scholz. 2020. “Dimensional Errors Due to Overhanging Features in Laser Powder Bed Fusion Parts Made of Ti-6Al-4V.” Applied Sciences 10 (7): 2416. doi:10.3390/app10072416. [Crossref], [Google Scholar]
  • Chatham, Camden A., Timothy E. Long, and Christopher B. Williams. 2019. “A Review of the Process Physics and Material Screening Methods for Polymer Powder Bed Fusion Additive Manufacturing.” Progress in Polymer Science 93: 68–95. doi:10.1016/j.progpolymsci.2019.03.003. [Crossref], [Web of Science ®], [Google Scholar]
  • Du, Yang, Xinyu You, Fengbin Qiao, Lijie Guo, and Zhengwu Liu. 2019. “A Model for Predicting the Temperature Field during Selective Laser Melting.” Results in Physics 12 (November 2018): 52–60. doi:10.1016/j.rinp.2018.11.031. [Crossref], [Web of Science ®], [Google Scholar]
  • Duval-Chaneac, M. S., S. Han, C. Claudin, F. Salvatore, J. Bajolet, and J. Rech. 2018. “Experimental Study on Finishing of Internal Laser Melting (SLM) Surface with Abrasive Flow Machining (AFM).” Precision Engineering 54 (July 2017): 1–6. doi:10.1016/j.precisioneng.2018.03.006. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Shijie Chen, Amar M. Kamat, Ru Zhang, Mingji Huang, and Liangcai Hu. 2020. “Investigation on Shape Deviation of Horizontal Interior Circular Channels Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 36 (December): 101585. doi:10.1016/j.addma.2020.101585. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Chuanzhen Huang, Jun Wang, Hongtao Zhu, Peng Yao, and Zhanqiang Liu. 2017. “An Analytical Model for the Prediction of Temperature Distribution and Evolution in Hybrid Laser-Waterjet Micro-Machining.” Precision Engineering 47: 33–45. doi:10.1016/j.precisioneng.2016.07.002. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Amar M. Kamat, and Yutao Pei. 2021. “Design and Fabrication of Conformal Cooling Channels in Molds: Review and Progress Updates.” International Journal of Heat and Mass Transfer. doi:10.1016/j.ijheatmasstransfer.2021.121082. [Crossref], [PubMed], [Web of Science ®], [Google Scholar]
  • Flow-3D V11.2 Documentation. 2016. Flow Science, Inc. [Crossref], [Google Scholar]
  • Foroozmehr, Ali, Mohsen Badrossamay, Ehsan Foroozmehr, and Sa’id Golabi. 2016. “Finite Element Simulation of Selective Laser Melting Process Considering Optical Penetration Depth of Laser in Powder Bed.” Materials and Design 89: 255–263. doi:10.1016/j.matdes.2015.10.002. [Crossref], [Web of Science ®], [Google Scholar]
  • “Geometrical Product Specifications (GPS) — Surface Texture: Profile Method — Rules and Procedures for the Assessment of Surface Texture (ISO 4288).” 1996. International Organization for Standardization. https://www.iso.org/standard/2096.html. [Google Scholar]
  • Günther, Johannes, Stefan Leuders, Peter Koppa, Thomas Tröster, Sebastian Henkel, Horst Biermann, and Thomas Niendorf. 2018. “On the Effect of Internal Channels and Surface Roughness on the High-Cycle Fatigue Performance of Ti-6Al-4V Processed by SLM.” Materials & Design 143: 1–11. doi:10.1016/j.matdes.2018.01.042. [Crossref], [Web of Science ®], [Google Scholar]
  • Hopkinson, Neil, and Phill Dickens. 2000. “Conformal Cooling and Heating Channels Using Laser Sintered Tools.” In Solid Freeform Fabrication Conference, 490–497. Texas. doi:10.26153/tsw/3075. [Crossref], [Google Scholar]
  • Hu, Zhiheng, Haihong Zhu, Changchun Zhang, Hu Zhang, Ting Qi, and Xiaoyan Zeng. 2018. “Contact Angle Evolution during Selective Laser Melting.” Materials and Design 139: 304–313. doi:10.1016/j.matdes.2017.11.002. [Crossref], [Web of Science ®], [Google Scholar]
  • Hu, Cheng, Kejia Zhuang, Jian Weng, and Donglin Pu. 2019. “Three-Dimensional Analytical Modeling of Cutting Temperature for Round Insert Considering Semi-Infinite Boundary and Non-Uniform Heat Partition.” International Journal of Mechanical Sciences 155 (October 2018): 536–553. doi:10.1016/j.ijmecsci.2019.03.019. [Crossref], [Web of Science ®], [Google Scholar]
  • Huang, Yuze, Mir Behrad Khamesee, and Ehsan Toyserkani. 2019. “A New Physics-Based Model for Laser Directed Energy Deposition (Powder-Fed Additive Manufacturing): From Single-Track to Multi-Track and Multi-Layer.” Optics & Laser Technology 109 (August 2018): 584–599. doi:10.1016/j.optlastec.2018.08.015. [Crossref], [Web of Science ®], [Google Scholar]
  • Kadirgama, K., W. S. W. Harun, F. Tarlochan, M. Samykano, D. Ramasamy, Mohd Zaidi Azir, and H. Mehboob. 2018. “Statistical and Optimize of Lattice Structures with Selective Laser Melting (SLM) of Ti6AL4V Material.” International Journal of Advanced Manufacturing Technology 97 (1–4): 495–510. doi:10.1007/s00170-018-1913-1. [Crossref], [Web of Science ®], [Google Scholar]
  • Kamat, Amar M, and Yutao Pei. 2019. “An Analytical Method to Predict and Compensate for Residual Stress-Induced Deformation in Overhanging Regions of Internal Channels Fabricated Using Powder Bed Fusion.” Additive Manufacturing 29 (March): 100796. doi:10.1016/j.addma.2019.100796. [Crossref], [Web of Science ®], [Google Scholar]
  • Kamath, Chandrika, Bassem El-Dasher, Gilbert F. Gallegos, Wayne E. King, and Aaron Sisto. 2014. “Density of Additively-Manufactured, 316L SS Parts Using Laser Powder-Bed Fusion at Powers up to 400 W.” International Journal of Advanced Manufacturing Technology 74 (1–4): 65–78. doi:10.1007/s00170-014-5954-9. [Crossref], [Web of Science ®], [Google Scholar]
  • Karimi, J., C. Suryanarayana, I. Okulov, and K. G. Prashanth. 2020. “Selective Laser Melting of Ti6Al4V: Effect of Laser Re-Melting.” Materials Science and Engineering A (July): 140558. doi:10.1016/j.msea.2020.140558. [Crossref], [Web of Science ®], [Google Scholar]
  • Khairallah, Saad A., and Andy Anderson. 2014. “Mesoscopic Simulation Model of Selective Laser Melting of Stainless Steel Powder.” Journal of Materials Processing Technology 214 (11): 2627–2636. doi:10.1016/j.jmatprotec.2014.06.001. [Crossref], [Web of Science ®], [Google Scholar]
  • Khairallah, Saad A., Andrew T. Anderson, Alexander Rubenchik, and Wayne E. King. 2016. “Laser Powder-Bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and Formation Mechanisms of Pores, Spatter, and Denudation Zones.” Edited by Adedeji B. Badiru, Vhance V. Valencia, and David Liu. Acta Materialia 108 (April): 36–45. doi:10.1016/j.actamat.2016.02.014. [Crossref], [Web of Science ®], [Google Scholar]
  • Kuo, C. N., C. K. Chua, P. C. Peng, Y. W. Chen, S. L. Sing, S. Huang, and Y. L. Su. 2020. “Microstructure Evolution and Mechanical Property Response via 3D Printing Parameter Development of Al–Sc Alloy.” Virtual and Physical Prototyping 15 (1): 120–129. doi:10.1080/17452759.2019.1698967. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
  • Le, K. Q., C. H. Wong, K. H. G. Chua, C. Tang, and H. Du. 2020. “Discontinuity of Overhanging Melt Track in Selective Laser Melting Process.” International Journal of Heat and Mass Transfer 162 (December): 120284. doi:10.1016/j.ijheatmasstransfer.2020.120284. [Crossref], [Web of Science ®], [Google Scholar]
  • Lee, Y. S., and W. Zhang. 2016. “Modeling of Heat Transfer, Fluid Flow and Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 12: 178–188. doi:10.1016/j.addma.2016.05.003. [Crossref], [Web of Science ®], [Google Scholar]
  • Leitz, K. H., P. Singer, A. Plankensteiner, B. Tabernig, H. Kestler, and L. S. Sigl. 2017. “Multi-Physical Simulation of Selective Laser Melting.” Metal Powder Report 72 (5): 331–338. doi:10.1016/j.mprp.2016.04.004. [Crossref], [Google Scholar]
  • Li, Jian, Jing Hu, Yi Zhu, Xiaowen Yu, Mengfei Yu, and Huayong Yang. 2020. “Surface Roughness Control of Root Analogue Dental Implants Fabricated Using Selective Laser Melting.” Additive Manufacturing 34 (September 2019): 101283. doi:10.1016/j.addma.2020.101283. [Crossref], [Web of Science ®], [Google Scholar]
  • Li, Yingli, Kun Zhou, Pengfei Tan, Shu Beng Tor, Chee Kai Chua, and Kah Fai Leong. 2018. “Modeling Temperature and Residual Stress Fields in Selective Laser Melting.” International Journal of Mechanical Sciences 136 (February): 24–35. doi:10.1016/j.ijmecsci.2017.12.001. [Crossref], [Web of Science ®], [Google Scholar]
  • Mazur, MacIej, Martin Leary, Matthew McMillan, Joe Elambasseril, and Milan Brandt. 2016. “SLM Additive Manufacture of H13 Tool Steel with Conformal Cooling and Structural Lattices.” Rapid Prototyping Journal 22 (3): 504–518. doi:10.1108/RPJ-06-2014-0075. [Crossref], [Web of Science ®], [Google Scholar]
  • Mingear, Jacob, Bing Zhang, Darren Hartl, and Alaa Elwany. 2019. “Effect of Process Parameters and Electropolishing on the Surface Roughness of Interior Channels in Additively Manufactured Nickel-Titanium Shape Memory Alloy Actuators.” Additive Manufacturing 27 (October 2018): 565–575. doi:10.1016/j.addma.2019.03.027. [Crossref], [Web of Science ®], [Google Scholar]
  • Pakkanen, Jukka, Flaviana Calignano, Francesco Trevisan, Massimo Lorusso, Elisa Paola Ambrosio, Diego Manfredi, and Paolo Fino. 2016. “Study of Internal Channel Surface Roughnesses Manufactured by Selective Laser Melting in Aluminum and Titanium Alloys.” Metallurgical and Materials Transactions A 47 (8): 3837–3844. doi:10.1007/s11661-016-3478-7. [Crossref], [Web of Science ®], [Google Scholar]
  • Patterson, Albert E., Sherri L. Messimer, and Phillip A. Farrington. 2017. “Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need.” Technologies 5 (4): 15. doi:10.3390/technologies5020015. [Crossref], [Web of Science ®], [Google Scholar]
  • Roberts, I. A., C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors. 2009. “A Three-Dimensional Finite Element Analysis of the Temperature Field during Laser Melting of Metal Powders in Additive Layer Manufacturing.” International Journal of Machine Tools and Manufacture 49 (12–13): 916–923. doi:10.1016/j.ijmachtools.2009.07.004. [Crossref], [Web of Science ®], [Google Scholar]
  • Shrestha, Subin, and Kevin Chou. 2018. “Computational Analysis of Thermo-Fluid Dynamics with Metallic Powder in SLM.” In CFD Modeling and Simulation in Materials Processing 2018, edited by Laurentiu Nastac, Koulis Pericleous, Adrian S. Sabau, Lifeng Zhang, and Brian G. Thomas, 85–95. Cham, Switzerland: Springer Nature. doi:10.1007/978-3-319-72059-3_9. [Crossref], [Google Scholar]
  • Sing, S. L., and W. Y. Yeong. 2020. “Laser Powder Bed Fusion for Metal Additive Manufacturing: Perspectives on Recent Developments.” Virtual and Physical Prototyping 15 (3): 359–370. doi:10.1080/17452759.2020.1779999. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
  • Šmilauer, Václav, Emanuele Catalano, Bruno Chareyre, Sergei Dorofeenko, Jérôme Duriez, Nolan Dyck, Jan Eliáš, et al. 2015. Yade Documentation. 2nd ed. The Yade Project. doi:10.5281/zenodo.34073. [Crossref], [Google Scholar]
  • Tan, Pengfei, Fei Shen, Biao Li, and Kun Zhou. 2019. “A Thermo-Metallurgical-Mechanical Model for Selective Laser Melting of Ti6Al4V.” Materials & Design 168 (April): 107642. doi:10.1016/j.matdes.2019.107642. [Crossref], [Web of Science ®], [Google Scholar]
  • Tan, Lisa Jiaying, Wei Zhu, and Kun Zhou. 2020. “Recent Progress on Polymer Materials for Additive Manufacturing.” Advanced Functional Materials 30 (43): 1–54. doi:10.1002/adfm.202003062. [Crossref], [Web of Science ®], [Google Scholar]
  • Wang, Xiaoqing, and Kevin Chou. 2018. “Effect of Support Structures on Ti-6Al-4V Overhang Parts Fabricated by Powder Bed Fusion Electron Beam Additive Manufacturing.” Journal of Materials Processing Technology 257 (February): 65–78. doi:10.1016/j.jmatprotec.2018.02.038. [Crossref], [Web of Science ®], [Google Scholar]
  • Wang, Di, Yongqiang Yang, Ziheng Yi, and Xubin Su. 2013. “Research on the Fabricating Quality Optimization of the Overhanging Surface in SLM Process.” International Journal of Advanced Manufacturing Technology 65 (9–12): 1471–1484. doi:10.1007/s00170-012-4271-4. [Crossref], [Web of Science ®], [Google Scholar]
  • Wen, Peng, Maximilian Voshage, Lucas Jauer, Yanzhe Chen, Yu Qin, Reinhart Poprawe, and Johannes Henrich Schleifenbaum. 2018. “Laser Additive Manufacturing of Zn Metal Parts for Biodegradable Applications: Processing, Formation Quality and Mechanical Properties.” Materials and Design 155: 36–45. doi:10.1016/j.matdes.2018.05.057. [Crossref], [Web of Science ®], [Google Scholar]
  • Wu, Yu-che, Cheng-hung San, Chih-hsiang Chang, Huey-jiuan Lin, Raed Marwan, Shuhei Baba, and Weng-Sing Hwang. 2018. “Numerical Modeling of Melt-Pool Behavior in Selective Laser Melting with Random Powder Distribution and Experimental Validation.” Journal of Materials Processing Technology 254 (November 2017): 72–78. doi:10.1016/j.jmatprotec.2017.11.032. [Crossref], [Web of Science ®], [Google Scholar]
  • Yadroitsev, I., P. Krakhmalev, I. Yadroitsava, S. Johansson, and I. Smurov. 2013. “Energy Input Effect on Morphology and Microstructure of Selective Laser Melting Single Track from Metallic Powder.” Journal of Materials Processing Technology 213 (4): 606–613. doi:10.1016/j.jmatprotec.2012.11.014. [Crossref], [Web of Science ®], [Google Scholar]
  • Yu, Wenhui, Swee Leong Sing, Chee Kai Chua, and Xuelei Tian. 2019. “Influence of Re-Melting on Surface Roughness and Porosity of AlSi10Mg Parts Fabricated by Selective Laser Melting.” Journal of Alloys and Compounds 792: 574–581. doi:10.1016/j.jallcom.2019.04.017. [Crossref], [Web of Science ®], [Google Scholar]
  • Zhang, Dongyun, Pudan Zhang, Zhen Liu, Zhe Feng, Chengjie Wang, and Yanwu Guo. 2018. “Thermofluid Field of Molten Pool and Its Effects during Selective Laser Melting (SLM) of Inconel 718 Alloy.” Additive Manufacturing 21 (100): 567–578. doi:10.1016/j.addma.2018.03.031. [Crossref], [Web of Science ®], [Google Scholar]
A new dynamic masking technique for time resolved PIV analysis

A new dynamic masking technique for time resolved PIV analysis

시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술

물체 가시성을 허용하기 위해 형광 코팅과 결합 된 새로운 프리웨어 레이 캐스팅 도구

Journal of Visualization ( 2021 ) 이 기사 인용

Abstract

Time resolved PIV encompassing moving and/or deformable objects interfering with the light source requires the employment of dynamic masking (DM). A few DM techniques have been recently developed, mainly in microfluidics and multiphase flows fields. Most of them require ad-hoc design of the experimental setup, and may spoil the accuracy of the resulting PIV analysis. A new DM technique is here presented which envisages, along with a dedicated masking algorithm, the employment of fluorescent coating to allow for accurate tracking of the object. We show results from measurements obtained through a validated PIV setup demonstrating the need to include a DM step even for objects featuring limited displacements. We compare the proposed algorithm with both a no-masking and a static masking solution. In the framework of developing low cost, flexible and accurate PIV setups, the proposed algorithm is made available through a freeware application able to generate masks to be used by an existing, freeware PIV analysis package.

광원을 방해하는 이동 또는 변형 가능한 물체를 포함하는 시간 해결 PIV는 동적 마스킹 (DM)을 사용해야 합니다. 주로 미세 유체 및 다상 흐름 분야에서 몇 가지 DM 기술이 최근 개발되었습니다. 대부분은 실험 설정의 임시 설계가 필요하며 결과 PIV 분석의 정확도를 떨어 뜨릴 수 있습니다. 여기에는 전용 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수있는 새로운 DM 기술이 제시되어 있습니다. 제한된 변위를 특징으로 하는 물체에 대해서도 DM 단계를 포함해야 하는 필요성을 보여주는 검증 된 PIV 설정을 통해 얻은 측정 결과를 보여줍니다. 제안 된 알고리즘을 no-masking 및 static masking 솔루션과 비교합니다. 저비용, 유연하고 정확한 PIV 설정 개발 프레임 워크에서 제안 된 알고리즘은 기존 프리웨어 PIV 분석 패키지에서 사용할 마스크를 생성 할 수 있는 프리웨어 애플리케이션을 통해 사용할 수 있습니다.

Keywords

  • Time resolved PIV, Dynamics masking, Image processing, Vibration inducers, Fluorescent coating

그래픽 개요

소개

PIV (입자 영상 속도계)의 사용은 70 년대 후반 (Archbold 및 Ennos 1972 )이 반점 계측의 확장 (Barker and Fourney 1977 ) 으로 도입된 이래 실험 유체 역학에서 중심적인 역할을 했습니다 . PIV 기술의 기본 아이디어는 유체에 주입된 입자의 속도를 측정하여 유동장을 재구성하는 것입니다. 입자의 크기와 밀도는 확실하게 선택되고 유동을 만족스럽게 따르게 됩니다.

흐름은 레이저 / LED 소스를 통해 조명되고 입자에 의해 산란 된 빛은 추적을 허용합니다. 독자는 리뷰 작품 Grant ( 1997 ), Westerweel et al. ( 2013 년)에 대한 자세한 설명을 참조하십시오. 기본 2D 기술은 고유한 설정으로 발전했으며, 가장 진보 된 것은 단일 / 다중 평면 입체 PIV (Prasad 2000 ) 및 체적 / 단층 PIV (Scarano 2013 )입니다. 광범위한 유동장의 비 침습적 측정이 필요한 산업 및 연구 응용 분야에서 광범위하게 사용되었습니다.

조사된 유동장이 단단한 서있는 경계의 영향을 받는 경우 정적 마스킹 (SM) 접근 방식을 사용하여 PIV 분석을 수행하는 영역에서 솔리드 객체와 그림자가 차지하는 영역을 빼기 위해 주의를 기울여야 합니다. 실제로 이러한 영역에서는 파종 입자를 식별 할 수 없으므로 유속 재구성을 수행 할 수 없습니다. 제대로 처리되지 않으면 이 마스킹 단계는 잘못된 예측으로 이어질 수 있으며, 불행히도 그림자 영역 경계의 근접성에 국한되지 않습니다.

PIV 기술은 획득 프레임 속도를 관심있는 시간 척도로 조정하여 정상 상태 또는 시간 변화 흐름에 적용 할 수 있습니다. 시간의 가변성이 고체 물체의 위치 / 모양과 관련된 경우 이미지를 동적으로 마스킹하기 위해 추가 노력이 필요합니다. 고체 물체뿐만 아니라 다른 유체 단계도 가려야한다는 점에 유의해야합니다 (Foeth et al. 2006). 

이 프로세스는 고체 물체의 움직임이 선험적으로 알려진 경우 비교적 쉬우므로 SM 알고리즘에 대한 최소한의 수정이 목적에 부합 할 수 있습니다. 그러나 고체 물체의 위치 및 / 또는 모양이 알려지지 않은 방식으로 시간에 따라 변할 경우 물체를 동적으로 추적 할 수 있는 마스킹 기술이 필요합니다. PIV 분석을위한 동적 마스킹 (DM) 접근 방식은 현재 상당한 주목을 받고 있습니다 (Sanchis and Jensen 2011 , Masullo 및 Theunissen 2017 , Anders et al. 2019 ) . 시간 분해 PIV 시스템의 확산 덕분에 고속 카메라의 가용성이 높아집니다. 

DM 기술의 주요 발전은 마이크로 PIV 분야에서 비롯됩니다 (Lindken et al. 2009) 마이크로 및 나노 스위 머 (Ergin et al. 2015 ) 및 다상 흐름 (Brücker 2000 , Khalitov 및 Longmire 2002 ) 주변의 유동장을 조사 하려면 정확하고 유연한 알고리즘이 필요합니다. DM 기술은 상용 PIV 분석 소프트웨어 패키지 (TSI Instruments 2014 , DantecDynamics 2018 )에 포함되어 있습니다. 최근 개발 (Vennemann 및 Rösgen 2020 )은 신경망 자동 마스킹 기술의 적용을 예상하지만, 네트워크를 훈련하려면 합성 데이터 세트를 생성해야합니다.

많은 알고리즘은 이미지 처리 기술을 사용하여 개체를 추적하며, 대부분 사용자는 획득 한 이미지에서 추적 할 개체를 강조 표시 할 수있는 임시 실험 설정을 개발해야합니다. 따라서 실험 설정의 설계는 알고리즘의 최종 정확도에 영향을줍니다.

몇 가지 해결책을 구상 할 수 있습니다. 다음에서는 간단한 2D PIV 설정을 참조하지만 대부분의 고려 사항은 더 복잡한 설정으로 확장 할 수 있습니다. PIV 설정에서 객체를 쉽고 정확하게 추적 할 수 있도록 렌더링하는 가장 간단한 방법은 일반적으로 PIV 레이저 시트에 대략 수직 인 카메라를 향한 반사를 최대화하는 방향을 가리키는 추가 광원을 사용하여 조명하는 것입니다. 이 순진한 솔루션과 관련된 주요 문제는 PIV의 ROI (관심 영역)를 비추 지 않고는 광원을 움직이는 물체에만 겨냥하는 것이 사실상 불가능하여 시딩에 의해 산란 된 레이저 광 사이의 명암비를 감소 시킨다는 것입니다. 입자와 어두운 배경.

카메라의 프레임 속도가 높을수록 센서에 닿는 빛의 양이 적다는 사실로 인해 상황이 가혹 해집니다. 고체 물체의 움직임과 유동 입자가 모두 사용 된 설정의 획득 속도에 비해 충분히 느리다면, 가능한 해결책은 레이저 펄스 쌍 사이에 단일 확산 광 샷을 삽입하는 것입니다 (반드시 대칭 삽입은 아님). 그리고 카메라 샷을 둘 모두에 동기화합니다. 각 레이저 커플에서 물체의 위치는 확산 광에 의해 생성 된 이전 샷과 다음 샷의 두 위치를 보간하여 결정될 수 있습니다. 이 접근 방식에는 레이저, 카메라 및 빛을 제어 할 수있는 동기화 장치가 필요합니다.

이 문제에 대한 해결책이 제안되었으며 유체 인터페이스 (Foeth et al. 2006 ; Dussol et al. 2016 ) 의 밝은 반사를 활용 하여 이미지에서 많은 양의 산란 레이저 광을 획득 할 수 있습니다. 고체 표면에는 효과를 높이기 위해 반사 코팅이 제공 될 수 있습니다. 그런 다음 물체는 비정상적으로 큰 입자로 식별되고 경계를 쉽게 추적 할 수 있습니다. 이 솔루션의 단점은 물체 표면에서 산란 된 빛이 레이저 시트에 있지 않은 많은 시딩 입자를 비추어 PIV 분석의 정확도를 점진적으로 저하 시킨다는 것입니다.

위의 접근 방식의 개선은 다른 파장 의 두 번째 동일 평면 레이저 시트 (Driscoll et al. 2003 )를 사용합니다. 첫 번째 레이저 파장을 중심으로 한 좁은 반사 대역. 전체 설정은 매우 비쌀 수 있습니다. 파장 방출의 차이를 이용하여 설정을 저렴하게 만들 수 있습니다. 서로 다른 필터가 장착 된 두 대의 카메라를 적용하면 인터페이스로부터의 반사와 독립적으로 형광 시드 입자를 식별 할 수 있습니다 (Pedocchi et al. 2008 ).

객체의 변위가 작을 때 기본 솔루션은 실제 시간에 따라 변하는 음영 영역에 가장 근접한 하나의 정적 마스크를 추출하는 것입니다. 일반적인 경험 법칙은 예상되는 음영 영역보다 약간 더 크게 마스크를 그려 분석에 포함 된 조명 영역의 양을 단순화하고 최소화하는 것 사이의 최상의 균형을 찾는 것입니다.

본 논문에서는 PIV 분석을위한 DM 문제에 대한 새로운 실험적 접근법을 제안합니다. 우리의 방법은 형광 페인팅을 사용하여 물체를 쉽게 추적 할 수 있도록 하는 기술과 시변 마스크를 생성 할 수있는 특정 오픈 소스 알고리즘을 포함합니다. 이 접근법은 레이저 광에 불투명 한 물체의 큰 변위를 허용함으로써 효과적인 것으로 입증되었습니다. 

우리의 방법인 NM (no-masking)과 SM (static masking) 접근 방식을 비교합니다. 우리의 접근 방식의 타당성을 입증하는 것 외에도 이 백서는 마스킹 단계가 정확한 결과를 얻기 위해 가장 중요하다는 것을 확인합니다. 실제로 물체의 변위가 무시할 수 없는 경우 DM에 대한 리조트는 필수이며 SM 접근 방식은 음영 처리 된 영역의 주변 환경에 국한되지 않는 부정확성을 유발합니다. 

논문의 구조는 다음과 같습니다. 먼저 형광 코팅 기술과 마스킹 소프트웨어를 설명하는 제안된 접근법의 근거를 소개합니다. 그런 다음 PIV 설정에 대한 설명 후 두 벤치 마크 사례를 통해 전체 PIV 체인 분석의 신뢰성을 평가합니다. 그런 다음 제안 된 DM 방법의 결과를 NM 및 SM 솔루션과 비교합니다. 마지막으로 몇 가지 결론이 도출됩니다.

행동 양식

제안 된 DM 기술은 PIV 분석을 위해 캡처 한 동일한 이미지에서 쉽고 정확한 추적 성을 허용하기 위해 움직이는 물체 표면의 형광 코팅을 구상합니다. 물체가 가시화되면 특정 알고리즘이 물체 추적을 수행하고 레이저 위치가 알려지면 (그림 1 참조  ) 음영 영역의 마스킹을 수행합니다.

형광 코팅

코팅은 구조적 매트릭스 에 시판되는 형광 분말 (fluorescein (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018 )) 의 분산액으로 구성됩니다 . 단단한 물체의 경우 매트릭스는 폴리 에스터 / 에폭시 (대상 재료와의 화학적 호환성에 따라) 투명 수지 일 수 있습니다. 변형 가능한 물체의 경우 매트릭스는 투명한 실리콘 고무로 만들 수 있습니다. 형광 코팅 된 물체는 실행 중에 지속적으로 빛을 방출하기 위해 실험 전에 충분히 오랫동안 조명을 비춰 야합니다. 우리는 4W LED 소스 (그림 2 에서 볼 수 있음)에 20 초 긴 노출이  실험 실행 (몇 초)의 짧은 기간 동안 일관된 형광 방출을 제공하기에 충분하다는 것을 발견했습니다.

우리 실험에서 물체와 입자 크기 사이의 상당한 차이를 감안할 때 전자를 식별하는 것은 간단합니다. 그림  3 은 씨 뿌리기 입자와 물체 모양이 서로 다른 세 번에 겹쳐진 모습을 보여줍니다 (색상은 다른 순간을 나타냄).

대신, 이러한 크기 기반 분류가 가능하지 않은 경우 입자와 물체의 파장을 분리해야합니다. 이러한 분리는 시드 입자에 의해 산란 된 빛과 현저하게 다른 파장에서 방출되는 형광 코팅을 선택하여 달성 할 수 있습니다. 또는 레이저에서 멀리 떨어진 대역에서 방출되는 형광 입자를 이용하는 것 (Pedocchi et al. 2008 ). 두 경우 모두 컬러 이미지 획득의 채널 분리 또는 멀티 카메라 설정의 애드혹 필터링은 물체 식별을 크게 촉진 할 수 있습니다. 우리의 경우에는 그러한 파장 분리를 달성 할 필요가 없습니다. 실제로 형광 코팅의 방출 스펙트럼의 피크는 540nm입니다 (Taniguchi and Lindsey 2018 ; Taniguchi et al. 2018), 사용 된 레이저의 532 nm에 매우 가깝습니다.

마스킹 소프트웨어

DM 용으로 개발 된 알고리즘 은 무료 PIV 분석 패키지 PIVlab (Thielicke 2020 , Thielicke 및 Stamhuis 2014 ) 과 함께 작동하도록 고안된 오픈 소스 프리웨어 GUI 기반 도구 (Prestininzi 및 Lombardi 2021 )입니다. 이것은 세 단계의 순차적 실행으로 구성됩니다 (그림 1 에서 a–b–c라고 함 ). 첫 번째 단계 (a)는 장면에서 레이저 위치를 찾는 데 사용됩니다 (즉, 소스의 좌표를 계산합니다. 장애물에 부딪히는 빛); 두 번째 항목 (b)은 개체 위치를 추적하고 각 프레임의 음영 영역을 계산합니다. 세 번째 항목 (c)은 추적 된 개체 영역과 음영 처리 된 개체 영역을 PIV 알고리즘을위한 단일 마스크로 병합합니다.

각 단계에 대한 자세한 내용은 다음과 같습니다.

  1. (ㅏ)레이저 위치는 프레임 (즉, 획득 한 프레임의 시야 (FOV)) 내에서 가시적 일 수도 있고 아닐 수도 있습니다. 전자의 경우 사용자는 GUI에서 레이저 소스를 클릭하여 찾기 만하면됩니다. 후자의 경우, 사용자는 음영 영역의 경계에 속하는 두 개의 세그먼트 (두 쌍의 점)를 그리도록 요청받습니다. 그러면 FOV 외부에있는 레이저 위치가 두 선의 교차점으로 계산됩니다. 세그먼트로 구성됩니다. 개체 그림자는 ROI 프레임 상자에 도달하는 것으로 간주됩니다.
  2. (비)레이저 위치가 알려지면 물체 추적은 다음과 같이 수행됩니다. 각 프레임의 하나의 채널 (이 경우 RGB 색상 공간이 사용되기 때문에 녹색 채널이지만 GUI는 선호하는 채널을 지정할 수 있음)은 다음과 같습니다. 로컬 적응 임계 값을 사용하여 이진화 됨 (Bradley and Roth 2007), 후자는 이웃 주변의 로컬 평균 강도를 사용하여 각 픽셀에 대해 계산됩니다. 그런 다음 입자와 물체로 구성된 이진 이미지가 영역으로 변환됩니다. 우리 실험에 존재하는 유일한 장애물은 모든 입자에 비해 더 큰 크기를 기준으로 식별됩니다. 다른 전략은 이전에 논의되었습니다. 그런 다음 장애물 영역의 경계 다각형은 사용자 정의 포인트 밀도로 결정됩니다. 여기에서는 그림자 결정을 위해 광선 투사 (RC) 접근 방식을 채택했습니다. RC는 컴퓨터 그래픽을 기반으로하는 “경 운송 모델링”의 틀에 속합니다. 수치 적으로 정확한 그림자를 제공하기 때문에 여기에서 선택됩니다. 정확도는 떨어지지 만 주로 RC의 계산 부하를 줄이는 것을 목표로하는 몇 가지 다른 방법이 개발되었습니다.2015 ), 여기서 간략히 회상합니다. 각 프레임 (명확성을 위해 여기에 색인화되지 않음)에 대해 광선아르 자형나는 j아르 자형나는제이레이저 위치 L 에서 i 번째 정점 으로 캐스트됩니다.피나는 j피나는제이의 J 오브젝트의 경계 다각형 일; 목표는피나는 j피나는제이 하위 집합에 속 ㅏ제이ㅏ제이 레이저에 의해 직접 조명되는 경계 정점의 피나는 j피나는제이 에 추가됩니다 ㅏ제이ㅏ제이 만약 아르 자형나는 j아르 자형나는제이 적어도 한쪽을 교차 에스k j에스케이제이( j 번째 개체 경계 다각형 의 모든면에 걸쳐있는 k )피나는 j피나는제이 (그것이 교차로 큐나는 j k큐나는제이케이 레이저 위치와 정점 사이에 있지 않습니다. 피나는 j피나는제이). 두 개의 광선, 즉ρ1ρ1 과 ρ2ρ2추가면을 가로 지르지 않는는 저장됩니다.
  3. (씨)일단 정점 세트, 즉 ㅏ제이ㅏ제이 레이저에 의해 직접 비춰지고 식별되었으며 ROI 프레임 상자의 음영 부분은 후자와 교차하여 결정됩니다. ρ1ρ1 과 ρ2ρ2. 두 교차점은 다음에 추가됩니다.ㅏ제이ㅏ제이. 점으로 둘러싸인 영역ㅏ제이ㅏ제이 마침내 마스크로 변환됩니다.

레이저 소스가 여러 개인 경우 각각에 RC 알고리즘을 적용해야하며 음영 영역의 결합이 수행됩니다. 레이 캐스팅 절차의 의사 코드는 Alg에보고됩니다. 1.

그림
그림 1
그림 1

DM 검증

이 섹션에서는 제안 된 DM으로 수행 된 PIV 측정과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM) 간의 비교를 제시합니다.

그림 2
그림 2
그림 3
그림 3

실험 설정

진동 유도기 (VI)의 성능을 분석하기 위해 PIV 설정을 설계하고 현재 DM 기술을 개발했습니다 (Curatolo et al. 2019 , 2020 ). 후자는 비 맥동 ​​유체 흐름에서 역류에 배치 된 캔틸레버의 규칙적이고 넓은 진동을 유도 할 수있는 윙렛입니다. 이러한 VI는 캔틸레버의 끝에 장착되며 (그림 2 참조   ) 진동 운동의 어느 지점에서든 캔틸레버의 중립 구성을 향해 양력을 생성 할 수있는 두 개의 오목한 날개가 있습니다.

VI는 캔틸레버 표면에 장착 된 압전 패치를 사용하여 고정 유체 흐름에서 기계적 에너지 추출을 향상시킬 수 있습니다. 그림 2 에서 강조된 날개의 전체 측면 가장자리는  Sect에 설명 된 사양에 따라 형광 페인트로 코팅되어 있습니다. 2.1 . 실험은 Roma Tre University 공학부 수력 학 실험실의 자유 표면 채널에서 수행됩니다. 10.8cm 길이의 캔틸레버는 채널의 중심선에 배치되고 상류로 향하며 수직-세로 평면에서 진동합니다. 세라믹 페 로브 스카이 트 (PZT) 압전 패치 (7××캔틸레버의 윗면에는 Physik Instrumente (PI)에서 만든 3cm)가 부착되어 있습니다. 흐름 유도 진동 하에서 변형으로 인해 AC 전압 차이를 제공합니다. VI 왼쪽 날개의 수직 중앙면에있는 2D 속도 필드는 수제 수중 PIV 장비를 통해 얻었습니다.각주1 연속파, 저비용, 저전력 (150mW), 녹색 (532nm) 레이저 빔이 2mm 두께의 부채꼴 시트에 퍼집니다.120∘120∘그림 2 와 같이 VI의 한쪽 날개를 절반으로 교차 합니다. 물은 평균 직경이 100 인 폴리 아미드 입자로 시드됩니다.μμm 및 1016 Kg / m의 밀도삼삼. 레이저 소스는 VI의 15cm 위쪽 (자유 표면 아래 약 4cm)과 VI의 하류 5cm에 경사지게 배치됩니다.5∘5∘상류. 위의 설정은 주로 날개의 후류를 조사하기 위해 고안되었습니다. 날개의 상류면과 하류 부분의 일부는 레이저 시트에 직접 맞지 않습니다. 레이저 시트에 수직으로 촬영하는 고속 상용 카메라 (Sony RX100 M5)를 사용하여 동영상을 촬영합니다. 후자는 1920의 프레임 크기로 500fps의 높은 프레임 속도 모드로 기록됩니다.×× 1080px, 나중에 더 작은 655로 잘림 ××이미지 분석 중에 분석 할 850px ROI. 시간 해결, 프리웨어, 오픈 소스, MatLab 용 PIV 분석 도구가 사용됩니다 (Thielicke and Stamhuis 2014 ). 이 도구는 질의 영역 (IA) 변형 (우리의 경우 64×× 64, 32 ×× 32 및 26 ××26). 각 패스에서 각 IA의 경계와 모서리에서 추가 변위 정보를 얻기 위해 인접한 IA 사이에 50 %의 중첩이 허용됩니다. 첫 번째 통과 후, 입자 변위 정보가 보간되어 IA의 모든 픽셀의 변위를 도출하고 그에 따라 변형됩니다.

시딩 입자 수 밀도는 첫 번째 패스에서 IA 당 약 5입니다. Keane과 Adrian ( 1992 )에 따르면 이러한 밀도 값은 95 % 유효한 탐지 확률을 보장합니다. IA는 프레임 커플 내에서 입자의 충분한 영구성을 보장하기 위해 크기가 조정됩니다. 분석 된 유동 역학은 0.4 ~ 0.7m / s 범위의 유동 속도를 특징으로합니다. 따라서 입자는 권장 최소값 인 2 프레임 (Keane and Adrian 1992 ) 보다 큰 약 3-4 프레임의 세 번째 패스 IA에 나타납니다 .

PIV 체인 분석 평가

사용 된 PIV 알고리즘의 정확성은 이전에 문헌에서 광범위하게 평가되었습니다 (예 : Guérin et al. ( 2020 ), Vennemann and Rösgen ( 2020 ), Mohammadshahi et al. ( 2020 ), Narayan et al. ( 2020 )). 그러나 PIV 측정의 물리적 일관성을 보장하기 위해 두 가지 벤치 마크 사례가 여기에 나와 있습니다.

첫 번째는 Sect에 설명 된 동일한 PIV 설정을 통해 측정 된 세로 유속의 수직 프로파일을 비교합니다. 3.1 분석 기준 용액이있는 실험 채널에서. 후자는 플로팅 트레이서로 수행되는 PTV (입자 추적 속도계) 측정을 통해 보정되었습니다. 분석 속도 프로파일은 Eq. 1 (Keulegan 1938 ).u ( z) =유∗[5.75 로그(지δ) +8.5];유(지)=유∗[5.75로그⁡(지δ)+8.5];(1)

여기서 u 는 수평 유속 성분, z 는 수직 좌표,δδ 침대 거칠기 및 V∗V∗ 균일 한 흐름 공식에 의해 주어진 것으로 가정되는 마찰 속도, 즉 유∗= U/ C유∗=유/씨; U 는 깊이 평균 유속이고 C 는 다음 과 같이 주어진 마찰 계수입니다.씨= 5.75로그( 13.3에프R / δ)씨=5.75로그⁡(13.3에프아르 자형/δ), R = 0.2아르 자형=0.2 m은 유압 반경이고 에프= 0.92에프=0.92유한 폭 채널의 형상 계수. 그림  4 는 4 초의 시간 창에 걸쳐 순간 값을 평균화하여 얻은 분석 프로필과 PIV 측정 간의 비교를 보여줍니다. 국부적 인 변동은 대략 0.5 초의 시간 척도에서 진화하는 것으로 밝혀졌습니다. PTV 결과에 가장 적합하면 다음과 같은 값이 산출됩니다.δ= 1δ=1cm, 베드 거칠기의 경우 Eq. 1 , 실험 채널 침대 표면의 실제 조건과 호환됩니다. VI의 휴지 구성 위치에서 유속의 분석 값은 그림에서 검은 색 십자가로 표시됩니다. 비교는 놀라운 일치를 보여 주므로 실험 설정과 PIV 알고리즘의 조합이 분석 된 설정에 대해 신뢰할 수있는 것으로 간주 될 수 있음을 증명합니다.

두 번째 벤치 마크는 VI 뒷면에 재 부착 된 흐름의 양을 비교합니다. 실제로 이러한 장치의 높은 캠버를 고려할 때 흐름은 하류 표면에서 분리되어 결국 다시 연결됩니다. 첨부 흐름을 나타내는 표면의 양 (Curatolo 외. 발견 2020 ) 흥미로운 압전 패치 (즉, 효율이 큰 경우에 더 빠르게 진동이 유발되는 것이다)에서 VI의 효율과 상관된다. 여기에서는 PIV 분석을 통해 측정 된 진동의 상사 점에서 재 부착 된 흐름의 길이를 CFD (전산 유체 역학) 상용 코드 FLOW-3D® (Flow Science 2019 )로 예측 한 길이와 비교하여 RANS를 해결합니다. 결합 식 (비어 스톡스 레이놀즈 평균) 케이 -ϵϵ구조화 된 그리드의 난류 폐쇄 (시뮬레이션을 위해 1mm 간격이 선택됨). 다운 스트림 측면의 흐름은 이러한 높은 캠버 VI를 위해 여러 위치에서 분리 및 재 부착됩니다. 이 벤치 마크에서 비교 된 양은 VI의 앞쪽 가장자리와 가장 가까운 흐름 재 부착 위치 사이의 호 길이입니다. 그림 5를 참조  하면 CFD 모델에 의해 예측 된 호의 길이는 측정 된 호의 길이보다 10 % 더 큽니다. 이 작업에 제시된 DM 기술을 사용하는 PIV 분석은 물리적으로 건전한 측정을 제공하는 것으로 입증됩니다. 후류의 유체 역학에 대한 자세한 분석과 VI의 전반적인 효율성과의 상관 관계는 현재 진행 중이며 향후 작업의 대상이 될 것입니다.

그림 4
그림 4
그림 5
그림 5

결과

그림 6을 참조하여  순간 유속 장의 관점에서 세 가지 접근법의 결과를 비교합니다. 선택한 순간은 진동의 상사 점에 해당합니다.

제안 된 DM (그림 6 의 패널 a  )은 부드러운 유동장을 생성하여 후류에서 일관된 소용돌이 구조를 나타냅니다.

NM 접근법 (그림 6 의 패널 b1  )도 후류의 와류 구조를 정확하게 예측하지만 음영 영역에서 대부분 부정확 한 값을 산출합니다. 또한 비교에서 합리적인 기준을 추론 할 수 없기 때문에 획득 한 유동장 의 사후 필터링이 실현 가능하지 않다는 것이 분명합니다 . 실제로 유속은 그림 6 의 패널 c1에서 볼 수 있듯이 가장 큰 오류가 생성되는 위치에서도 “합리적인”크기를 갖습니다. , DM 및 NM 접근 방식으로 얻은 속도 필드 간의 차이가 표시됩니다. 더욱이 후류에서 발생하는 매우 불안정한 소용돌이 운동이 이러한 위치에 가깝게 이동하기 때문에 그럴듯한 흐름 방향을 가정하더라도 필터링 기준을 공식화 할 수 없습니다. 모델러가 그러한 부정확성을 알고 있었다하더라도 NM 접근법은 “합리적”이지만 여전히 날개의 내부 현과 그 바로 아래에있는 유동장의 대부분은 부정확합니다. 이러한 행동은 매우 오해의 소지가 있습니다.

그림 6 의 패널 b2는  SM 접근법으로 얻은 유속 장을 보여주고 패널 c2는 SM과 DM 접근법으로 얻은 결과 간의 차이를 보여줍니다. SM 접근법은 NM 대응 물에 비해 전반적으로 더 나은 정확도를 명확하게 보여 주지만, 이는 레이저 소스의 위치가 진동 중에 음영 영역이 많이 움직이지 않기 때문입니다 (그림 3 참조). 한 번의 진동 동안 VI가 경험 한 최대 변위를 육안으로 검사합니다. 즉, 분석 된 사례의 경우 정적 마스크를 그리기위한 중립 구성을 선택하면 NM 접근 방식보다 낮은 오류를 얻을 수 있습니다. 더 큰 물체 변위를 포함하는 실험 설정은 NM이 일관되게 더 정확해질 수 있기 때문에 NM보다 SM의 우월성은 일반화 될 수 없음을 강조하고 싶습니다.

그림  6 은 분석 된 접근법에 의해 생성 된 차이를 철저히 보여 주지만 결과에 대한보다 정량적 인 평가를 제공하기 위해 오류의 빈도 분포를 계산했습니다. 그림 7 에서 이러한 분포를  살펴보면 SM 접근법이 NM보다 전체적인 예측이 더 우수하고 SM 분포가 더 정점에 있음을 확인합니다. 그럼에도 불구하고 SM은 여전히 ​​비정상적인 강도의 스파이크를 생성합니다. 분포의 꼬리로 표시되는 이러한 값은 정적 마스크 범위의 과대 평가 (왼쪽 꼬리) 및 과소 평가 (오른쪽 꼬리)에 연결됩니다. 그러나 주파수의 크기는 고려되는 경우에 SM과 NM의 적용 가능성을 배제하여 DM에 대한 리조트를 의무적으로 만듭니다.

그림 6
그림 6
그림 7
그림 7

결론

이 작업에서는 PIV 분석 도구에 DM (Dynamic Masking) 모듈을 제공하기위한 새로운 실험 기법을 제시합니다. 동적 마스킹은 유체 흐름에 잠긴 불투명 이동 / 변형 가능한 물체를 포함하는 시간 해결 PIV 설정에서 필요한 단계입니다. 마스킹 알고리즘과 함께 형광 코팅을 사용하여 물체를 정확하게 추적 할 수 있습니다. 우리는 제안 된 DM과 두 가지 다른 접근 방식, 즉 no-masking (NM)과 static masking (SM)을 비교하여 자체적으로 설계된 저비용 PIV 설정을 통해 수행 된 측정을 제시합니다. 분석 된 유동 역학은 고체 물체의 제한된 변위를 포함하지만 정량적 비교는 DM 기술을 채택해야하는 필수 필요성을 보여줍니다. 여기에서 정확성이 입증 된 현재의 실험적 접근 방식은

메모

  1. 1.실험 데이터 세트는 PIV 분석의 복제를 허용하기 위해 요청시 제공됩니다.

참고 문헌

  1. Anders S, Noto D, Seilmayer M, Eckert S (2019) 스펙트럼 랜덤 마스킹 : 다상 흐름에서 piv를위한 새로운 동적 마스킹 기술. Experim 유체 60 (4) : 1–6 Google 학술 검색 
  2. Archbold E, Ennos A (1972) 이중 노출 레이저 사진에서 변위 측정. Optica Acta Int J Opt 19 (4) : 253–271 Google 학술 검색 
  3. Barker D, Fourney M (1977) 얼룩 패턴으로 유체 속도 측정. Opt Lett 1 (4) : 135–137 Google 학술 검색 
  4. Bradley D, Roth G (2007) 적분 이미지를 사용한 적응 형 임계 값. J 그래프 도구 12 (2) : 13–21 Google 학술 검색 
  5. Brücker C (2000) Piv의 다상 흐름. 입자 이미지 유속계 및 관련 기술, 강의 시리즈, p 1
  6. Case N (2015) 시력 및 조명. GitHub 저장소. https://github.com/ncase/sight-and-light
  7. Curatolo M, La Rosa M, Prestininzi P (2019) 바이 모르 프 압전 캔틸레버의 굽힘에서 평면 상태 가정의 타당성. J Intell Mater Syst Struct 30 (10) : 1508–1517 Google 학술 검색 
  8. Curatolo M, Lombardi V, Prestininzi P (2020) 얇은 압전 캔틸레버의 유동 유도 진동 향상 : 실험 분석. In : River Flow 2020— 유체 유압에 관한 국제 회의 절차
  9. DantecDynamics : DynamicStudio 6.4 (2018) https://www.dantecdynamics.com/dynamicstudio-6-4-release-with-new-dynamic-masking-add-on/
  10. Driscoll K, Sick V, Gray C (2003) 고밀도 연료 ​​스프레이에서 동시 공기 / 연료 위상 piv 측정. Experim 유체 35 (1) : 112–115 Google 학술 검색 
  11. Dussol D, Druault P, Mallat B, Delacroix S, Germain G (2016) 불안정한 인터페이스, 거품 및 움직이는 구조를 포함하는 piv 이미지에 대한 자동 동적 마스크 추출. Comptes Rendus Mécanique 344 (7) : 464–478 Google 학술 검색 
  12. Ergin F, Watz B, Wadhwa N (2015) 장거리 micropiv를 사용하여 작은 평영 수영 선수 주변의 픽셀 정확도 동적 마스킹 및 흐름 측정. 에서 : 입자 이미지 유속계 -PIV15에 관한 제 11 회 국제 심포지엄. 캘리포니아 주 산타 바바라, 9 월, 14 ~ 16 쪽
  13. Flow Science I (2019) FLOW-3D, 버전 12.0. 산타페, NM https://www.flow3d.com/
  14. Foeth EJ, Van Doorne C, Van Terwisga T, Wieneke B (2006) 시간은 3d 시트 캐비테이션의 piv 및 유동 시각화를 해결했습니다. Experim 유체 40 (4) : 503–513 Google 학술 검색 
  15. Grant I (1997) 입자 이미지 속도 측정 : 리뷰. Proc Inst Mech Eng CJ Mech Eng Sci 211 (1) : 55–76 Google 학술 검색 
  16. Guérin A, Derr J, Du Pont SC, Berhanu M (2020) 흐르는 물막에 의해 생성 된 Streamwise 용해 패턴. Phys Rev Lett 125 (19) : 194502 Google 학술 검색 
  17. Keane RD, Adrian RJ (1992) piv 이미지의 상호 상관 분석 이론. Appl Sci Res 49 (3) : 191–215 Google 학술 검색 
  18. Keulegan GH (1938) 열린 수로에서 난류의 법칙, vol. 21. 미국 표준 국 (National Bureau of Standards)
  19. Khalitov D, Longmire EK (2002) 2 개 매개 변수 위상 차별에 의한 동시 2 상 piv. Experim 유체 32 (2) : 252–268 Google 학술 검색 
  20. Lindken R, Rossi M, Große S, Westerweel J (2009) 미세 입자 영상 속도계 (piv) : 최근 개발, 응용 및 지침. 랩 칩 9 (17) : 2551–2567 Google 학술 검색 
  21. Masullo A, Theunissen R (2017) 픽셀 강도 통계를 기반으로 한 piv 이미지 분석을위한 자동화 된 마스크 생성. Experim 유체 58 (6) : 70 Google 학술 검색 
  22. Mohammadshahi S, Samsam-Khayani H, Cai T, Kim KC (2020) 수로에서 진동하는 제트의 흐름 특성과 열 전달에 대한 실험 및 수치 연구. Int J 열 유체 흐름 86 : 108701 Google 학술 검색 
  23. Narayan S, Moravec DB, Dallas AJ, Dutcher CS (2020) 4 채널 미세 유체 유체 역학 트랩에서 물방울 모양 이완. Phys Rev Fluids 5 (11) : 113603 Google 학술 검색 
  24. Pedocchi F, Martin JE, García MH (2008) 입자 이미지 속도계를 사용하는 대규모 실험을위한 저렴한 형광 입자. Experim 유체 45 (1) : 183–186 Google 학술 검색 
  25. Prasad AK (2000) 입체 입자 영상 유속계. Experim 유체 29 (2) : 103–116 Google 학술 검색 
  26. Prestininzi P, Lombardi V (2021) DM @ PIV. https://it.mathworks.com/matlabcentral/fileexchange/75398-dm-piv . MATLAB Central 파일 교환. 2021 년 5 월 6 일 확인
  27. Sanchis A, Jensen A (2011) 자유 표면 흐름에서 라돈 변환을 사용한 piv 이미지의 동적 마스킹. Experim 유체 51 (4) : 871–880 Google 학술 검색 
  28. Scarano F (2013) Tomographic piv : 원리와 실행. Meas Sci Technol 24 (1)
  29. Taniguchi M, Lindsey JS (2018) photochemcad에 사용하기위한> 300 개의 일반적인 화합물의 흡수 및 형광 스펙트럼 데이터베이스. Photochem Photobiol 94 (2) : 290–327 Google 학술 검색 
  30. Taniguchi M, Du H, Lindsey JS (2018) Photochemcad 3 : 다중 스펙트럼 데이터베이스를 사용한 광 물리 계산을위한 다양한 모듈. Photochem Photobiol 94 (2) : 277–289 Google 학술 검색 
  31. Thielicke W (2020) PIVlab (2020). https://www.mathworks.com/matlabcentral/fileexchange/27659-pivlab-particle-image-velocimetry-piv-tool . MATLAB Central 파일 교환. 5 월 8 일 확인
  32. Thielicke W, Stamhuis E (2014) PIVlab-matlab의 사용자 친화적이고 저렴하며 정확한 디지털 입자 이미지 속도계를 지향합니다. J Open Res Softw 2 (1)
  33. TSI Instruments (2014) PIV 이미지에 대한 동적 마스킹. TSI Incorporated 애플리케이션 노트 PIV-018
  34. Vennemann B, Rösgen T (2020) 컨볼 루션 오토 인코더를 사용하는 입자 이미지 속도 측정을위한 동적 마스킹 기술. Experim 유체 61 (7) : 1–11 Google 학술 검색 
  35. Westerweel J, Elsinga GE, Adrian RJ (2013) 복잡하고 난류 흐름에 대한 입자 이미지 유속계. Ann Rev Fluid Mech 45 (1) : 409–436. https://doi.org/10.1146/annurev-fluid-120710-101204MathSciNet  수학 Google 학술 검색 

참조 다운로드

자금

CRUI-CARE 계약에 따라 Università degli Studi Roma Tre가 제공하는 오픈 액세스 자금.

작가 정보

제휴

  1. 이탈리아 Roma, Università Roma Tre 공학과Valentina Lombardi, Michele La Rocca, Pietro Prestininzi

교신 저자

Valentina Lombardi에 대한 서신 .

추가 정보

발행인의 메모

Springer Nature는 출판 된지도 및 기관 소속의 관할권 주장과 관련하여 중립을 유지합니다.

오픈 액세스이 기사는 크리에이티브 커먼즈 저작자 표시 4.0 국제 라이선스에 따라 사용이 허가되었습니다.이 라이선스는 귀하가 원저자와 출처에 대해 적절한 크레딧을 제공하는 한 모든 매체 또는 형식으로 사용, 공유, 개작, 배포 및 복제를 허용합니다. 크리에이티브 커먼즈 라이센스에 대한 링크를 제공하고 변경 사항이 있는지 표시합니다. 이 기사의 이미지 또는 기타 제 3 자 자료는 자료에 대한 크레딧 라인에 달리 명시되지 않는 한 기사의 크리에이티브 커먼즈 라이선스에 포함됩니다. 자료가 기사의 크리에이티브 커먼즈 라이센스에 포함되어 있지 않고 의도 된 사용이 법적 규정에 의해 허용되지 않거나 허용 된 사용을 초과하는 경우 저작권 보유자로부터 직접 허가를 받아야합니다. 이 라이센스의 사본을 보려면 다음을 방문하십시오.http://creativecommons.org/licenses/by/4.0/ .

재판 및 허가

이 기사에 대해

CrossMark를 통해 통화 및 진위 확인

이 기사 인용

Lombardi, V., Rocca, ML & Prestininzi, P. 시간 분해 PIV 분석을위한 새로운 동적 마스킹 기술. J Vis (2021). https://doi.org/10.1007/s12650-021-00756-0

인용 다운로드

이 기사 공유

다음 링크를 공유하는 사람은 누구나이 콘텐츠를 읽을 수 있습니다.공유 가능한 링크 받기

Springer Nature SharedIt 콘텐츠 공유 이니셔티브 제공

키워드

  • 시간 해결 PIV
  • 역학 마스킹
  • 이미지 처리
  • 진동 유도제
  • 형광 코팅
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig3

On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel—Multiphysics modeling and experimental validation

MohamadBayataVenkata K.NadimpalliaFrancesco G.BiondaniaSinaJafarzadehbJesperThorborgaNiels S.TiedjeaGiulianoBissaccoaDavid B.PedersenaJesper H.Hattela
a Department of Mechanical Engineering, Technical University of Denmark, Building 425, Lyngby, Denmark
Department of Energy Conversion and Storage, Technical University of Denmark, Building 301, Lyngby, Denmark

Received 15 December 2020, Revised 12 April 2021, Accepted 19 April 2021, Available online 8 May 2021.

Abstract

The Directed Energy Deposition (DED) process of metals, has a broad range of applications in several industrial sectors. Surface modification, component repairing, production of functionally graded materials and more importantly, manufacturing of complex geometries are major DED’s applications. In this work, a multi-physics numerical model of the DED process of maraging steel is developed to study the influence of the powder stream specifications on the melt pool’s thermal and fluid dynamics conditions. The model is developed based on the Finite Volume Method (FVM) framework using the commercial software package Flow-3D. Different physical phenomena e.g. solidification, evaporation, the Marangoni effect and the recoil pressure are included in the model. As a new feature, the powder particles’ dynamics are modeled using a Lagrangian framework and their impact on the melt pool conditions is taken into account as well. In-situ and ex-situ experiments are carried out using a thermal camera and optical microscopy. The predicted track morphology is in good agreement with the experimental measurements. Besides, the predicted melt pool evolution follows the same trend as observed with the online thermal camera. Furthermore, a parametric study is carried out to investigate the effect of the powder particles incoming velocity on the track morphology. It is shown that the height-to-width ratio of tracks increases while using higher powder velocities. Moreover, it is shown that by tripling the powder particles velocity, the height-to-width ratio increases by 104% and the wettability of the track decreases by 24%.

Korea Abstract

금속의 DED (Directed Energy Deposition) 공정은 여러 산업 분야에서 광범위한 응용 분야를 가지고 있습니다. 표면 수정, 부품 수리, 기능 등급 재료의 생산 및 더 중요한 것은 복잡한 형상의 제조가 DED의 주요 응용 분야입니다.

이 작업에서는 용융 풀의 열 및 유체 역학 조건에 대한 분말 스트림 사양의 영향을 연구하기 위해 강철 마레이징 DED 공정의 다중 물리 수치 모델이 개발되었습니다. 이 모델은 상용 소프트웨어 패키지 FLOW-3D를 사용하여 FVM (Finite Volume Method) 프레임 워크를 기반으로 개발되었습니다.

다른 물리적 현상 예 : 응고, 증발, 마랑고니 효과 및 반동 압력이 모델에 포함됩니다. 새로운 기능으로 분말 입자의 역학은 Lagrangian 프레임 워크를 사용하여 모델링되며 용융 풀 조건에 미치는 영향도 고려됩니다.

현장 및 현장 실험은 열 화상 카메라와 광학 현미경을 사용하여 수행됩니다. 예측된 트랙 형태는 실험 측정과 잘 일치합니다. 게다가 예측된 용융 풀 진화는 온라인 열 화상 카메라에서 관찰된 것과 동일한 추세를 따릅니다. 또한, 분말 입자 유입 속도가 트랙 형태에 미치는 영향을 조사하기 위해 매개 변수 연구가 수행됩니다.

더 높은 분말 속도를 사용하는 동안 트랙의 높이 대 너비 비율이 증가하는 것으로 나타났습니다. 또한 분말 입자 속도를 3 배로 늘림으로써 높이 대 너비 비율이 104 % 증가하고 트랙의 젖음성은 24 % 감소하는 것으로 나타났습니다.

Keywords

Multi-physics modelDEDHeat and fluid flowFVMParticle motion

On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig2
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig2
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig3
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig3
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig4
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig4
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig5
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig5
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig6
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig6
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig7
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig7
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig8
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig8
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig9
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig9
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig10
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig10
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig11
On the role of the powder stream on the heat and fluid flow conditions during Directed Energy Deposition of maraging steel-Fig11
Review on the evolution and technology of State-of-the-Art metal additive manufacturing processes

Review on the evolution and technology of State-of-the-Art metal additive manufacturing processes

최첨단 금속 적층 제조 공정의 진화 및 기술 검토

S.Pratheesh Kumar
S.ElangovanR.Mohanraj
J.R.Ramakrishna

Abstract

Nowadays, the requirements of customers undergo dynamic changes and industries are heading towards the manufacturing of customized end-user products, making market fluctuations extremely unpredictable. This demands the production industries to shift towards instantaneous product development strategies that can deliver products on the shortest lead time without compromise in the quality and accuracy. Direct metal deposition is one such evolving additive manufacturing (AM) technique that has found its application from rapid prototyping to production of real-time industrial components. In addition, the process is ideal for just-in-time manufacturing, producing parts-on-demand while offering the potential to reduce cost, energy consumption, and carbon footprint. The evolution of this advanced manufacturing technique had drastically reduced the manufacturing constraints and greatly improved the product versatility. This review provides insight into the evolution, current status, and challenges of metal additive manufacturing (MAM) techniques, starting from powder bed fusion and direct metal deposition. In addition to this, the review explores the variants of metal additive manufacturing with its process mechanism, merits, demerits, and applications. The efficiency of the processes is finally analysed using a time–cost triangle and the mechanical properties are comprehensively compared. The review will enhance the basic understanding of MAM and thus broaden the scope of research and development.

오늘날 고객의 요구 사항은 역동적 인 변화를 겪고 있으며 산업은 맞춤형 최종 사용자 제품의 제조로 향하고있어 시장 변동을 예측할 수 없게 만듭니다. 따라서 생산 산업은 품질과 정확성을 타협하지 않고 최단 리드 타임에 제품을 제공 할 수있는 즉각적인 제품 개발 전략으로 전환해야합니다. 직접 금속 증착은 쾌속 프로토 타이핑에서 실시간 산업 부품 생산에 이르기까지 응용 분야를 발견 한 진화하는 적층 제조 (AM) 기술 중 하나입니다. 또한이 프로세스는 적시 제조에 이상적이며 주문형 부품을 생산하는 동시에 비용, 에너지 소비 및 탄소 발자국을 줄일 수있는 잠재력을 제공합니다. 이 고급 제조 기술의 발전으로 제조 제약이 크게 줄어들고 제품의 다양성이 크게 향상되었습니다. 이 리뷰는 분말 베드 융합 및 직접 금속 증착에서 시작하여 금속 적층 제조 (MAM) 기술의 발전, 현재 상태 및 과제에 대한 통찰력을 제공합니다. 이 외에도이 리뷰에서는 프로세스 메커니즘, 장점, 단점 및 응용 프로그램과 함께 금속 적층 제조의 변형을 탐색합니다. 프로세스의 효율성은 마지막으로 시간-비용 삼각형을 사용하여 분석되고 기계적 특성이 포괄적으로 비교됩니다. 검토는 MAM에 대한 기본적인 이해를 높이고 연구 개발 범위를 넓힐 것입니다.

Keywords: Metal additive manufacturing, 3D Printing, Direct energy deposition, Electron beam meltingRapid prototyping

Fig. 1.Schematic of wire feeding in a melting line.

Evaluation on the Efficiency of Cored Wire Feeding in Addition of Alloying Elements into Cu Melt

Bok-Hyun Kang*, Ki-Young Kim
Korea University of Technology and Education

코어드 와이어 피딩에 의한 Cu 용탕에의 합금 첨가 시 효율 평가

Abstract

To add alloying elements into a pure copper melt, the wire-feeding efficiency of cored (alloy containing) wire was evaluated using a commercial, computational fluid-dynamics program. The model design was based on an industrial-scale production line. The variables calculated included wire feed rate, melt temperature, wire diameter, melt flow rate and wire temperature. Efficiency was evaluated after a series of calculations based on the penetration depth of the alloy-wire into the molten copper bath. Of the five variables investigated, the wire feed rate and wire diameter were the most influential factors affecting the feeding efficiency of the cored-wire.

Keywords: Cored wire feeding, Cu melt, Efficiency, Alloying elements

1. 서론

소재산업이 고품질, 환경친화적,저에너지 소비기술을 지향하면서 보다 고효율 공정의 활용이 증가하는 추세에 있다. 철강이나 비철소재에 있어서도 탈산, 탈황, 개재물 처리 및 합금화 등과 같은 청정화를 위한 용탕 처리 뿐만 아니라목표하는 합금의 화학 조성의 정확한 조절이 요구되고 있다.

분말 원재료를 금속 피복재 등으로 감싸서 와이어의 형태로 만들고 이를 릴에 감은 후 순차적으로 풀어서 용탕에 투입하는 코어드 와이어(cored wire)방식은 첨가되는 원재료의 손실을 최소화하고 높은 효율성을 얻을 수 있는 이점이 있다.

용강의 탈산을 위한 Ca투입 시에도 Ca분말을 피복하여 사용한 경우의 회수율이 높아지고,미량의 V나 Al를 합금원소로참가할 때에도 효율적이라고 보고되고 있다[1-5]. 그리고 코어드 와이어를 사용할 경우의 용해 메커니즘에 대한 모델 및 열전달에 관한연구도 보고된 바 있다[6-9].

또한 철강산업에서 뿐만 아니라 주철 제조시에도 코어드 와이어법이 이용되고 있는데, 주철의 구상화 처리[10], 선철의 탈황[11]등에서도 활용이 되고 있다.

한편, 비철산업에서는 코어드 와이어법이 아직 활발히 채용이 되지 않고 있는 상태이나, 전자부품 용동 합금소재와 같이정밀한 합금화가 필요하거나 산화가 용이하여 분말로 첨가 시 회수율이 낮은 원소의 합금 시 그 활용이 기대되고 있다.

실제 정확한 장입 계산으로 합금 원소를 투입 하더라도 최종 목표 조성을 관리하는 것은 쉽지 않다. 특히 산화가 쉬운원소의 경우 용탕에 투입했을 때 회수율의 변동성이 심하고, 마이크로 합금화(micro alloying)와 같이 첨가량이 매우 적다면 화학조성의 조절이 더욱 어렵고, 회수율의 예측 또한 힘들다.

일반적으로 동합금의 제조시 합금원소는 용해 라인에서 연속적으로 첨가 되는데, 기존 공정라인에서의 합금화는 배합로에서 합금원소를 덩어리 또는 분말형태로 투입하여 진행한다. 그러나 이러한 배합방식은 많은 양의 분진 발생으로 작업 환경을 나쁘게 하고, 특히 분말의 상태로 용탕과 접촉하므로 산화가 용이하여 회수율의 변동이 심한 단점이 있다.

동합금 제조에 있어서 코어드 와이어법의 적용에 대한 실험실적 연구는 수행된 바 있으나[12], 다양한 공정변수를 고려하기 위해서는 실제 동합금의 용해, 연주라인에서 실험하는 것은 어려우므로, 전산모사를 활용하여 각 변수의 영향을 알아보는 것도 효과적인 방법 중의 하나이다.

본 연구에서는 아직까지 Cu 합금의 제조에 사용되지 않은 코어드 와이어 피딩법의 전산모사를 통하여 와이어 피딩 시의효율에 미치는 공정변수의 영향을 조사하였다.

2.연구방법

Fig. 1은 용해라인에서의 와이어피딩 모식도를 나타낸 것으로, 배합로에서 합금을 투입한다고 가정하였다. 또한 용탕의유속은 연주되는 슬라브의 유량과 용탕유로의 단면적으로 유로내에서의 용탕유속을 산출하였고, 이러한 용탕의 흐름을가정하여 유체의X+ 방향으로의 유속을 정의하였다.

Fig. 2는계산모델을 나타낸 것으로 100×500×20 mm 크기의 모델을 길이 방향으로 50개, 높이 방향으로 250개, 두께 방향으로 10개의 소로 나누었다. 용탕은 순 Cu로 가정하였고, 와이어의 재질은 Cu이며, 튜브 안에 Cu 분말이 들어있는 것으로 가정하였다.

계산상 합금분말은 정의가 안되기 때문에, 코어드 와이어의 밀도는 벌크 재질 밀도의60%의 밀도로 입력 하였다. 계산에 사용한 재질별 물성은T able 1과 같다.

용탕의 흐름, Cu용탕과 와이어 사이의 열 이동은 상용 유체해석 소프트웨어인 Flow-3D를 이용하여 3차원 계산을 수행하였다. 계산 변수는 와이어의 송급속도, 용탕의 온도, 와이어의 직경, 용탕의 흐름 속도 및 와이어의 온도로 하였으며, 상세는 Table2와 같다. 와이어의 송급 속도는 Z- 방향으로 당겨지는 것으로 입력하였다.

Fig. 1.Schematic of wire feeding in a melting line.
Fig. 1.Schematic of wire feeding in a melting line.

<중략>…….

Flg. 2.Three dimensional model for wire feeding simulation
Flg. 2.Three dimensional model for wire feeding simulation
Fig. 3.Change in solid fraction of the cored wire during feeding: (I)initial heating, (II) transient melting, (III) steady statemelting
Fig. 3.Change in solid fraction of the cored wire during feeding: (I)initial heating, (II) transient melting, (III) steady statemelting
Fig. 4.Solid fraction contours with wire feed rate at steady state: melt temp. 1473 K, wire dia. 10 mm, melt flow rate 1.7 m/s, wire temp.303 K
Fig. 4.Solid fraction contours with wire feed rate at steady state: melt temp. 1473 K, wire dia. 10 mm, melt flow rate 1.7 m/s, wire temp.303 K

Fig. 5.Effect of wire feed rate on the penetration depth of wire at itssolid fraction of 0.7.
Fig. 5.Effect of wire feed rate on the penetration depth of wire at itssolid fraction of 0.7.
ig. 6.Solid fraction contours with melt temperature at steady state: wire feed rate 7 m/s, wire dia. 10 mm, melt flow rate 1.7 m/s, wire temp.303 K
ig. 6.Solid fraction contours with melt temperature at steady state: wire feed rate 7 m/s, wire dia. 10 mm, melt flow rate 1.7 m/s, wire temp.303 K
Fig. 7.Solid fraction contours with wire diameter at steady state: wire feed rate 7 m/s, melt temp. 1473 K, melt flow rate 1.7 m/s, wiretemp.303 K
Fig. 7.Solid fraction contours with wire diameter at steady state: wire feed rate 7 m/s, melt temp. 1473 K, melt flow rate 1.7 m/s, wiretemp.303 K
Fig. 8.Effect of wire diameter on the penetration depth of wire at itssolid fraction of 0.7
Fig. 8.Effect of wire diameter on the penetration depth of wire at itssolid fraction of 0.7
ig. 9.Effect of melt flow rate on the penetration depth of wire.
ig. 9.Effect of melt flow rate on the penetration depth of wire.
Fig. 10.Effect of wire temperature on the penetration depth of wire
Fig. 10.Effect of wire temperature on the penetration depth of wire

<중략>…

4. 결론

코어드와이어 피딩 공정을 와이어의 송급 속도, 용탕의 온도, 와이어의 직경, 용탕의 흐름 속도 및 와이어의 온도를 공정변수로 하여 전산 모사하고, 피딩공정의 효율은 와이어의 침투 깊이로 평가하였다.

그 결과, 와이어의 송급 속도와 와이어의 직경이 와이어의 침투 깊이에 가장 영향이 큰 것으로 나타났다. 즉 와이어가 용탕의 상면 가까이에서 용해되어 버리면 산화가 용이하게 되고, 부상하여 슬래그 중으로 들어가기 쉬우므로 효율이 떨어지나, 용탕의 저부에서 용해되면, 대부분 Cu 용탕 중으로 녹아 들어가므로 첨가하는 합금 원소의 회수율이 높아지게 됨을 기대할 수 있다. 연속 주조 라인에서는 빌렛의 최종 조성의 조절이 중요한데, 와이어의 직경과 적정 송급 속도의 조화가 필요하다.

References

[1] P. Murray, Metallurgist, “Use of cored wire to introducemetallic powders into molten metal”,41(1997) 53-55.
[2] S. Basak, R. Kumar Dhal and G. G. Roy, Ironmaking andSteelmaking, “Efficacy and recovery of calcium during CaSicored wire injection in steel melts”,37(2010) 161-168.
[3] D.A. Dyudkin, V.V. Kisilenko, V.P. Onishchuk, A.A. Larionov,and B.V. Neboga, Metallurgist, “Effectiveness of alloyingsteel with vanadium from cored wire”,46(2002) 203-204.
[4] Y. Heikiki and M. Juha, Scandinavian J. of Metallurgy, “Steelcomposition adjustment by wire feeding at Rautaruukki OyRaaha steel works”,19(1990) 142-145.
[5] S.V. Kazakov, A.A. Neretin, S.M. Chumakov, S.D. Zinchenkoand A. B. Lyatin, Metallurgist, “Treatment of converter steelwith calcium-aluminum wire”,42(1998) 173-175.
[6] S. Sanyal, S. Chandra, S. Kumar and G.G. Roy, Steel ResearchInt., “Dissolution kinetics of cored wire in molten steel”,77(2006) 541-549.
[7] S. Sanyal, S. Chandra, S. Kumar and G.G. Roy, ISIJ Int., “AnImproved Model of Cored Wire Injection in Steel Melts”,44(2004) 1157-1166.
[8] S. Sanyal, J.K. Saha, S. Chandra and C. Bhanu, ISIJ Int.,“Model based optimazation of aluminum wire injection insteel melts”,46(2006) 779-781.
[9] M.G. Kim, D.C. Hwang, J.J. Choi, S.Y. Yoon, B.J. Ye, J.H.Kim and W.B. Kim, J. KFS, “Heat Flow Analysis of FerriticStainless Steel Melt during Ti wire feeding”,29(2009) 277-283.
[10] I. Ruiz, F. Wolfsgruber and J. L. Enriquez, Inter. J. of CastMetals Research, “Production of ductile iron with the coredwire technology”,16(2003) 7-10.
[11] A.M. Zborshchik, Metallurgist, “Cost-effectiveness of de-sulfurizing pig iron with magnesium-bearing cored wire”,45(2001) 360-362.
[12] B.H. Kang, W.H. Lee, J.Y. Cho, M.J. Lee and K.Y. Kim,Advanced Mater. Reasearch, “Yield of alloying elements fedby cored wire into a copper melt”,690-693(2013) 62-65

Fig. 9 (a) Velocity field, keyhole profile, and breakage of the keyhole to form bubble and (b) 2D temperature and velocity field along the longitudinal section

A Numerical Study on the Keyhole Formation During Laser Powder Bed Fusion Process

Keyhole에 대한 수치적 연구 : 레이저 분말 중 형성 베드 퓨전 공정

Subin Shrestha1
J.B. Speed School of Engineering,University of Louisville,Louisville, KY 40292
e-mail: subin.shrestha@louisville.edu

Y. Kevin Chou
J.B. Speed School of Engineering,University of Louisville,Louisville, KY 40292
e-mail: kevin.chou@louisville.edu

LPBF (Laser Powder Bed fusion) 공정 중 용융 풀의 동적 현상은 복잡하고 공정 매개 변수에 민감합니다. 에너지 밀도 입력이 특정 임계 값을 초과하면 키홀이라고 하는 거대한 증기 함몰이 형성 될 수 있습니다.

이 연구는 수치 분석을 통해 LPBF 과정에서 키홀 거동 및 관련 기공 형성을 이해하는 데 중점을 둡니다. 이를 위해 이산 분말 입자가 있는 열 유동 모델이 개발되었습니다.

이산 요소 방법 (DEM)에서 얻은 분말 분포는 계산 영역에 통합되어 FLOW-3D를 사용하는 3D 프로세스 물리학 모델을 개발합니다.

전도 모드 중 용융 풀 형성과 용융의 키홀 모드가 식별되고 설명되었습니다. 높은 에너지 밀도는 증기 기둥의 형성으로 이어지고 결과적으로 레이저 스캔 트랙 아래에 구멍이 생깁니다.

또한 다양한 레이저 출력과 스캔 속도로 인한 Keyhole 모양을 조사합니다. 수치 결과는 동일한 에너지 밀도에서도 레이저 출력이 증가함에 따라 Keyhole크기가 증가 함을 나타냅니다. Keyhole은 더 높은 출력에서 ​​안정되어 레이저 스캔 중 Keyhole 발생을 줄일 수 있습니다.

The dynamic phenomenon of a melt pool during the laser powder bed fusion (LPBF) process is complex and sensitive to process parameters. As the energy density input exceeds a certain threshold, a huge vapor depression may form, known as the keyhole. This study focuses on understanding the keyhole behavior and related pore formation during the LPBF process through numerical analysis. For this purpose, a thermo-fluid model with discrete powder particles is developed. The powder distribution, obtained from a discrete element method (DEM), is incorporated into the computational domain to develop a 3D process physics model using flow-3d. The melt pool formation during the conduction mode and the keyhole mode of melting has been discerned and explained. The high energy density leads to the formation of a vapor column and consequently pores under the laser scan track. Further, the keyhole shape resulted from different laser powers and scan speeds is investigated. The numerical results indicated that the keyhole size increases with the increase in the laser power even with the same energy density. The keyhole becomes stable at a higher power, which may reduce the occurrence of pores during laser scanning.

Keywords: additive manufacturing, keyhole, laser powder bed fusion, porosity

Fig. 1 (a) Powder added to the dispenser platform and (b) powder particles settled over build plate after the recoating process
Fig. 1 (a) Powder added to the dispenser platform and (b) powder particles settled over build plate after the recoating process
Fig. 2 3D computational domain used for single-track simulation
Fig. 2 3D computational domain used for single-track simulation
Fig. 3 Temperature-dependent material properties of Ti-6Al-4V
Fig. 3 Temperature-dependent material properties of Ti-6Al-4V
Fig. 4 Powder and substrate melting during laser application
Fig. 4 Powder and substrate melting during laser application
Fig. 5 Melt region formed after complete melting and solidification
Fig. 5 Melt region formed after complete melting and solidification
Fig. 6 Melt pool boundary comparison between the experiment [25] and the simulation
Fig. 6 Melt pool boundary comparison between the experiment [25] and the simulation
Fig. 7 Equilibrium points during the formation of vapor column [27]
Fig. 7 Equilibrium points during the formation of vapor column [27]
Fig. 8 Multiple reflection vectors from the keyhole wall
Fig. 8 Multiple reflection vectors from the keyhole wall
Fig. 9 (a) Velocity field, keyhole profile, and breakage of the keyhole to form bubble and (b) 2D temperature and velocity field along the longitudinal section
Fig. 9 (a) Velocity field, keyhole profile, and breakage of the keyhole to form bubble and (b) 2D temperature and velocity field along the longitudinal section
Fig. 10 Fluid flow in the transverse direction during keyhole melting
Fig. 10 Fluid flow in the transverse direction during keyhole melting
Fig. 11 Melt pool boundary compared with the experiment [21] for 195 W laser power and 400 mm/s scan speed
Fig. 11 Melt pool boundary compared with the experiment [21] for 195 W laser power and 400 mm/s scan speed
Fig. 12 Melt region formed after complete melting and solidification
Fig. 12 Melt region formed after complete melting and solidification
Fig. 13 2D images of the pores formed at the beginning of the single track and their 3D-rendered morphology
Fig. 13 2D images of the pores formed at the beginning of the single track and their 3D-rendered morphology
Fig. 14 Pore number and volume from a different level of power with LED = 0.4 J/mm [29]
Fig. 14 Pore number and volume from a different level of power with LED = 0.4 J/mm [29]
Fig. 15 Keyhole shape at different time steps from different parameters: (a) P = 100 W, v = 250 mm/s, (b) P = 200 W, v = 500 mm/s, (c) P = 300 W, v = 750 mm/s, and (d) P = 400 W, v = 1000 mm/s
Fig. 15 Keyhole shape at different time steps from different parameters: (a) P = 100 W, v = 250 mm/s, (b) P = 200 W, v = 500 mm/s, (c) P = 300 W, v = 750 mm/s, and (d) P = 400 W, v = 1000 mm/s
Fig. 16 Intensity dependence in the relationship between vapor column and evaporation pressure [27]
Fig. 16 Intensity dependence in the relationship between vapor column and evaporation pressure [27]
Fig. 17 Temperature distribution when laser has moved 0.8 mm with P = 300 W, v = 750 mm/s and P = 400 W, v = 1000 mm/s
Fig. 17 Temperature distribution when laser has moved 0.8 mm with P = 300 W, v = 750 mm/s and P = 400 W, v = 1000 mm/s
Fig. 18 Melt region with different level of power with LED of 0.4 J/mm
Fig. 18 Melt region with different level of power with LED of 0.4 J/mm

References

[1] Bauereiß, A., Scharowsky, T., and Körner, C., 2014, “Defect Generation and
Propagation Mechanism During Additive Manufacturing by Selective Beam
Melting,” J. Mater. Process. Technol., 214(11), pp. 2522–2528.
[2] Gong, H., Rafi, K., Gu, H., Starr, T., and Stucker, B., 2014, “Analysis of Defect
Generation in Ti–6Al–4V Parts Made Using Powder Bed Fusion Additive
Manufacturing Processes,” Add. Manuf., 1(2014), pp. 87–98.
[3] Wang, Y., Kamath, C., Voisin, T., and Li, Z., 2018, “A Processing Diagram for
High-Density Ti-6Al-4V by Selective Laser Melting,” Rapid Prototyping J., 24
(9), pp. 1469–1478.
[4] Khairallah, S. A., and Anderson, A., 2014, “Mesoscopic Simulation Model of
Selective Laser Melting of Stainless Steel Powder,” J. Mater. Process. Technol.,
214(11), pp. 2627–2636.
[5] Yadroitsev, I., Gusarov, A., Yadroitsava, I., and Smurov, I., 2010, “Single Track
Formation in Selective Laser Melting of Metal Powders,” J. Mater. Process.
Technol., 210(12), pp. 1624–1631.
[6] Xia, M., Gu, D., Yu, G., Dai, D., Chen, H., and Shi, Q., 2016, “Influence of Hatch
Spacing on Heat and Mass Transfer, Thermodynamics and Laser Processability
During Additive Manufacturing of Inconel 718 Alloy,” Int. J. Mach. Tools
Manuf., 109(2016), pp. 147–157.
[7] Lee, Y., and Zhang, W., 2016, “Modeling of Heat Transfer, Fluid Flow and
Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser
Powder bed Fusion,” Add. Manuf., 12(2016), pp. 178–188.
[8] Wu, Y.-C., San, C.-H., Chang, C.-H., Lin, H.-J., Marwan, R., Baba, S., and
Hwang, W.-S., 2018, “Numerical Modeling of Melt-Pool Behavior in Selective
Laser Melting with Random Powder Distribution and Experimental
Validation,” J. Mater. Process. Technol., 254(2018), pp. 72–78.
[9] Khairallah, S. A., Anderson, A. T., Rubenchik, A., and King, W. E., 2016, “Laser
Powder-bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and
Formation Mechanisms of Pores, Spatter, and Denudation Zones,” Acta
Materialia, 108(2016), pp. 36–45.
[10] Tan, J., Tang, C., and Wong, C., 2018, “A Computational Study on Porosity
Evolution in Parts Produced by Selective Laser Melting,” Metall. Mater. Trans.
A, 49A(8), pp. 3663–3673.
[11] Leitz, K.-H., Singer, P., Plankensteiner, A., Tabernig, B., Kestler, H., and Sigl,
L. J. M. P. R., 2017, “Multi-Physical Simulation of Selective Laser Melting,”
Metal Powder Report, 72(5), pp. 331–338.
[12] Zhao, C., Fezzaa, K., Cunningham, R. W., Wen, H., Carlo, F., Chen, L., Rollett,
A. D., and Sun, T., 2017, “Real-time Monitoring of Laser Powder Bed Fusion
Process Using High-Speed X-ray Imaging and Diffraction,” Sci. Rep., 7(1),
p. 3602.
[13] Parab, N. D., Zhao, C., Cunningham, R., Escano, L. I., Fezzaa, K., Everhart, W.,
Rollett, A. D., Chen, L., and Sun, T., 2018, “Ultrafast X-ray Imaging of Laser–
Metal Additive Manufacturing Processes,” J. Synchrotron Radiat., 25(5),
pp. 1467–1477.
[14] Cunningham, R., Zhao, C., Parab, N., Kantzos, C., Pauza, J., Fezzaa, K., Sun, T.,
and Rollett, A. D., 2019, “Keyhole Threshold and Morphology in Laser Melting
Revealed by Ultrahigh-Speed X-Ray Imaging,” Science, 363(6429), pp. 849–852.
[15] Shrestha, S., Starr, T., and Chou, K., 2019, “A Study of Keyhole Porosity in
Selective Laser Melting: Single Track Scanning With Micro-CT Analysis,”
ASME J. Manuf. Sci. Eng., 141(7), pp. 1–23.
[16] Ye, J., Rubenchik, A. M., Crumb, M. F., Guss, G., and Matthews, M. J., 2018,
“Laser Absorption and Scaling Behavior in Powder Bed Fusion Additive
Manufacturing of Metals,” Proceedings of the CLEO: Science and Innovations,
Optical Society of America, San Jose, CA, May 13–18, Optical Society of
America, p. JW2A.117.
[17] Mishra, B., and Rajamani, R. K., 1992, “The Discrete Element Method for the
Simulation of Ball Mills,” Appl. Math. Modell., 16(11), pp. 598–604.
[18] Yan, W., Qian, Y., Ge, W., Lin, S., Liu, W. K., Lin, F., and Wagner, G. J., 2018,
“Meso-Scale Modeling of Multiple-Layer Fabrication Process in Selective
Electron Beam Melting: Inter-Layer/Track Voids Formation,” Materials and
Design, 141(2018), pp. 210–219.
[19] Kloss, C., Goniva, C., Hager, A., Amberger, S., and Pirker, S., 2012, “Models,
Algorithms and Validation for Opensource DEM and CFD–DEM,” Prog.
Comput. Fluid Dynam. Int. J., 12(2–3), pp. 140–152.
[20] Escano, L. I., Parab, N. D., Xiong, L., Guo, Q., Zhao, C., Fezzaa, K., Everhart,
W., Sun, T., and Chen, L., 2018, “Revealing Particle-Scale Powder Spreading
Dynamics in Powder-Bed-Based Additive Manufacturing Process by
High-Speed X-Ray Imaging,” Sci. Rep., 8(1), p. 15079.
[21] Gong, H., Gu, H., Zeng, K., Dilip, J., Pal, D., Stucker, B., Christiansen, D., Beuth,
J., and Lewandowski, J. J., 2014, “Melt Pool Characterization for Selective Laser
Melting of Ti-6Al-4V Pre-Alloyed Powder,” Proceedings of the Solid Freeform
Fabrication Symposium, Austin, TX, Aug. 4–6, pp. 256–267.
[22] Mills, K. C., 2002, Recommended Values of Thermophysical Properties for
Selected Commercial Alloys, Woodhead Publishing, Cambridge, UK.
[23] Shrestha, S., and Chou, K., 2017, “A Build Surface Study of Powder-Bed
Electron Beam Additive Manufacturing by 3D Thermo-Fluid Simulation and
White-Light Interferometry,” Int. J. Mach. Tools Manuf., 121(2017), pp. 37–49.
[24] Cho, J.-H., and Na, S.-J., 2006, “Implementation of Real-Time Multiple
Reflection and Fresnel Absorption of Laser Beam in Keyhole,” J. Phys. D:
Appl. Phys., 39(24), p. 5372.
[25] Dilip, J., Zhang, S., Teng, C., Zeng, K., Robinson, C., Pal, D., and Stucker, B.,
2017, “Influence of Processing Parameters on the Evolution of Melt Pool,
Porosity, and Microstructures in Ti-6Al-4V Alloy Parts Fabricated by Selective
Laser Melting,” Prog. Add. Manuf., 2(3), pp. 157–167.
[26] Bertoli, U. S., Wolfer, A. J., Matthews, M. J., Delplanque, J.-P. R., and Schoenung,
J. M., 2017, “On the Limitations of Volumetric Energy Density as a Design
Parameter for Selective Laser Melting,” Mater. Des., 113(2017), pp. 331–340.
[27] Kroos, J., Gratzke, U., and Simon, G., 1993, “Towards a Self-Consistent Model of
the Keyhole in Penetration Laser Beam Welding,” J. Phys. D: Appl. Phys., 26(3),
p. 474.
[28] Martin, A., Calta, N., Hammons, J., Khairallah, S., Nielsen, M., Shuttlesworth, R.,
Sinclair, N., Matthews, M., Jeffries, J., and Willey, T., 2019, “Ultrafast Dynamics
of Laser-Metal Interactions in Additive Manufacturing Alloys Captured by In Situ
X-Ray Imaging,” Mater. Today Adv., 1(2019), p. 100002.
[29] Shrestha, S., Starr, T., and Chou, K., 2018, “Individual and coupled contributions
of laser power and scanning speed towards process-induced porosity in selective
laser melting,” Proceedings of the Solid Freeform Fabrication Symposium,
Austin, TX, Aug. 13–15, pp. 1400–1409.
[30] Hann, D., Iammi, J., and Folkes, J., 2011, “A Simple Methodology for Predicting
Laser-Weld Properties From Material and Laser Parameters,” J. Phys. D: Appl.
Phys., 44(44), p. 445401.
[31] Trapp, J., Rubenchik, A. M., Guss, G., and Matthews, M. J., 2017, “In Situ
Absorptivity Measurements of Metallic Powders During Laser Powder-bed
Fusion Additive Manufacturing,” Appl. Mat. Today, 9(2017), pp. 341–349.

Mixing Tank with FLOW-3D

CFD Stirs Up Mixing 일반

CFD (전산 유체 역학) 전문가가 필요하고 때로는 실행하는데 몇 주가 걸리는 믹싱 시뮬레이션의 시대는 오래 전입니다. 컴퓨팅 및 관련 기술의 엄청난 도약에 힘 입어 Ansys, Comsol 및 Flow Science와 같은 회사는 엔지니어의 데스크톱에 사용하기 쉬운 믹싱 시뮬레이션을 제공하고 있습니다.

“병렬화 및 고성능 컴퓨팅의 발전과 템플릿화는 비전문 화학 엔지니어에게 정확한 CFD 시뮬레이션을 제공했습니다.”라고 펜실베이니아  피츠버그에있는 Ansys Inc.의 수석 제품 마케팅 관리자인 Bill Kulp는 말합니다 .

흐름 개선을위한 실용적인 지침이 필요하십니까? 다운로드 화학 처리의 eHandbook을 지금 흐름 도전 싸우는 방법!

예를 들어, 회사는 휴스턴에있는 Nalco Champion과 함께 프로젝트를 시작했습니다. 이 프로젝트는 시뮬레이션 전문가가 아닌 화학 엔지니어에게 Ansys Fluent 및 ACT (분석 제어 기술) 템플릿 기반 시뮬레이션 앱에 대한 액세스 권한을 부여합니다. 새로운 화학 물질을위한 프로세스를 빠르고 효율적으로 확장합니다.

Giving Mixing Its Due

“화학 산업은 CFD와 같은 계산 도구를 사용하여 많은 것을 얻을 수 있지만 혼합 프로세스는 단순하다고 가정하기 때문에 간과되는 경우가 있습니다. 그러나 최신 수치 기법을 사용하여 우수한 성능을 달성하는 흥미로운 방법이 많이 있습니다.”라고 Flow Science Inc. , Santa Fe, NM의 CFD 엔지니어인 Ioannis Karampelas는 말합니다 .

이러한 많은 기술이 회사의 Flow-3D Multiphysics 모델링 소프트웨어 패키지와 전용 포스트 프로세서 시각화 도구 인 FlowSight에 포함되어 있습니다.

“모든 상업용 CFD 패키지는 어떤 형태의 시각화 도구와 번들로 제공되지만 FlowSight는 매우 강력하고 사용하기 쉽고 이해하기 쉽게 설계되었습니다. 예를 들어, 프로세스를 재 설계하려는 엔지니어는 다양한 설계 변경의 효과를 평가하기 위해 매우 직관적인 시각화 도구가 필요합니다.”라고 그는 설명합니다.

이 접근 방식은 실험 측정을 얻기 어려운 공정 (예 : 쉽게 측정 할 수없는 매개 변수 및 독성 물질의 존재로 인해 본질적으로 위험한 공정)을 더 잘 이해하고 최적화하는데 특히 효과적입니다.

동일한 접근 방식은 또한 믹서 관련 장비 공급 업체가 고객 요구에 맞게 제품을보다 정확하게 개발하고 맞춤화하는 데 도움이되었습니다. “이는 불필요한 프로토 타이핑 비용이나 잠재적 인 과도한 엔지니어링을 방지합니다. 두 가지 모두 일부 공급 업체의 문제였습니다.”라고 Karampelas는 말합니다.

CFD 기술 자체는 계속해서 발전하고 있습니다. 예를 들어, 수치 알고리즘의 관점에서 볼 때 구형 입자의 상호 작용이 열 전달을 적절하게 모델링하는 데 중요한 다양한 문제에 대해 이산 요소 모델링을 쉽게 적용 할 수있는 반면, LES 난류 모델은 난류 흐름 패턴을 정확하게 시뮬레이션하는 데 이상적입니다.

컴퓨팅 리소스에 대한 비용과 수요에도 불구하고 Karampelas는 난류 모델의 전체 제품군을 제공 할 수있는 것이 중요하다고 생각합니다. 특히 LES는 이미 대부분의 학계와 일부 산업 (예 : 전력 공학)에서 선택하는 방법이기 때문입니다. .

그럼에도 불구하고 CFD의 사용이 제한적이거나 비실용적 일 수있는 경우는 확실히 있습니다. 여기에는 나노 입자에서 벌크 유체 증발을 모델링하는 것과 같이 관심의 규모가 다른 규모에 따라 달라질 수있는 문제와 중요한 물리적 현상이 아직 알려지지 않았거나 제대로 이해되지 않았거나 아마도 매우 복잡한 문제 (예 : 모델링)가 포함됩니다. 음 펨바 효과”라고 Karampelas는 경고합니다.

반면에 더욱 강력한 하드웨어와 업데이트 된 수치 알고리즘의 출현은 CFD 소프트웨어를 사용하여 과다한 설계 및 최적화 문제를 해결하기위한 최적의 접근 방식이 될 것이라고 그는 믿습니다.

“복잡한 열교환 시스템 및 새로운 혼합 기술과 같이 점점 더 복잡한 공정을 모델링 할 수있는 능력은 가까운 장래에 가능할 수있는 일을 간단히 보여줍니다. 수치적 방법 사용의 주요 이점은 설계자가 상상력에 의해서만 제한되어 소규모 믹서에서 대규모 반응기 및 증류 컬럼에 이르기까지 다양한 화학 플랜트 공정을 최적화 할 수있는 길을 열어 준다는 것입니다. 실험적 또는 경험적 접근 방식은 항상 관련성이 있지만 CFD가 미래의 엔지니어를위한 선택 도구가 될 것이라고 확신합니다.”라고 그는 결론을 내립니다.


Ottewell2
Seán Ottewell은 Chemical Processing의 편집장입니다. sottewell@putman.net으로 이메일을 보낼 수 있습니다 .

기사 원문 : https://www.chemicalprocessing.com/articles/2017/cfd-stirs-up-mixing/

마란 고니 효과 있음

Ti-6Al-4V 금속 분말에 의한 선택적 레이저 용융법 수치 해석

Ti-6Al-4V 금속 분말에 의한 선택적 레이저 용융법 수치 해석

선택적 레이저 용융법(SLM: Selective Laser Melting)은 3D 프린팅 기술의 하나로 최근 주목 받고 있습니다. SLM에서는 레이저 조사 중 높은 온도 구배로 인해, 용융과 재응고 현상이 일어나므로 용융금속 유체의 거동이 중요한 역할을 담당하고 있어, 구성 부품의 최종 구조를 결정합니다.

FLOW-3D@ WELD를 이용하여 T-6Al-4V(64티타늄 합금)에 대한 선택적 레이저 용융법 (SLM) 시뮬레이션이 가능합니다.

SLM 프린터
SLM 프린터
SLM 공정
SLM 공정
SLM 열전달 모델
SLM 열전달 모델

금속 분말을 얇게 깔아 생긴 분말층에 레이저를 조사하면 조사된 부분만 용융, 응고 됩니다. 이 공정을 반복하면서 적층하여 3차원 형상을 만듭니다. 금속을 재료로 하여 고강도 제품을 만들수 있으므로, 기존의 시작 제품(Rapid Prototyping)뿐만 아니라, 짧은 납기일, 저비용, 고기능 등을 목적으로 한 Additive Manufactuing 기술로서 주목받고 있습니다.

FLOW-3D@ WELD를 이용한 해석을 통해서, 표면의 경사에 따라 용융지의 형상과 온도 분포가 결정된다는 것을 알 수 있습니다.

용융 풀의 최대 깊이는 SLM의 형태학적 변화에 따라 달라지며 평균 깊이는 42μm입니다.

선택적 레이저 용융법 (SLM) 해석 결과
선택적 레이저 용융법 (SLM) 해석 결과
마란 고니 효과 있음
마란 고니 효과 있음
마란 고니 효과 없음
마란 고니 효과 없음

결론

  1. 비교에서 표면의 기울기는 용융 풀과 온도 분포의 형태 결정에 지배적이다.
  2. 용융 풀의 최대 깊이는 SLM 중의 형태 변화에 의존하고 있으며, 평균 깊이는 42μm였다.

 *Source: National Cheng Kung University, Department of Materials Science and Engineering, Taiwan YC Wu, WS Hwang

Liquid Metal 3D Printing

Liquid Metal 3D Printing

This article was contributed by V.Sukhotskiy1,2, I. H. Karampelas3, G. Garg 1, A. Verma1, M. Tong 1, S. Vader2, Z. Vader2, and E. P. Furlani1
1
University at Buffalo SUNY, 2Vader Systems, 3Flow Science, Inc.

Drop-on-demand 잉크젯 인쇄는 상업 및 소비자 이미지 재생을 위한 잘 정립 된 방법입니다. 이 기술을 주도하는 동일한 원리는 인쇄 및 적층 제조 분야에도 적용될 수 있습니다. 기존의 잉크젯 기술은 폴리머에서 살아있는 세포에 이르기까지 다양한 재료를 증착하고 패턴화하여 다양한 기능성 매체, 조직 및 장치를 인쇄하는 데 사용되었습니다 [1, 2]. 이 작업의 초점은 잉크젯 기반 기술을 3D 솔리드 금속 구조 인쇄로 확장하는 데 있습니다 [3, 4]. 현재 대부분의 3D 금속 프린팅 응용 프로그램은 고체 물체를 형성하기 위해 레이저 [6] 또는 전자 빔 [7]과 같은 외부 지향 에너지 원의 영향을 받아 증착 된 금속 분말 소결 또는 용융을 포함합니다. 그러나 이러한 방법은 비용 및 프로세스 복잡성 측면에서 단점이 있습니다. 예를 들어, 3D 프린팅 프로세스에 앞서 분말을 생성하기 위해 시간과 에너지 집약적인 기술이 필요합니다.

이 기사에서는 MHD (자기 유체 역학) drop-on-demand 방출 및 움직이는 기판에 액체 방울 증착을 기반으로 3D 금속 구조의 적층 제조에 대한 새로운 접근 방식에 대해 설명합니다. 프로세스의 각 부분을 연구하기 위해 많은 시뮬레이션이 수행되었습니다.

단순화를 위해 이 연구는 두 부분으로 나뉘었습니다.

첫 번째 부분에서는 MHD 분석을 사용하여 프린트 헤드 내부의 Lorentz 힘 밀도에 의해 생성 된 압력을 추정 한 다음 FLOW-3D 모델의 경계 조건으로 사용됩니다. 액적 방출 역학을 연구하는 데 사용되었습니다.

두 번째 부분에서는 이상적인 액적 증착 조건을 식별하기 위해 FLOW-3D 매개 변수 분석을 수행했습니다. 모델링 노력의 결과는 그림 1에 표시된 장치의 설계를 안내하는데 사용되었습니다.

코일은 배출 챔버를 둘러싸고 전기적으로 펄스되어 액체 금속을 투과하고 폐쇄 루프를 유도하는 과도 자기장을 생성합니다. 그 안에 일시적인 전기장. 전기장은 순환 전류 밀도를 발생시키고, 이는 과도장에 역 결합되고 챔버 내에서 자홍 유체 역학적 로렌츠 힘 밀도를 생성합니다. 힘의 방사형 구성 요소는 오리피스에서 액체 금속 방울을 분출하는 역할을 하는 압력을 생성합니다. 분출된 액적은 기질로 이동하여 결합 및 응고되어 확장된 고체 구조를 형성합니다. 임의의 형태의 3 차원 구조는 입사 액적의 정확한 패턴 증착을 가능하게 하는 움직이는 기판을 사용하여 층별로 인쇄 될 수 있습니다. 이 기술은 상표명 MagnetoJet으로 Vader Systems (www.vadersystems.com)에 의해 특허 및 상용화되었습니다.

MagnetoJet 프린팅 공정의 장점은 상대적으로 높은 증착 속도와 낮은 재료 비용으로 임의 형상의 3D 금속 구조를 인쇄하는 것입니다 [8, 9]. 또한 고유한 금속 입자 구조가 존재하기 때문에 기계적 특성이 개선된 부품을 인쇄 할 수 있습니다.

프로토타입 디바이스 개발

Vader Systems의 3D 인쇄 시스템의 핵심 구성 요소는 두 부분의 노즐과 솔레노이드 코일로 구성된 프린트 헤드 어셈블리입니다. 액체화는 노즐의 상부에서 발생합니다. 하부에는 직경이 100μm ~ 500μm 인 서브 밀리미터 오리피스가 있습니다. 수냉식 솔레노이드 코일은 위 그림에 표시된 바와 같이 오리피스 챔버를 둘러싸고있습니다 (냉각 시스템은 도시되지 않음). 다수의 프린트 헤드 디자인의 반복적인 개발은 액체 금속 배출 거동뿐만 아니라, 액체 금속 충전 거동에 대한 사출 챔버 기하적인 효과를 분석하기 위해 연구되었습니다.

이 프로토타입 시스템은 일반적인 알루미늄 합금으로 만들어진 견고한 3D 구조를 성공적으로 인쇄했습니다 (아래 그림 참조). 액적 직경, 기하학, 토출 빈도 및 기타 매개 변수에 따라 직경이 50 μm에서 500 μm까지 다양합니다. 짧은 버스트에서 최대 5000 Hz까지 40-1000 Hz의 지속적인 방울 분사 속도가 달성 되었습니다.

Computational Models

프로토 타입 장치 개발의 일환으로, 성능 (예 : 액적 방출 역학, 액적-공기 및 액적-기질 상호 작용)에 대한 설계 개념을 스크리닝하기 위해 프로토타입 제작 전에 계산 시뮬레이션을 수행했습니다. 분석을 단순화하기 위해 CFD 분석 뿐만 아니라 컴퓨터 전자기(CE)를 사용하는 두 가지 다른 보완 모델이 개발되었습니다. 첫 번째 모델에서는 2 단계 CE 및 CFD 분석을 사용하여 MHD 기반 액적 분출 거동과 효과적인 압력 생성을 연구했습니다. 두 번째 모델에서는 열-유체 CFD 분석을 사용하여 기판상의 액적 패턴화, 유착 및 응고를 연구했습니다.

MHD 분석 후, 첫 번째 모델에서 등가 압력 프로파일을 추출하여 액적 분출 및 액적-기질 상호 작용의 과도 역학을 탐구하도록 설계된 FLOW-3D 모델의 입력으로 사용되었습니다. FLOW-3D 시뮬레이션은 액적 분출에 대한 오리피스 안과 주변의 습윤 효과를 이해하기 위해 수행되었습니다. 오리피스 내부와 외부 모두에서 유체 초기화 수준을 변경하고 펄스 주파수에 의해 결정된 펄스 사이의 시간을 허용함으로써 크기 및 속도를 포함하여 분출 된 액 적의 특성 차이를 식별 할 수있었습니다.

Droplet 생성

MagnetoJet 인쇄 프로세스에서, 방울은 전압 펄스 매개 변수에 따라 일반적으로 1 – 10m/s 범위의 속도로 배출되고 기판에 충돌하기 전에 비행 중에 약간 냉각됩니다. 기판상의 액적들의 패터닝 및 응고를 제어하는 ​​능력은 정밀한 3D 솔리드 구조의 형성에 중요합니다. 고해상도 3D 모션베이스를 사용하여 패터닝을 위한 정확한 Droplet 배치가 이루어집니다. 그러나 낮은 다공성과 원하지 않는 레이어링 artifacts가 없는 잘 형성된 3D 구조를 만들기 위해 응고를 제어하는 ​​것은 다음과 같은 제어를 필요로하기 때문에 어려움이 있습니다.

  • 냉각시 액체 방울로부터 주변 물질로의 열 확산,
  • 토출된 액적의 크기,
  • 액적 분사 빈도 및
  • 이미 형성된 3D 물체로부터의 열 확산.

이들 파라미터를 최적화 함으로써, 인쇄된 형상의 높은 공간 분해능을 제공하기에 충분히 작으며, 인접한 액적들 및 층들 사이의 매끄러운 유착을 촉진하기에 충분한 열 에너지를 보유 할 것입니다. 열 관리 문제에 직면하는 한 가지 방법은 가열된 기판을 융점보다 낮지만 상대적으로 가까운 온도에서 유지하는 것입니다. 이는 액체 금속 방울과 그 주변 사이의 온도 구배를 감소시켜 액체 금속 방울로부터의 열의 확산을 늦춤으로써 유착을 촉진시키고 고형화하여 매끄러운 입체 3D 덩어리를 형성합니다. 이 접근법의 실행 가능성을 탐구하기 위해 FLOW-3D를 사용한 파라 메트릭 CFD 분석이 수행되었습니다.

액체 금속방울 응집과 응고

우리는 액체 금속방울 분사 주파수뿐만 아니라 액체 금속방울 사이의 중심 간 간격의 함수로서 가열된 기판에서 내부 층의 금속방울 유착 및 응고를 조사했습니다. 이 분석에서 액체 알루미늄의 구형 방울은 3mm 높이에서 가열 된 스테인리스 강 기판에 충돌합니다. 액적 분리 거리 (100)로 변화 될 때 방울이 973 K의 초기 온도를 가지고, 기판이 다소 943 K.도 3의 응고 온도보다 900 K로 유지됩니다. 실선의 인쇄 중에 액적 유착 및 응고를 도시 50㎛의 간격으로 500㎛에서 400㎛까지 연속적으로 유지하고, 토출 주파수는 500Hz에서 일정하게 유지 하였습니다.

방울 분리가 250μm를 초과하면 선을 따라 입자가 있는 응고된 세그먼트가 나타납니다. 350μm 이상의 거리에서는 세그먼트가 분리되고 선이 채워지지 않은 간극이 있어 부드러운 솔리드 구조를 형성하는데 적합하지 않습니다. 낮은 온도에서 유지되는 기질에 대해서도 유사한 분석을 수행했습니다(예: 600K, 700K 등). 3D 구조물이 쿨러 기질에 인쇄될 수 있지만, 그것들은 후속적인 퇴적 금속 층들 사이에 강한 결합의 결여와 같은 바람직하지 않은 공예품을 보여주는 것이 관찰되었습니다. 이는 침전된 물방울의 열 에너지 손실률이 증가했기 때문입니다. 기판 온도의 최종 선택은 주어진 용도에 대해 물체의 허용 가능한 인쇄 품질에 따라 결정될 수 있습니다. 인쇄 중에 부품이 커짐에 따라 더 높은 열 확산에 맞춰 동적으로 조정할 수도 있습니다.

FLOW-3D 결과 검증

위 그림은 가열된 기판 상에 인쇄된 컵 구조 입니다. 인쇄 과정에서 가열된 인쇄물의 온도는 인쇄된 부분의 순간 높이를 기준으로 실시간으로 733K (430 ° C)에서 833K (580 ° C)로 점차 증가했습니다. 이것은 물체 표면적이 증가함에 따라 국부적인 열 확산의 증가를 극복하기 위해 행해졌습니다. 알루미늄의 높은 열전도율은 국부적인 온도 구배에 대한 조정이 신속하게 이루어져야 하기 때문에 특히 어렵습니다. 그렇지 않으면 온도가 빠르게 감소하고 층내 유착을 저하시킵니다.

결론

시뮬레이션 결과를 바탕으로, Vader System의 프로토타입 마그네슘 유체 역학 액체 금속 Drop-on-demand 3D 프린터 프로토 타입은 임의의 형태의 3D 솔리드 알루미늄 구조를 인쇄할 수 있었습니다. 이러한 구조물은 서브 밀리미터의 액체 금속방울을 층 단위로 패턴화하여 성공적으로 인쇄되었습니다. 시간당 540 그램 이상의 재료 증착 속도는 오직 하나의 노즐을 사용하여 달성 되었습니다.

이 기술의 상업화는 잘 진행되고 있지만 처리량, 효율성, 해상도 및 재료 선택면에서 최적의 인쇄 성능을 실현하는 데는 여전히 어려움이 있습니다. 추가 모델링 작업은 인쇄 과정 중 과도 열 영향을 정량화하고, 메니스커스 동작뿐만 아니라 인쇄된 부품의 품질을 평가하는 데 초점을 맞출 것입니다.

References
[1] Roth, E.A., Xu, T., Das, M., Gregory, C., Hickman, J.J. and Boland, T., “Inkjet printing for high-throughput cell patterning,” Biomaterials 25(17), 3707-3715 (2004).

[2] Sirringhaus, H., Kawase, T., Friend, R.H., Shimoda, T., Inbasekaran, M., Wu, W. and Woo, E.P., “High-resolution inkjet printing of all-polymer transistor circuits,” Science 290(5499), 2123-2126 (2000).

[3] Tseng, A.A., Lee, M.H. and Zhao, B., “Design and operation of a droplet deposition system for freeform fabrication of metal parts,” Transactions-American Society of Mechanical Engineers Journal of Engineering Materials and Technology 123(1), 74-84 (2001).

[4] Suter, M., Weingärtner, E. and Wegener, K., “MHD printhead for additive manufacturing of metals,” Procedia CIRP 2, 102-106 (2012).

[5] Loh, L.E., Chua, C.K., Yeong, W.Y., Song, J., Mapar, M., Sing, S.L., Liu, Z.H. and Zhang, D.Q., “Numerical investigation and an effective modelling on the Selective Laser Melting (SLM) process with aluminium alloy 6061,” International Journal of Heat and Mass Transfer 80, 288-300 (2015).

[6] Simchi, A., “Direct laser sintering of metal powders: Mechanism, kinetics and microstructural features,” Materials Science and Engineering: A 428(1), 148-158 (2006).

[7] Murr, L.E., Gaytan, S.M., Ramirez, D.A., Martinez, E., Hernandez, J., Amato, K.N., Shindo, P.W., Medina, F.R. and Wicker, R.B., “Metal fabrication by additive manufacturing using laser and electron beam melting technologies,” Journal of Materials Science & Technology, 28(1), 1-14 (2012).

[8] J. Jang and S. S. Lee, “Theoretical and experimental study of MHD (magnetohydrodynamic) micropump,” Sensors & Actuators: A. Physical, 80(1), 84-89 (2000).

[9] M. Orme and R. F. Smith, “Enhanced aluminum properties by means of precise droplet deposition,” Journal of Manufacturing Science and Engineering, Transactions of the ASME, 122(3), 484-493, (2000)

igure 1:Essential componentsof the MHD printhead (a) cross-sectional view of printhead showing flow of liquid metal.(b) simulation model showing the magneticfield generated by a pulsed magnetic coil as well as an ejecteddroplet of liquid aluminum.

Timeline of molten metal droplet ejection

용융 금속 액적 분출 타임 라인

Keywords: Magnetohydrodynamicdroplet ejection, droplet on demandprinting, 3D printing of molten metal, additive manufacturing, thermo-fluidic analysis, molten aluminum.

우리는 액체 금속 방울을 사용하여 3D 고체 금속 구조의 DOD (drop-on-demand) 프린팅을 위한 새로운 방법을 제시합니다. 이 방법은 MHD (Magnetohydrodynamic) 기반 방울 생성에 의존합니다. 특히, 외부 코일에 의해 공급되는 맥동 자기장은 액체 금속으로 채워진 분사 챔버 내에서 MHD 기반 힘 밀도를 유도하여 물방울이 노즐을 통해 분사되도록 합니다.

임의의 모양의 3 차원 (3D) 고체 금속 구조는 드롭 방식의 유착 및 응고와 함께 방울의 층별 패턴 증착을 통해 인쇄 할 수 있습니다. 샘플 인쇄 구조와 함께 이 프로토 타입 MHD 인쇄 시스템을 소개합니다. 또한 드롭 생성을 제어하는 기본 물리학에 대해 논의하고 장치 성능을 예측하기 위한 계산 모델을 소개합니다.

주문형 잉크젯 인쇄는 상업용 및 소비자용 이미지 재생을 위한 잘 정립된 방법입니다. 이 기술을 주도하는 동일한 원리는 기능 인쇄 및 적층 제조 분야에도 적용될 수 있습니다. 기존의 잉크젯 기술은 폴리머에서 살아있는 세포에 이르기까지 다양한 재료를 증착하고 패턴 화하여 다양한 기능성 매체, 조직 및 장치를 인쇄하는 데 사용되어 왔습니다 [1, 2]. 이 작업의 초점은 잉크젯 기반 기술을 3D 솔리드 금속 구조 프린팅으로 확장하는 데 있습니다 [3, 4]. 현재 대부분의 3D 금속 프린팅 응용 분야에는 레이저 (예 : 선택적 레이저 소결 [5] 및 직접 레이저 금속 소결 [6]) 또는 전자 빔 (예 : 레이저 소결 [6])과 같은 외부 지향 에너지 원의 영향으로 증착 된 금속 분말 소결 또는 용융이 포함됩니다. 전자빔 용융 [7])을 사용하여 고체 물체를 형성합니다. 그러나 이러한 방법은 비용 및 복잡성 측면에서 단점이 있습니다. 3D 프린팅 프로세스에 앞서 금속을 밀링해야 합니다.

igure  1:Essential componentsof the MHD printhead (a) cross-sectional  view  of  printhead  showing  flow  of liquid metal.(b) simulation model showing the magneticfield  generated  by  a  pulsed  magnetic  coil  as  well  as an ejecteddroplet of liquid aluminum.
igure 1:Essential componentsof the MHD printhead (a) cross-sectional view of printhead showing flow of liquid metal.(b) simulation model showing the magneticfield generated by a pulsed magnetic coil as well as an ejecteddroplet of liquid aluminum.

이 작업에서 우리는 자기 유체 역학의 원리에 기반한 금속 구조물의 적층 제조에 대한 새로운 접근 방식을 소개합니다. 이 방법에서는 감긴 고체 금속 와이어가 MHD 프린트 헤드의 아세라 미치 팅 챔버에 연속적으로 공급되고 용융되어 그림 1에 표시된 것처럼 모세관 힘을 통해 배출 챔버에 공급되는 액체 금속 저장소를 형성합니다. 코일이 배출 챔버를 둘러싸고 있습니다. 액체 금속 내에서 과도 전기장을 유도하는 과도 자기장을 생성하도록 전기적으로 펄스됩니다. 전기장은 유도 된 순환 전류 밀도를 생성하며, 이는 적용된 자기장과 결합하여 챔버 내에서 오리피스의 액체 금속 방울을 방출하는 역할을하는 로렌츠 힘 밀도 (fMHD)를 생성합니다. 분출 된 액 적은 기질로 이동하여 결합 및 응고되어 확장 된 고체 구조를 형성합니다. 임의의 형태의 3 차원 구조는 입사 액 적의 정확한 패턴 증착을 가능하게하는 움직이는 기판을 사용하여 층별로 인쇄 될 수 있습니다. 이 기술은 Vader Systems (www.vadersystems.com)에서 MagnetoJet이라는 상표명으로 개척하고 상용화했습니다. MagnetoJet 인쇄 공정의 장점은 상대적으로 높은 증착 속도와 낮은 재료 비용으로 임의의 모양의 3D 금속 구조를 인쇄하는 것입니다. 이 작업에서는 MagnetoJet 프로토 타입 프린팅 프로세스에 대해 논의하고 샘플 3D 프린팅 구조를 시연하며 합리적인 설계 및 장치 성능 예측을 가능하게하는 계산 모델을 소개합니다.

Figure 2:Printed     3D structures: (a) ring showing as printed base and processed    upper    portion, and (b) cat
Figure 2:Printed 3D structures: (a) ring showing as printed base and processed upper portion, and (b) cat
Fig. 3. Nylon 11 impact sequence onto a preheated substrate

Impact Modeling of Thermally Sprayed Polymer Particles

Ivosevic, M., Cairncross, R. A., Knight, R., Philadelphia / USA

열 스프레이는 전통적으로 금속, 카바이드 및 세라믹 코팅을 증착하는 데 사용되어 왔지만 최근에는 HVOF (High Velocity Oxy-Fuel) 열 스프레이 공정의 높은 운동 에너지로 인해 용융 점도가 높은 폴리머의 무용제 처리도 가능하다는 사실이 밝혀졌습니다. , 유해한 휘발성 유기 용매가 필요하지 않습니다. 이 작업의 주된 목표는 지식 기반을 개발하고 HVOF 연소 스프레이 공정에 의해 분사되는 폴리머 입자의 충격 거동에 대한 질적 이해를 개선하는 것이 었습니다. 고분자 입자의 HVOF 분사 중 입자 가속, 가열 및 충격 변형의 수치 모델이 개발되었습니다. Volume-of-Fluid (VoF) 전산 유체 역학 패키지 인 Flow3D®는 입자가 강철 기판과 충돌하는 동안 유체 역학 및 열 전달을 모델링하는 데 사용되었습니다. 입자 가속 및 열 전달 모델을 사용하여 예측 된 방사형 온도 프로파일은 저온, 고점도 코어 및 고온, 저점도 표면을 가진 폴리머 입자를 시뮬레이션하기 위해 온도 의존 점도 모델과 함께 Flow3D®의 초기 조건으로 사용되었습니다. 이 접근법은 얇은 디스크 내에서 크고 거의 반구형 인 코어를 나타내는 변형 된 입자를 예측했으며 광학 현미경을 사용하여 만든 열 스프레이 스 플랫의 실험 관찰과 일치했습니다.

폴리머 증착에 열 분무 공정을 사용하는 주요 이점은 다음과 같습니다. (i) 휘발성 유기 화합물 (VOCs)을 사용하지 않는 무용제 코팅; (ii) 거의 모든 환경 조건에서 큰 물체를 코팅 할 수있는 능력; (iii) 용융 점도가 높은 폴리머 코팅을 적용하는 능력; 및 (iv) 일반적으로 정전기 분말 코팅 및 용제 기반 페인트에 필요한 오븐 건조 또는 경화와 같은 증착 후 처리없이 “즉시 사용 가능한”코팅을 생산할 수있는 능력. 이러한 공정에 비해 주요 단점은 다음과 같습니다. (i) 낮은 증착 효율, (ii) 낮은 품질의 표면 마감 및 (iii) 높은 공정 복잡성 (종종 폴리머 용융 및 분해 온도에 의해 정의되는 좁은 공정 창). 폴리머 증착에 세 가지 열 스프레이 공정이 사용 된 것으로 알려졌습니다 [1].

  • 기존의 화염 분사.
  • HVOF 연소 스프레이.
  • 플라즈마 스프레이.

HVOF 및 플라즈마 스프레이 공정에 의해 분사되는 폴리머의 수는 제한되어 있으며 HVOF 및 플라즈마 스프레이 폴리머 코팅의 상업적 응용은 아직 개발 단계에 있습니다 [1]. 폴리머의 HVOF 스프레이는 화염 스프레이 [최대 ~ 100m / s]에 비해 상당히 높은 입자 속도 [최대 1,000m / s]로 인해 주로 주목을 받았습니다. 이는 특히 고 분자량 폴리머 및 높은 (> 5 vol. %) 세라믹 강화 함량을 갖는 폴리머 / 세라믹 복합재를 포함하여 용융 점도가 높은 코팅의 증착에있어 중요한 이점입니다.

Fig. 1. Nylon 11 splats deposited onto a room temperature glass slide.
Fig. 1. Nylon 11 splats deposited onto a room temperature glass slide.
Fig. 2. Nylon 11 splats deposited onto a preheated glass slide (200 °C).
Fig. 2. Nylon 11 splats deposited onto a preheated glass slide (200 °C).
Fig. 3. Nylon 11 impact sequence onto a preheated substrate
Fig. 3. Nylon 11 impact sequence onto a preheated substrate, (I) partially melted particle before impact, (II) “fried-egg” shaped splat, (III) post-deposition flow of a fully molten droplet, (IV) droplet shrinkage during cooling.
Fig. 5. Predicted velocities of Nylon 11 particles in an HVOF jet (total O2 + H2 gas flow rate of 1.86 g/s at Φ = 0.83).
Fig. 5. Predicted velocities of Nylon 11 particles in an HVOF jet (total O2 + H2 gas flow rate of 1.86 g/s at Φ = 0.83).
Fig. 7. Simulated deformation of a Nylon 11 droplet with a radial temperature gradient and temperaturedependent viscosity during impact.
Fig. 7. Simulated deformation of a Nylon 11 droplet with a radial temperature gradient and temperaturedependent viscosity during impact.
Simulation Gallery

Simulation Gallery

Simulation Gallery | 시뮬레이션 갤러리

시뮬레이션 비디오 갤러리에서 FLOW-3D  제품군으로 모델링 할 수 있는 다양한 가능성을 살펴보십시오 .

적층 제조 시뮬레이션 갤러리

FLOW-3D AM 은 레이저 파우더 베드 융합, 바인더 제트 및 직접 에너지 증착과 같은 적층 제조 공정을 시뮬레이션하고 분석합니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을 위한 수지 침투 및 확산에 대한 매우 정확한 시뮬레이션을 제공합니다. 

Multi-material Laser Powder Bed Fusion | FLOW-3D AM

Micro and meso scale simulations using FLOW-3D AM help us understand the mixing of different materials in the melt pool and the formation of potential defects such as lack of fusion and porosity. In this simulation, the stainless steel and aluminum powders have independently-defined temperature dependent material properties that FLOW-3D AM tracks to accurately capture the melt pool dynamics. Learn more about FLOW-3D AM’s mutiphysics simulation capabilities at https://www.flow3d.com/products/flow3…

Laser Welding Simulation Gallery

FLOW-3D WELD 는 레이저 용접 공정에 대한 강력한 통찰력을 제공하여 공정 최적화를 달성합니다. 더 나은 공정 제어로 다공성, 열 영향 영역을 최소화하고 미세 구조 진화를 제어 할 수 있습니다. 레이저 용접 공정을 정확하게 시뮬레이션하기 위해 FLOW-3D WELD 는 레이저 열원, 레이저-재료 상호 작용, 유체 흐름, 열 전달, 표면 장력, 응고, 다중 레이저 반사 및 위상 변화를 특징으로 합니다.

Keyhole welding simulation | FLOW-3D WELD

물 및 환경 시뮬레이션 갤러리

FLOW-3D 는 물고기 통로, 댐 파손, 배수로, 눈사태, 수력 발전 및 기타 수자원 및 환경 공학 과제 모델링을 포함하여 유압 산업에 대한 많은 응용 분야를 가지고 있습니다. 엔지니어는 수력 발전소의 기존 인프라 용량을 늘리고, 어류 통로, 수두 손실을 최소화하는 흡입구, 포 이베이 설계 및 테일 레이스 흐름을위한 개선 된 설계를 개발하고, 수세 및 퇴적 및 공기 유입을 분석 할 수 있습니다.

금속 주조 시뮬레이션 갤러리

FLOW-3D CAST  에는 캐스팅을 위해 특별히 설계된 광범위하고 강력한 물리적 모델이 포함되어 있습니다. 이러한 특수 모델에는 lost foam casting, non-Newtonian fluids, and die cycling에 대한 알고리즘이 포함됩니다. FLOW-3D CAST 의 강력한 시뮬레이션 엔진과 결함 예측을 위한 새로운 도구는 설계주기를 단축하고 비용을 절감 할 수 있는 통찰력을 제공합니다.

HPDC |Comparison of slow shot profiles and entrained air during a filling simulation |FLOW-3D CAST

Shown is a video comparing two slow shot profiles. The graphs highlight the shot profiles through time and the difference in entrained air between the slow shots. Note the lack of air entrained in shot sleeve with calculated shot profile which yields a much better controlled flow within the shot sleeve.

Coastal & Maritime Applications | FLOW-3D

FLOW-3D는 선박 설계, 슬로싱 다이내믹스, 파동 충격 및 환기 등 연안 및 해양 애플리케이션에 이상적인 소프트웨어입니다. 연안 애플리케이션의 경우 FLOW-3D는 연안 구조물에 심각한 폭풍과 쓰나미 파장의 세부 정보를 정확하게 예측하고 플래시 홍수 및 중요 구조물 홍수 및 손상 분석에 사용됩니다.

Particles | 입자

입자 / Particles

본질적으로 Lagrangian 입자는 복잡한 흐름에서 물리량을 추적하는 독특한 방법을 가지고 있습니다. 이들의 속성은 메시 해상도에 의해 덜 제한되며, 동시에 질량, 운동량 및 열 전달을 통해 유체 및 고체와 함께 매우 세부적이고 사실적으로 상호 작용할 수 있습니다. 후 처리(Post Processing) 측면에서 입자는 시각화를 향상 시킬 수 있습니다.

금속 증착 시뮬레이션으로 시각화된 Lagrangian 입자
FLOW-3D의 Lagrangian 입자 모델

FLOW-3D의 입자 모델은 전기장 효과 및 유체 흐름과의 양방향 커플 링을 포함하여 마커에서 크기와 밀도가 다른 질량 입자로 진화했습니다. 이 모델은 공기 중의 오염 물질, 금속 함유물 및 분리기에서 포착되는 파편을 추적하는데 성공적으로 적용되었습니다. 최근에는 FLOW-3D의 입자 모델이 기능을 확장하기 위한 큰 변화가 있었습니다. 현재 모델에서 입자는 기본 기능에 따라 클래스로 그룹화됩니다.

  • 마커 입자 는 단순한 질량이 없는 마커로 유체 흐름을 추적하는 데 가장 적합합니다.
  • 질량 입자 는 모래 알갱이 또는 내포물과 같은 고체 물체를 나타냅니다.
  • 액체 입자 는 유체로 만들어지며 모든 유체 속성을 상속합니다.
  • 가스 입자 는 주변 유체의 온도 및 압력 부하에 따라 크기가 변하는 기포를 나타냅니다.
  • 보이드 입자 는 가스 입자와 유사하지만 그 특정 기능은 붕괴된 기포를 표시하고 추적하는 것입니다. 이는 다른 응용 분야에서 주조시 금형 충전 중에 생성되는 잠재적 다공성 결함을 예측하는 데 유용합니다.
  • 프로브 입자 는 해당 위치에서 변수 값을 기록하고 보고하는 진단 장치로 사용됩니다. 다른 클래스의 입자로 만들 수 있습니다.
  • 사용자 입자 는 소스 코드에서 사용자 정의 함수를 통해 사용자 정의를 할 수 있습니다.

각 입자 클래스에는 드래그 계수 및 각 숫자 입자가 물리적 입자의 구름을 나타낼 수 있는 매크로 입자 계수와 같이 클래스의 모든 입자에 적용되는 속성이 있습니다. 사용자 클래스의 입자에는 사용자가 사용자 정의 할 수 있는 세 가지 추가 속성이 있습니다.

다양한 크기와 밀도의 입자를 나타내는 재료 입자 클래스 내에서 여러 종을 정의 할 수 있습니다. 주변 유체와의 열 전달은 모든 재료 입자, 즉 질량, 액체, 가스, 보이드 및 사용자 입자에 적용되는 또 다른 기능입니다.

가스 입자의 압력은 상태 방정식과 온도 변화에 따른 변화를 사용하여 계산됩니다. 기체 입자가 유체가 없는 표면을 벗어나면 기체 영역에 부피를 추가합니다.

액체 입자의 유체는 응고 뿐만 아니라 증발 및 응축으로 인해 상 변화를 겪을 수 있습니다. 응고된 입자는 질량 입자와 유사한 고체 물체로 작동하지만 일단 들어가서 다시 녹으면 유체로 변환됩니다. 또한 2 유체 상 변화 모델이 활성화되면 액체 입자가 기체 내에서 이동하면서 증발 및 응축될 수 있으므로 스프레이 냉각 모델링에 유용합니다.

각 파티클 클래스는 FLOW-3D POST 에서 별도의 개체로 시각화 할 수 있습니다. 속도, 온도, 입자 수명 또는 고유 ID와 같은 개별 입자 속성을 색상에 사용할 수 있습니다. 표시된 입자 크기는 클래스 내에서의 변화를 반영합니다.

Lagrangian 입자를 직접 금속 증착에 적용

직접 금속 증착은 동일한 금속의 분말 스트림이 주입되는 고체 금속 기판에 용융 풀을 형성하기 위해 레이저를 사용하는 적층 제조 공정의 한 유형입니다. 분말 입자가 풀 내부에서 녹고, 풀이 다시 응고되면 일반적으로 두께가 0.2-0.8mm이고 너비가 1-2mm 인 고형화된 금속 층이 형성됩니다.

laser/powder gun 어셈블리가 기판 표면을 계속 스캔하므로 복잡한 모양을 층별로 만들 수 있습니다. 레이저 출력, 속도 및 분말 공급 사이의 적절한 균형은 공정의 성공과 효율성을 위해 중요합니다. 엔지니어의 주요 관심 사항은 다음과 같습니다.

  • 용융 풀의 크기와 모양
  • 금속 흐름 및 그 내부의 냉각 속도
  • 응고된 층의 형상

이 섹션에서 설명하는 시뮬레이션은 이러한 특성을 정확하게 예측합니다. 레이저와 기판의 움직임은 좌표계를 레이저에 부착함으로써 반전됩니다. Inconel 718 합금의 기판은 10mm/s의 일정 속도로 움직입니다. 레이저는 1.8kW의 출력으로 반경 1mm의 원형 열원으로 모델링됩니다. 3 개의 파우더 건은 0.684 g/s의 속도로 레이저 충돌 점에서 고체 금속 입자를 전달합니다. 각 건은 크기가 2 x 2 mm이고 초당 입자 비율은 105 입니다.

입자는 액체 입자 클래스를 사용하여 모델링됩니다. 모든 입자의 직경은 40 μm입니다. 매크로 입자 배율 10은 시뮬레이션에서 입자 수를 줄이는데 사용됩니다. 3백만 개의 물리적 입자를 나타내는 매 초당 시뮬레이션에서 3 x 105 개의 숫자 입자가 생성됩니다. 입자의 초기 온도는 480°C입니다. 즉, 풀에 충돌하기 전에 고체 상태입니다.

시뮬레이션은 분말을 첨가하기 전에 용융 풀이 형성 될 수 있도록, 시작한 후 2초 후에 입자 소스를 활성화하여 10초 동안 실행했습니다. 일단 풀에 들어가면 입자가 녹아 금속으로 전환되어 금속의 부피가 증가하여 궁극적으로 레이저에서 하류의 재응고 금속 층을 형성합니다. 용융 풀 모양은 대칭 평면에 표시됩니다.

새로운 Lagrangian 입자 모델은 FLOW-3D의 현재 기능을 크게 확장 할 뿐만 아니라 금속의 핵심 가스 버블 추적과 같은 향후 확장을 위한 강력한 개발 플랫폼을 만듭니다.

Laser Metal Deposition and Fluid Particles

Laser Metal Deposition and Fluid Particles

FLOW-3D는 신규 모듈을 개발 하면서, 입자 모델의 새로운 입자 클래스 중 하나인 유체 입자의 기능에 초점을 맞출 것입니다. 유체 입자는 증발 및 응고를 포함하여 유체 속성을 본질적으로 부여합니다. 유체 입자가 비교적 간단한 강우 모델링(아래의 애니메이션)에서 복잡한 레이저 증착(용접) 모델링에 이르기까지 다양한 사례가 있을 수 있습니다.

Fluid Particles

FLOW-3D에서 유체 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도로 다양한 유체 입자 종을 설정할 수 있습니다. 또한 유체 입자의 동력학은 확산 계수, 항력 계수, 난류 슈미트 수, 반발 계수 및 응고된 반발 계수와 같은 특성에 의해 제어 될 수 있습니다. 유체 입자는 열적 및 전기적 특성을 지정할 수 있습니다.

사용자는 유체 입자 생성을 위해 여러 소스를 설정할 수 있습니다. 각 소스는 이전에 정의 된 모든 유체 입자 종 또는 일부 유체 입자 종의 혼합을 가질 수 있습니다. 또한 사용자는 무작위 또는 균일한 입자 생성을 선택하고 입자가 소스에서 방출되는 속도를 정의 할 수 있습니다.

Laser Metal Deposition

레이저 금속 증착은 미세한 금속 분말을 함께 융합하여 3차원 금속 부품을 제작하는 3D printing 공정입니다. 레이저 금속 증착은 항공 우주 및 의료 정형 외과 분야에서 다양한 응용 분야에 적용됩니다. 레이저 금속 증착의 개략도는 아래와 같습니다. 전력 강도 분포, 기판의 이동 속도, 차폐 가스 압력 및 용융/응고, 상 변화 및 열전달과 같은 물리적 제어와 같은 제어 매개 변수가 함께 작동하여 레이저 금속 증착을 효과적인 적층 제조 공정으로 만듭니다.

Setting Up Laser Metal Deposition

새로운 유체 입자 모델은 분말 강도 분포를 할당하고 용융 풀 내부 및 주변에서 발생하는 복잡한 입자 – 기판 상호 작용을 포착하기 때문에 레이저 금속 증착 시뮬레이션을 설정하는 데 없어서는 안될 부분입니다.

일반 사용자들은 FLOW-3D에서 시뮬레이션을 쉽게 설정할 수 있다는 것을 알고 있습니다. 레이저 금속 증착 설정의 경우에도 다른 점은 없습니다. IN-718의 물리적 특성, 형상 생성, 입자 분말 강도 분포, 메쉬 생성 및 시뮬레이션 실행과 같은 모든 설정 단계가 간단하고 사용자 친화적입니다.

IN-718의 물성은 기판과 응고된 유체 입자 모두에 사용됩니다. 40 미크론 유체 입자가 무작위 방식으로 초당 500,000의 속도로 입자 영역에서 계산 영역으로 주입됩니다. 입자 빔은 기판의 운동 방향이 변화 될 때마다 순간적으로 정지되어 용융 풀이 급격한 속도 변화에 적응하도록 합니다.

이렇게 하면 기판에서 입자가 반사되는 것을 방지 할 수 있습니다. 기판이 5초마다 회전하기 때문에 입자 생성 속도는 아래 그림과 같이 5 초마다 0으로 떨어집니다. 기판 이동 자체는 표 형식의 속도 데이터를 사용하여 FLOW-3D에 지정됩니다. 입자는 응고된 유체 입자로 주입되어 고온의 용융 풀에 부딪혀 녹아 용융 풀 유체의 일부가 됩니다.


Substrate velocity

입자 모델 외에도 FLOW-3D의 밀도 평가, 열 전달, 표면 장력, 응고 및 점도 모델이 사용됩니다. 보다 구체적으로, 온도에 따른 표면 장력은 증착된 층의 형태에 큰 영향을 주는 Marangoni 효과를 일으킵니다.

레이저를 복제하기 위해 100 % 다공성 구성 요소가 있는 매우 기본적인 설정이 열원으로 사용됩니다. 100 % 다공성은 구성 요소 주변의 유동 역학에 영향을 미치지 않습니다. 오히려 그것은 특정 영역의 기판에 열을 효과적으로 추가합니다. 이 예비 가열 메커니즘을 자회사인 Flow Science Japan이 개발한 고급 레이저 모듈로 교체하는 작업이 현재 본격적으로 진행 중입니다. 가열 다공성 구성 요소는 각각의 층이 동일한 양의 열을 얻도록 각 층이 증착된 후에 약간 위로 이동됩니다.

Results and discussion

아래 애니메이션은 다중 층 증착을 이용한 레이저 금속 증착 공정을 보여줍니다. 기판이 방향을 변경할 때마다 입자 빔 모션이 일시적으로 중지됩니다. 또한 층이 증착됨에 따라 다공성 열원에서 각 층에 불균등 한 열이 추가되어 새로운 층의 모양이 변경됩니다.  각 층을 증착 한 후에 열원을 위로 이동해야 하는 양을 측정하는 것은 현재의 기능에서는 어렵습니다. 다만  준비중인 Flow Science Japan의 레이저 모듈은 이 문제를 해결할 수 있습니다.

전반적으로 입자 모델은 레이저 금속 증착에서 매우 중요한 공정 매개 변수인 분말 강도 분포를 정확하게 재현합니다. 입자 모델에 대한 이러한 수준의 제어 및 정교함은 적층 제조 분야의 사용자와 공급자 모두가 제조 공정을 미세 조정하는 데 도움이 될 것으로 기대합니다.

CFD가 레이저 용접을 만나면 : 불꽃이 어떻게 날아갑니까?

Pareekshith Allu Senior CFD Engineer | Additive Manufacturing | Laser Welding | Business Development

When CFD meets laser welding: How sparks fly!

CFD 또는 전산 유체 역학은 수치적 방법을 사용하여 유체 흐름을 연구하는 것입니다. 유체 흐름의 기본 방정식에는 솔루션 해가 없으므로 컴퓨터를 사용하여 방정식을 반복적으로 계산하는 수치해석 방법으로 해결합니다. 일반적으로 CFD 도구는 공기 역학, 엔진 연소, 물 및 환경 흐름, 미세 유체 및 제조 공정에서 광범위한 연구 및 엔지니어링 문제에 적용될 수 있습니다. CFD가 개발에 중요한 역할을 한 기술을 매일 접할 가능성이 있습니다. FLOW-3D 소프트웨어 제품 제조업체인 Flow Science Inc.에서는 자유 표면 흐름 문제 라고하는 특수한 문제 해결에 중점을 둡니다 . 

자유 표면 흐름이란 무엇입니까? 밀도 차이가 큰 두 유체간에 인터페이스가 공유되는 분야는 자유 표면 흐름입니다. 예를 들어, 기체-액체 경계면이 제한되지 않고 시간에 따라 자유롭게 움직이고 변경할 수 있다는 점에서 강의 물과 주변 공기 사이에 자유 표면이 존재합니다. FLOW-3D 솔버의 기본 DNA 인 Volume of Fluid 또는 VoF 방법 은 자유 표면의 진화를 추적하는 강력한 계산 기술입니다. 우리는 지난 40 년 동안 이 문제에 거의 전적으로 집중했습니다.

자유 표면 흐름은 제조산업 분야에서도 널리 사용됩니다. 금속 주조에서는 용융 금속과 용융 금속이 채우는 금형 또는 다이의 공기 사이에 자유 표면이 존재합니다. L-PBF ( Laser Powder Bed fusion) 라고하는 적층 제조 공정에서 레이저를 사용하여 분말 입자를 녹이고 융합하여 공정에서 자유 표면 용융 풀을 만듭니다. 그리고 레이저 용접에서는 레이저 빔에 의해 녹아서 두 개의 금속 부품 / 부품을 함께 융합 할 때 형성되는 자유 표면 용융 풀이 있습니다. 

이 게시물에서는 레이저 용접 공정에 대한 CFD 시뮬레이션이 유용한 이유를 설명합니다.

레이저 기술은 지난 몇 년 동안 상당히 발전했으며 이제 다른 레이저 제조업체는 다양한 파장에서 펄싱 기능이 있는 고출력 레이저를 제공 할 수 있습니다. 레이저와 로봇 자동화 시스템, 컨트롤러 및 프로세스 센서의 통합은 다양한 제조 산업에서 사용을 확대하여 열 입력이 적고 열 영향 영역이 더 작은 레이저 용접 조인트를 가능하게합니다. 

레이저-재료 상호 작용은 복잡하며이를 정확하게 모델링하려면 이러한 시간적 및 공간적 규모와 관련된 물리학을 구현해야합니다. 레이저 열원은 표면에 에너지를 축적하여 기판을 녹이고 용융 금속 풀을 만듭니다. 용융 풀은 전력, 속도 및 스캔 경로와 같은 레이저 가공 매개 변수와 용융 풀의 자유 표면에 동적 증기압을 적용하는 차폐 가스의 영향을 더 많이받습니다. 또한 용접되는 기판의 재료 특성이 중요한 역할을합니다. 용융된 풀의 상 변화와 증발은 용융 풀을 더욱 압박하는 반동 압력을 유발할 수있는 반면 표면 장력은 풀 내의 유체 대류에 영향을줍니다. 키홀 링이있는 경우 레이저 광선이 키홀 내에 갇혀 추가 반사 영향을 받을 수 있습니다. 기판에 더 많은 에너지를 전달합니다. 불안정한 키홀이 붕괴되면 갇힌 공극이 진행되는 응고 경계에 의해 포착되는 다공성 형성으로 이어질 수 있습니다. 

분명히 많은 일이 진행되고 있습니다. 이것이 CFD 시뮬레이션이 강력 할 수있는 곳이며 FLOW-3D WELD를 개발할 때 레이저-재료 상호 작용을 이해하는 데 많은 노력을 기울이는 이유입니다. 자유 표면 추적 및 레이저 에너지 증착, 차폐 가스 역학, 상 변화, 반동 압력, 표면 장력, 레이저 광선 추적 및 응고와 함께 유체 및 열 흐름 방정식을 통합하는 물리 기반 모델은 레이저의 복잡한 상호 작용을 캡처하는 데 매우 정확합니다. 용접과정을 해석하는 기능은 용융 풀의 안정성에 대한 다양한 공정 매개 변수의 영향을 분리하고 엔지니어와 연구원이 용접 일정을 최적화하는 데 도움이 될 수 있습니다.

CFD 시뮬레이션은 레이저 용접 프로세스를 분석하고 개선하는데 도움이되는 프레임 워크를 제공 할 수 있습니다. 불안정한 용융 풀은 키홀 유발 다공성, 파열 및 스패 터와 같은 결함을 초래할 수 있기 때문에 용융 풀의 작동 방식을 이해하는 것은 조인트의 품질에 매우 중요합니다. 그 후, FLOW-3D WELD 모델의 출력인 응고된 용융 풀 데이터 및 열 구배와 같은 결과를 미세 구조 또는 유한 요소 분석 모델에 입력하여 각각 결정 성장 및 열 응력 진화를위한 길을 닦을 수 있습니다.

이 게시물이 CFD를 사용하여 레이저 용접 프로세스를 시뮬레이션하는 이점을 이해하는데 도움이 되기를 바랍니다.

레이저 용접 공정을 더 잘 이해하기 위해 CFD 시뮬레이션 적용을 고려해 보셨습니까? 어떤 특징 / 물리 현상이 모델링되기를 원하십니까? 질문과 의견이 있으면 언제든지 flow3d@stikorea.co.kr 또는 미국 본사의 paree.allu@flow3d.com에게 연락하십시오.

FLOW-3D 분말 소결 적층 조형 프로세스 해석

FLOW-3D 분말 소결 적층 조형 프로세스 해석

FLOW-3D DEM

FLOW-3D@ DEM을 이용하여 분말 적층 공정(파우더 베드 방식) 해석이 가능합니다. 여기에서는 재질: Ni 합금 (Inconel 718), 적층 피치 60μm 정도를 실시한 사례입니다. 지름 20um의 입자를 기준으로 지정하고, 자유낙하에 의해 베드를 형성합니다. 입자는 높이 방향으로 3개 정도로 적층되었습니다. 일정한 입경(case 1)에 미세한 입자를 섞은 것(case2)은 충전율이 높아졌습니다. 한편 굵은 입자를 지정한 케이스(case3)는 충전율이 나빠지는 결과를 확인할 수 있었습니다.

FLOW-3D DEM을 이용한 분말적층공정
FLOW-3D DEM을 이용한 분말적층공정

FLOW-3D WELD 용융지 형성 후 다시 응고되어 가는 모습 확인

FLOW-3D@ DEM에서 얻은 입자 배드에 레이저를 조사하여 용융 해석을 실시한 사례입니다. FLOW-3D@ WELD에서는 레이저에 의한 에너지 밀도 분포를 부여하여 열, 유동 해석을 실시합니다. 용융지가 형성되었다가 다시 응고되어 가는 모습을 확인할 수 있습니다.

입자 충전율이 높은 경우(case2)에서는 용융지가 비교적 직선으로 늘어나지만 충전율이 낮은 경우에 구불구불한 형태로 용융지가 형성되었습니다. 입자가 형성되는 표면 형상, 틈새가 비드 형성에 영향을 준다는 것을 알 수 있습니다.

FLOW-3D WELD 온도  Contour Map
FLOW-3D WELD 온도 Contour Map

F.SAI를 이용한 열응력 해석

FEM mesh 데이터와 FLOW-3D@ 결과 파일에서 구조 인터페이스 F.SAI를 이용하여 온도 데이터를 추출합니다.

여기에서는 case2의 결과를 이용하여 온도 데이터를 추출하여 얻을 수 있고, 온도 데이터를 하중 데이터로 하여 각종 구조해석 소프트웨어에서 열응력 해석을 실시했습니다.

오른쪽 그림에 NX Nastran, MSC Nastran, Marc의 결과를 보여 줍니다. 수축에 의한 응력의 발생과 변위의 모습을 확인할 수 있습니다.

FEM 메시  데이터와 FLOW-3D결과 파일에서 구조 인터페이스를 통한 열응력해석
FEM 메시 데이터와 FLOW-3D결과 파일에서 구조 인터페이스를 통한 열응력해석

분말 베드 용융 결합의 Mesoscopic 열 유동해석

분말 베드 용융 결합의 Mesoscopic 열 유동해석

자료 제공: 오하이오 주립대학교
자료 제공: FLOW Science Japan

오하이오 주립대학의 YS Lee W.Zhang 등에 의한 Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing는 FLOW-3D를 이용하여 금속 분말층의 레이저에 의한 용융 결합 (L-PBF)을 분석하고 있습니다. 논문에서는 DEM으로 생성한 임의의 분말층을 분석 대상으로 하고, FSJ 에서 개발한 FLOW-3D WELD(레이저 용접 모듈) 모듈을 이용하여 균일한 분말을 바닥에 분사한 후 그 결과를 비교했습니다.

Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing
Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing 해석 모델
Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing 해석 결과
Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing 해석 결과

위 사례를 통해 열전도나 용융금속의 거동, 용접속도의 차이에 의한 영향 등, 같은 분말 베드에서도 정상적인 해석이 가능한 것을 알 수 있습니다.

온도분포등의 결과의 차이는 분말층의 차이로 발생될 수 있으며, 향후, FLOW-3D@ DEM(FSJ 개별요소법 모듈)을 이용한 분말층 생성기능도 개발 예정입니다.

레이저 Soldering의 용융지 형성에 미치는 유체 대류의 영향

레이저 Soldering의 용융지 형성에 미치는 유체 대류의 영향

자료 제공: 오하이오 주립대학교
자료 제공: FLOW Science Japan

Laser Soldering
Laser Soldering

레이저 Soldering에서는 금속 분말은 레이저 빔 주위에 고리 모양으로 배치된 여러 종류의 분말 공급노즐을 통해 불활성 캐리어 가스 중으로 분사됩니다. 용융지의 형상은 표면장력으로 유도되는 말랑고니 대류 패턴의 영향을 크게 받는 것으로 알려져 있습니다. 따라서 용융지 내의 유체 흐름을 정밀하게 예측하기 위해서 FOW-3D@ WELD를 이용한 레이저 Soldering 프로세스를 개략화하여 시뮬레이션 할 수 있습니다.

해석과 시뮬레이션 비교1
해석과 시뮬레이션 비교1
해석과 시뮬레이션 비교2

다른 레이저 출력의 예측된 용접폭, 높이 및 용융지의 깊이는 실험 결과 실험 측정값과 동등한 결과를 얻을 수 있는 것을 확인할 수 있습니다. 용융지의 열유동에 의해 가장 깊은 용융 영역은 마랑고니 대류에 의해 유도된 2개의 마주보는 표면 흐름의 충돌로 인해 형성되는 것을 확인할 수 있습니다.

Advances in Magnetohydrodynamic Liquid Metal Jet Printing

Advances in Magnetohydrodynamic Liquid Metal Jet Printing

Scott Vader1, Zachary Vader1, Ioannis H. Karampelas2 and Edward P. Furlani2, 3
1Vader Systems, Buffalo, NY
2Dept. of Chemical and Biological Engineering, 3 Dept. of Electrical Engineering,
University at Buffalo SUNY, NY 14260, Office: (716) 645-1194, Fax: (716) 645-3822, efurlani@buffalo.edu

ABSTRACT

자기유체역학적 액체 금속 제트 프린팅

우리는 용해된 금속 방울을 3D 물체로 만드는 새로운 주문형 DOD(Drop-on-Demand) 인쇄 방법을 제안합니다. 이 접근 방식에서는 단단한 금속 와이어가 인쇄 헤드 내에서 용해된 다음 펄스 자기장에 노출됩니다.

적용된 필드가 챔버에 침투하여 액상 금속 내에 자기 유압(MHD) 기반 압력 펄스를 유도하여 금속 일부가 노즐 챔버를 통해 이동된 후 배출됩니다. 표면 장력은 분출된 금속 위에 작용하여 가해진 압력에 따라 초 당 수 미터 범위의 속도로 구형 방울을 형성합니다.

잠시 비행한 후 방울이 기질에 충돌하여 냉각되어 고체 덩어리를 형성합니다. 따라서 패턴이 있는 증착 및 드롭 방식의 고형화를 통해 3D 솔리드 구조를 인쇄할 수 있습니다.

현재 연구에서는 샘플 프린팅 구조와 함께 시제품 MHD 프린팅 시스템 개발에 대한 발전된 점을 제시합니다. 또한 드롭 생성을 관리하는 기본 물리학에 대해 논의하고 장치 성능을 예측하기 위한 새로운 컴퓨팅 모델을 소개합니다.

Computational model of magnetohydrodynamic-based drop generation
Computational model of magnetohydrodynamic-based drop generation (printhead reservoir and ejection chamber
not shown): (a) the magnetic field generated by a pulsed coil is shown

INTRODUCTION

주문형 드롭온 잉크젯 프린팅은 상업 및 소비자 이미지 재현을 위한 잘 확립된 방법입니다. 이 기술을 추진하는 원리와 동일한 원리가 기능 인쇄 및 적층 제조 분야에도 적용될 수 있습니다.

Early stage prototype of a single nozzle printhead
Early stage prototype of a single nozzle printhead

기존의 잉크젯 기술은 폴리머에서 살아있는 세포에 이르는 다양한 재료를 증착하고 패터링하여 다양한 기능성 매체, 조직 및 장치를 프린팅하는 데 사용되어 왔습니다. 현재 진행 중인 작업을 통해 잉크젯 인쇄를 3D 금속 부품으로 확장하려고 시도하고 있습니다.

현재, 대부분의 3D 금속 인쇄 애플리케이션은 고체 물체를 형성하기 위해 레이저(예: 선택적 레이저 소거 [1] 및 직접 금속 소거[2]) 또는 전자 빔(예: 전자 빔 용해 [3])과 같은 외부 유도 에너지원에 의해 소거 또는 녹는 퇴적 금속 분말을 포함합니다.

그러나 이러한 방법은 비용과 복잡성, 즉 3D 프린팅 공정에 앞서 금속을 분쇄해야 한다는 점에서 일정한 단점이 있을 수 있습니다.

이 프레젠테이션에서는 자기 유압 역학 원리를 기반으로 하는 금속 적층 제조의 근본적으로 다른 접근 방식을 제안합니다. 이 방법은 스풀링된 고체 금속 와이어를 인쇄 헤드에 공급하고 노즐에서 업스트림을 예열하여 노즐 챔버에 공급되는 액체 금속 저장소를 형성하는 것입니다. 챔버가 채워지면 액체 금속 내에서 과도 전류를 유도하는 펄스 자기장이 인가됩니다. 유도 전류가 인가된 필드에 결합되어 로렌츠 힘 밀도를 생성하여, 인가된 압력에 따라 속도가 달라지는 용융 금속 방울을 배출하는 작용을 하는 챔버 내의 유사 압력을 제공합니다.

방울은 냉각된 기질에 투영되어 고체 덩어리를 형성합니다. 3D 솔리드 구조를 패터닝으로 인쇄할 수 있습니다. 방울의 침적과 방울의 현명한 응고입니다. 이 유망한 신기술은 낮은 재료 비용, 높은 제조율 및 매력적인 재료 특성 때문에 적층 제조 애플리케이션에 광범위한 영향을 미칠 수 있습니다.

현재 작업에서는 새로운 3D 인쇄 시스템을 도입하고 기기 개발의 진보를 설명하고 샘플 인쇄 구조를 시연합니다. 또한 드롭 생성-배출 메커니즘에 대해 설명하고 인쇄 성능을 예측하기 위한 일련의 새로운 컴퓨팅 모델을 제시합니다.

자세한 내용은 본문을 참고하시기 바랍니다.

The realm of operations of FLOW-3D

ADDITIVE MANUFACTURING SIMULATIONS

Capabilities of FLOW-3D

FLOW-3D는 자유 표면 유체 흐름 시뮬레이션을 전문으로하는 다중 물리 CFD 소프트웨어입니다. 자유 표면의 동적 진화를 추적하는 소프트웨어의 알고리즘인 VOF (Volume of Fluid) 방법은 Flow Science의 설립자인 Tony Hirt 박사가 개척했습니다.

또한 FLOW-3D에는 금속 주조, 잉크젯 인쇄, 레이저 용접 및 적층 제조 (AM)와 같은 광범위한 응용 분야를 시뮬레이션하기위한 물리 모델이 내장되어 있습니다.
적층 제조 시뮬레이션 소프트웨어, 특히 L-PBF (레이저 파우더 베드 융합 공정)의 현상 유지는 열 왜곡, 잔류 응력 및지지 구조 생성과 같은 부분 규모 모델링에 도움이되는 열 기계 시뮬레이션에 초점을 맞추고 있습니다.

유용하지만 용융 풀 역학 및 볼링 및 다공성과 같은 관련 결함에 대한 정보는 일반적으로 이러한 접근 방식의 영역 밖에 있습니다. 용융 풀 내의 유체 흐름, 열 전달 및 표면 장력이 열 구배 및 냉각 속도에 영향을 미치며 이는 다시 미세 구조 진화에 영향을 미친다는 점을 명심하는 것도 중요합니다.

FLOW-3D와 이산 요소법 (DEM) 및 WELD 모듈을 사용하여 분말 및 용융 풀 규모에서 시뮬레이션 할 수 있습니다.
구현되는 관련 물리학에는 점성 흐름, 열 전달, 응고, 상 변화, 반동 압력, 차폐 가스 압력, 표면 장력, 움직이는 물체 및 분말 / 입자 역학이 포함됩니다. 이러한 접근 방식은 합금에 대한 공정을 성공적으로 개발할 수 있게 하고, AM 기계 제조업체와 AM 기술의 최종 사용자 모두에게 관심있는 미세 구조 진화에 대한 통찰력을 제공하는데 도움이 됩니다.

The realm of operations of FLOW-3D
The realm of operations of FLOW-3D

FLOW-3D는 레이저 분말 베드 융합 (L-PBF), 직접 에너지 증착 (DED) 및 바인더 제트 공정으로 확장되는 기능을 가지고 있습니다.
FLOW-3D를 사용하면 분말 확산 및 패킹, 레이저 / 입자 상호 작용, 용융 풀 역학, 표면 형태 및 후속 미세 구조 진화를 정확하게 시뮬레이션 할 수 있습니다. 이러한 기능은 FLOW-3D에 고유하며 계산 효율성이 높은 방식으로 달성됩니다.

예를 들어 1.0mm x 0.4mm x 0.3mm 크기의 계산 영역에서 레이저 빔의 단일 트랙을 시뮬레이션하기 위해 레이저 용융 모델은 단 8 개의 물리적 코어에서 약 2 시간이 걸립니다.
FLOW-3D는 모든 관련 물리 구현 간의 격차를 해소하는 동시에 업계 및 연구 표준에서 허용하는 시간 프레임으로 결과를 생성합니다. 분말 패킹, 롤러를 통한 파워 확산, 분말의 레이저 용융, 용융 풀 형성 및 응고를 고려하고 다층 분말 베드 융합 공정을 위해 이러한 단계를 순차적으로 반복하여 FLOW-3D에서 전체 AM 공정을 시뮬레이션 할 수 있습니다.

FLOW-3D의 다층 시뮬레이션은 이전에 응고된 층의 열 이력을 저장한다는 점에서 독특하며, 열 전달을 고려하여 이전에 응고된 층에 확산된 새로운 분말 입자 세트에 대해 시뮬레이션이 수행됩니다.
또한, 응고 된 베드의 열 왜곡 및 잔류 응력은 FLOW-3D를 사용하여 평가할 수 있으며, 보다 복잡한 분석을 수행하기 위해 FLOW-3D의 압력 및 온도 데이터를 Abaqus 및 MSC Nastran과 같은 FEA 소프트웨어로 내보낼 수 있습니다.

Sequence of a multi-layer L-PBF simulation setup in FLOW-3D

Ease of Use

FLOW-3D는 다양한 응용 분야에서 거의 40 년 동안 사용되어 왔습니다. 사용자 피드백을 기반으로 UI 개발자는 소프트웨어를 사용하기 매우 직관적으로 만들었으며 새로운 사용자는 시뮬레이션 설정의 순서를 거의 또는 전혀 어려움없이 이해합니다.
사용자는 FLOW3D에서 구현 된 다양한 모델의 이론에 정통하며 새로운 실험을 설계 할 수 있습니다. 실습 튜토리얼, 비디오 강의, 예제 시뮬레이션 및 기술 노트의 저장소도 사용할 수 있습니다.
사용자가 특정 수준의 경험에 도달하면 고급 수치 교육 및 소프트웨어 사용자 지정 교육을 사용할 수 있습니다.

Available Literature

실험 데이터에 대해 FLOW-3D 모델을 검증하는 몇 가지 독립적으로 발표된 연구가 있습니다. 여기에서 수록된 저널 논문은 레이저 용접 및 적층 제조 공정으로 제한됩니다. 더 많은 참조는 당사 웹 사이트에서 확인할 수 있습니다.

Laser Welding

  1. L.J.Zhang, J.X.Zhang, A.Gumenyuk, M.Rethmeier, S.J.Na, Numerical simulation of full penetration laser welding of thick steel plate with high power high brightness laser, Journal of Materials Processing Technology, Volume 214, Issue 8, 2014.
    A study by researchers from BAM in Germany, KAIST in Korea, and State Key Laboratory of Mechanical Behavior of Materials in China that focuses on keyhole dynamics and full penetration laser welding of steel plates.
  2. Runqi Lin, Hui-ping Wang, Fenggui Lu, Joshua Solomon, Blair E.
    Carlson, Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys, International Journal of Heat and Mass Transfer, Volume 108, Part A, 2017.
    General Motors (GM) and Shangai University collaborated on a study on the influence of welding speed and weld angle of inclination on porosity occurrence in laser keyhole welding.
  3. Koji Tsukimoto, Masashi Kitamura, Shuji Tanigawa, Sachio Shimohata, and Masahiko Mega, Laser Welding Repair for Single Crystal Blades, International Gas Turbine Congress, Tokyo, 2015.
    Mitsubishi Heavy Industry’s study on laser welding repair using laser cladding for single Ni crystal alloys used in gas turbine blades.

Additive Manufacturing

  1. Yu-Che Wu, Cheng-Hung San, Chih-Hsiang Chang, Huey-Jiuan Lin, Raed Marwan, Shuhei Baba, Weng-Sing Hwang, Numerical modeling of melt-pool behavior in selective laser melting with random powder distribution and experimental validation, Journal of Materials Processing Technology, Volume 254, 2018
    This paper discusses powder bed compaction with random packing for different powder-size distributions, and the importance of considering evaporation effects in the melting process to validate the melt pool dimensions.
  2. Lee, Y.S., and W.Zhang, Mesoscopic simulation of heat transfer and fluid flow in laser powder bed additive manufacturing, Proceedings of the Annual International Solid Freeform Fabrication Symposium, Austin, TX, USA. 2015
    A study conducted by Ohio State University researchers to understand the influence of process parameters in formation of balling defects.
  3. Y.S. Lee, W.Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, Additive Manufacturing, Volume 12, Part B, 2016
    A study conducted by Ohio State University researchers to understand the influence of solidification parameters, calculated from the temperature fields, on solidification morphology and grain size using existing theoretical models in laser powder bed fusion processes.

 

 

3D 프린팅 시뮬레이션 기술 자료 모음

본 자료에서는 분말 또는 와이어를 층별로 적층 제조하는 3D프린팅 과정에 대해 3차원 수치해석 시뮬레이션이 가능한 FLOW-3D 제품과 기술에 관련된 자료를 찾아볼 수 있습니다. FLOW-3D는 주요 금속 적층 제조 공정인 파우더 베드 융접(PBF), 직접 에너지 증착(DED) 및 바인더 분사 공정에 대해 FLOW-3D는 높은 정확도의 시뮬레이션 기능을 제공합니다.

현재 3D 프린팅 및 레이저 용접 시뮬레이션에 FLOW-3D를 사용하고 있는 기관들은 포항공대, KAIST, 부산대학교, 성균관대학교 등 국내 여러 대학들과 한국생산기술연구원, 한국기계연구원, LG전자, 현재조선해양(현대중공업) 등 많은 기관에서 연구개발에 사용되고 있습니다.

FLOW-3D는 자유수면(VOF), 상변화, 열전달 등 여러 면에서 탁월한 정확도를 가지고 있는 제품으로 특히 국내외 적층 제조 분야에서 독보적인 위치를 차지하고 있습니다.
아래에 3D 프린팅 관련 기술을 연구 개발하는데 참고가 될 만한 관련 자료 및 링크를 제공합니다.

  1. Weld
  2. Additive Manufacturing
  3. DEM(Discrete Element Method)

Powder Based Laser Metal Deposition (LMD)

분말 기반 레이저 금속 증착

  • 복잡한 형상이면서 기능성 재료를 제작하는데 적합
  • 다양한 분말을 사전 혼합하여 맞춤형 합금을 만들 수 있음
  • 부품의 높은 치수 정확도가 가능
  • 시뮬레이션은 분말 분사 속도 및 레이저 매개 변수의 공정 최적화를 도움

FLOW-3D를 이용한 분말 기반 레이저 금속 증착 시뮬레이션


금속 3D 프린팅 파우더 베드 해석(PBF해석)

Laser Powder Bed Additive Manufacturing

Heat transfer and fluid flow modeling

레이저 파우더 베드 퓨전 (L-PBF) 첨가제 제조에는 복잡한 물리적 공정이 필요합니다. 특히, 흡수 된 레이저 빔 에너지는 입자를 녹여 강한 유체 흐름이 표면 장력 기울기 (또는 Marangoni 전단 응력)에 의해 주로 발생하는 용융 풀을 형성합니다. 열 전달 및 유체 유동은 분말 베드 내의 분말 입자의 국부적 배열에 의해 영향을 받으며, 이는 위치에 따라 다를 수 있습니다. 매우 일시적인 유체 흐름으로 인해 용융 된 풀 표면 (자유 표면)의 형상이 끊임없이 진화하여 최종 표면 품질에 영향을 미칩니다.

Numerical modeling approach

본 연구에서는 분말 포장 특성, 공정 변수 및 용융 풀 역학이 표면 품질에 미치는 영향을 정량적으로 이해하기 위해 두 가지 모델을 순서대로 사용합니다. 첫 번째 모델은 오픈 소스 이산 요소 방법 (DEM) 코드 인 Yade를 기반으로 개발 된 분말 입자 포장 모델입니다. 입자 적층 정보 (예를 들어, 개별 입자의 위치 및 반경)를 제공한다. 이러한 정보는 FLOW-3D를 기반으로 한 3D 과도 용융 풀 모델 인 두 번째 모델에 입력됩니다. 두 모델의 세부 사항은 문헌 [1]에 나와있다. FLOW-3D를 기반으로 한 용융 풀 모델의 특징을 요약하면 다음과 같습니다.

과도 유체 흐름 시뮬레이션은 그림 1에서와 같이 1000 μm (길이), 270 μm (너비) 및 190 μm (높이) 치수의 3D 계산 영역에서 수행됩니다. 도메인은 50 μm 두께의 층 의 분말 입자를 90㎛ 두께의 기판 위에 놓았다. 도메인의 미리 알림은 처음에는 무효로 채워집니다. 분말 층 형상은 DEM 시뮬레이션의 결과를 사용하여 초기화됩니다. 총 셀 수를 줄이면서 공간 분해능을 극대화하기 위해 메쉬 크기가 기판 / 파우더 레이어 인터페이스를 향하여 기판에서 9 μm에서 3 μm까지 연속적으로 감소하는 편향 메쉬가 사용됩니다. 메쉬 크기는 파우더 레이어와 그 위의 빈 공간에서 3 μm로 일정하게 유지됩니다. 총 셀 수는 143 만입니다.

경계 조건의 경우, 가우시안 분포에 기초한 소정의 열유속이 분말 층의 상부 표면에 부과되어 X 방향을 따라 이동하는 레이저로부터의 열 입력을 나타낸다. 온도에 따른 표면 장력은 FLOW-3D에서 사용 가능한 개선 된 표면 장력 모델을 사용하여 포함됩니다. 다른 열 – 물리적 특성의 경우, FLOW-3D 데이터베이스에서 사용 가능한 IN718 합금에 대한 데이터가 사용됩니다.

Result and discussion

그림 2는 시간 = 55 μs에서 용융 풀 내의 온도 등면 및 속도 벡터의 종단면도 (즉, 레이저 이동 방향에 평행 한 단면)를 도시한다. 용융 된 풀 경계는 1608.15 K에서 등온선으로 표시되며, IN718의 액상 선 온도입니다. 이 그림의 오른쪽에 표시된 것처럼 입자는 부분적으로 용융 풀로 용융됩니다. 용융 된 풀 표면 근처에서, 용융 금속은 레이저 빔 바로 밑의 중심 위치에서 풀의 후단으로 당겨진다. 풀 표면 근처의 용융 금속의 이와 같은 역류는 풀의 후단을 향해 고비를 형성하는 동안 레이저 빔 아래에서 움푹 들어간 표면 프로파일을 생성한다. 다음에서 논의되는 바와 같이, 혹 모양은 볼 결함의 형성을 초래할 수 있습니다.

볼링(balling)은 그림 3에서와 같이 용융 풀이 불연속으로 분리되어 분리 된 섬으로 갈라질 때 발생할 수있는 결함입니다.이 그림에서 알 수 있듯이 레이저 빔 바로 아래의 용융 풀은 안정적이지 않으며 후단이 빠르게 분리됩니다 정면에서 분리 된 섬을 형성합니다. 분리는 그림 3 (c)와 같이 용융 풀의 중간에있는 보이드에서 시작된다. 이 공극은 레이저가 앞으로 계속 이동하면서 팽창하여 결국 용융 된 풀을 두 부분으로 나눕니다. 도 3 (e) 및 (f). 공극의 형성과 그 팽창은 표면 장력 구배 (Marangoni 효과)에 의해 강한 후진 유동에 의해 유발됩니다.

Summary

L-PBF에서의 열 전달 및 유체 흐름의 3D 과도 시뮬레이션은 볼 결함의 형성을 정량적으로 이해하기 위해 수행됩니다. 단순한 선형 트랙 만 시뮬레이션되었지만, 본 모델은 최종 빌드 품질의 중요한 속성 인 용융 풀 표면 프로파일 및 볼링 결함 형성을 연구 할 때 분말 레벨 시뮬레이션의 중요성을 보여줍니다.

뿐만 아니라 위의 금속 분말 소결 시뮬레이션은 금속 3D 프린팅(Metal 3D Printing) 산업의 핵심 기술이며 차후 많은 연구와 응용이 기대되는 분야가 될 것입니다.

Acknowledgements

이 자료는 수상 번호 N00014-14-1-0688하에 미해군 연구소(ONR)가 지원하는 연구과제에 기초로 작성되었습니다.

References

[1] Y.S. Lee and W. Zhang, Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufacturing, In: 2015 Annual International Solid Freeform Fabrication Symposium, Austin, TX, pp. 1154-1165, August 2015.

Laser Metal Deposition and Fluid Particles

FLOW-3D의 신규 모듈 개발을 하면서, 입자 모델의 새로운 입자 부류 중 하나인 유체 입자의 기능에 초점을 맞출 것입니다. 유체 입자는 증발 및 응고를 포함하여 유체 속성을 본질적으로 부여합니다. 유체 입자가 비교적 간단한 강우 모델링에서 복잡한 레이저 증착(용접) 모델링에 이르기까지 다양한 사례가 있을 수 있습니다.

Fluid Particles

FLOW-3D에서 유체 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도의 다양한 유체 입자 종을 설정할 수 있습니다. 또한 유체 입자의 동력학은 확산 계수, 항력 계수, 난류 슈미트 수, 반발 계수 및 응고 된 반발 계수와 같은 특성에 의해 제어 될 수 있습니다. 유체 입자는 열적 및 전기적 특성을 부여 받을 수도 있습니다.

사용자는 유체 입자 생성을 위해 여러 소스를 설정할 수 있습니다. 각 소스는 이전에 정의 된 모든 유체 입자 종 또는 일부 유체 입자 종의 혼합을 가질 수 있습니다. 또한 사용자는 무작위 또는 균일 한 파티클 생성을 선택하고 파티클이 소스에서 추출되는 속도를 정의 할 수 있습니다.

Laser Metal Deposition

레이저 금속 증착은 함께 미세한 금속 분말을 융합하여 입체 금속 부품을 제작하는 3D printing 공정이다. 레이저 금속 증착는 항공 우주 및 의료 정형 외과 분야에서 다양한 응용 프로그램을 찾습니다. 레이저 금속 증착의 개략도는 아래와 같습니다. 전력 밀도 분포, 기판의 이동 속도, 차폐 가스 압력 및 용융 / 응고, 상 변화 및 열전달과 같은 물리적 제어와 같은 제어 매개 변수가 함께 작동하여 레이저 금속 증착을 효과적인 첨가제 제조 공정으로 만듭니다.

 

Setting Up Laser Metal Deposition

새로운 유체 입자 모델은 분말 강도 분포를 할당하고 용융 풀 주변에서 발생하는 복잡한 입자 – 기판 상호 작용을 포착하기 때문에 레이저 금속 증착 시뮬레이션을 설정하는 데 없어서는 안될 부분입니다.

일반의 사용자들은 FLOW-3D에서 시뮬레이션을 쉽게 설정할 수 있다는 점을 계속 알고 있을 것입니다. 레이저 금속 증착 설정의 경우에도 다른 점은 없습니다. IN-718의 물리적 특성, 형상 생성, 입자 분말 강도 분포, 메쉬 생성 및 시뮬레이션 실행과 같은 모든 설정 단계는 직접적이고 사용자 친화적입니다.

IN-718의 물성은 기판과 응고 된 유체 입자 모두에 사용됩니다. 40 미크론 유체 입자가 무작위 방식으로 초당 500,000의 속도로 입자 영역에서 계산 영역으로 주입됩니다. 입자 빔은 기판의 운동 방향이 변화 될 때마다 순간적으로 정지되어 용융 풀이 급격한 속도 변화에 적응하도록 합니다. 이렇게 하면 기판에서 입자가 반사되는 것을 방지 할 수 있습니다. 매 5 초마다 기판이 회전하기 때문에 입자 생성 속도는 아래 그림과 같이 5 초마다 0으로 떨어집니다. 기판 이동 자체는 표 형식의 속도 데이터를 사용하여 FLOW-3D에 지정됩니다. 입자는 응고 된 유체 입자로 주입되어 고온의 용융 풀에 부딪혀 녹아 용융 풀 유체의 일부가 됩니다.


Substrate velocity

입자 모델 외에도 FLOW-3D의 밀도 평가, 열 전달, 표면 장력, 응고 및 점도 모델이 사용됩니다. 보다 구체적으로, 온도에 따른 표면 장력은 증착 된 층의 형태에 큰 영향을주는 Marangoni 효과를 일으킵니다.

레이저를 복제하기 위해 100 % 다공성 구성 요소가있는 매우 기본적인 설정이 열원으로 사용됩니다. 100 % 다공성은 구성 요소 주변의 유동 역학에 영향을 미치지 않습니다. 오히려 그것은 특정 영역의 기판에 열을 효과적으로 부가한다. 이 예비 가열 메커니즘을 자회사인 Flow Science Japan이 개발 한 고급 레이저 모듈로 교체하는 작업이 현재 본격적으로 진행 중입니다. 가열 다공성 구성 요소는 각각의 층이 동일한 양의 열을 얻도록 각 층이 증착 된 후에 약간 위로 이동됩니다.

Results and discussion

아래 애니메이션은 다중 층 증착을 이용한 레이저 금속 증착 공정을 보여줍니다. 기판이 방향을 바꿀 때마다 입자 빔 동작의 일시적인 정지를 확인하십시오. 또한, 층이 증착됨에 따라, 새로운 층의 형상은 다공성 열원으로부터 각 층에 열의 불균등 한 첨가로 인해 변화됩니다. 각 층을 증착 한 후에 열원을 위로 이동해야 하는 양을 측정하는 것은 현재의 기능에서는 어렵습니다. 다만  준비중인 Flow Science Japan의 레이저 모듈은 이 문제를 해결할 수 있습니다.

전반적으로 입자 모델은 레이저 금속 증착에서 매우 중요한 공정 매개 변수 인 분말 강도 분포를 정확하게 재현합니다. 입자 모델과 같은 수준의 제어와 정교함은 첨가제 제조 분야의 사용자와 공급자 모두가 제조 프로세스를 미세 조정하는 데 도움이 될 것으로 기대합니다.

금속 3D 프린팅 파우더 베드 수치해석

Laser Powder Bed Additive Manufacturing

 

Heat transfer and fluid flow modeling

레이저 파우더 베드 퓨전 (L-PBF) 첨가제 제조에는 복잡한 물리적 공정이 필요합니다. 특히, 흡수 된 레이저 빔 에너지는 입자를 녹여 강한 유체 흐름이 표면 장력 기울기 (또는 Marangoni 전단 응력)에 의해 주로 발생하는 용융 풀을 형성합니다. 열 전달 및 유체 유동은 분말 베드 내의 분말 입자의 국부적 배열에 의해 영향을 받으며, 이는 위치에 따라 다를 수 있습니다. 매우 일시적인 유체 흐름으로 인해 용융 된 풀 표면 (자유 표면)의 형상이 끊임없이 진화하여 최종 표면 품질에 영향을 미칩니다.

Numerical modeling approach

본 연구에서는 분말 포장 특성, 공정 변수 및 용융 풀 역학이 표면 품질에 미치는 영향을 정량적으로 이해하기 위해 두 가지 모델을 순서대로 사용합니다. 첫 번째 모델은 오픈 소스 이산 요소 방법 (DEM) 코드 인 Yade를 기반으로 개발 된 분말 입자 포장 모델입니다. 입자 적층 정보 (예를 들어, 개별 입자의 위치 및 반경)를 제공한다. 이러한 정보는 FLOW-3D를 기반으로 한 3D 과도 용융 풀 모델 인 두 번째 모델에 입력됩니다. 두 모델의 세부 사항은 문헌 [1]에 나와있다. FLOW-3D를 기반으로 한 용융 풀 모델의 특징을 요약하면 다음과 같습니다.

과도 유체 흐름 시뮬레이션은 그림 1에서와 같이 1000 μm (길이), 270 μm (너비) 및 190 μm (높이) 치수의 3D 계산 영역에서 수행됩니다. 도메인은 50 μm 두께의 층 의 분말 입자를 90㎛ 두께의 기판 위에 놓았다. 도메인의 미리 알림은 처음에는 무효로 채워집니다. 분말 층 형상은 DEM 시뮬레이션의 결과를 사용하여 초기화됩니다. 총 셀 수를 줄이면서 공간 분해능을 극대화하기 위해 메쉬 크기가 기판 / 파우더 레이어 인터페이스를 향하여 기판에서 9 μm에서 3 μm까지 연속적으로 감소하는 편향 메쉬가 사용됩니다. 메쉬 크기는 파우더 레이어와 그 위의 빈 공간에서 3 μm로 일정하게 유지됩니다. 총 셀 수는 143 만입니다.

경계 조건의 경우, 가우시안 분포에 기초한 소정의 열유속이 분말 층의 상부 표면에 부과되어 X 방향을 따라 이동하는 레이저로부터의 열 입력을 나타낸다. 온도에 따른 표면 장력은 FLOW-3D에서 사용 가능한 개선 된 표면 장력 모델을 사용하여 포함됩니다. 다른 열 – 물리적 특성의 경우, FLOW-3D 데이터베이스에서 사용 가능한 IN718 합금에 대한 데이터가 사용됩니다.

약 600 마이크로 초 길이의 L-PBF의 과도 시뮬레이션은 약 40 시간의 클럭 시간이 소요되었으며 인텔 ® 제온 ® 프로세서 E5335 및 4GB RAM의 중간 정도급의 워크 스테이션에서 수행되었습니다.

Result and discussion

그림 2는 시간 = 55 μs에서 용융 풀 내의 온도 등면 및 속도 벡터의 종단면도 (즉, 레이저 이동 방향에 평행 한 단면)를 도시한다. 용융 된 풀 경계는 1608.15 K에서 등온선으로 표시되며, IN718의 액상 선 온도입니다. 이 그림의 오른쪽에 표시된 것처럼 입자는 부분적으로 용융 풀로 용융됩니다. 용융 된 풀 표면 근처에서, 용융 금속은 레이저 빔 바로 밑의 중심 위치에서 풀의 후단으로 당겨진다. 풀 표면 근처의 용융 금속의 이와 같은 역류는 풀의 후단을 향해 고비를 형성하는 동안 레이저 빔 아래에서 움푹 들어간 표면 프로파일을 생성한다. 다음에서 논의되는 바와 같이, 혹 모양은 볼 결함의 형성을 초래할 수 있습니다.

볼링(balling)은 그림 3에서와 같이 용융 풀이 불연속으로 분리되어 분리 된 섬으로 갈라질 때 발생할 수있는 결함입니다.이 그림에서 알 수 있듯이 레이저 빔 바로 아래의 용융 풀은 안정적이지 않으며 후단이 빠르게 분리됩니다 정면에서 분리 된 섬을 형성합니다. 분리는 그림 3 (c)와 같이 용융 풀의 중간에있는 보이드에서 시작된다. 이 공극은 레이저가 앞으로 계속 이동하면서 팽창하여 결국 용융 된 풀을 두 부분으로 나눕니다. 도 3 (e) 및 (f). 공극의 형성과 그 팽창은 표면 장력 구배 (Marangoni 효과)에 의해 강한 후진 유동에 의해 유발됩니다.

 

Summary

L-PBF에서의 열 전달 및 유체 흐름의 3D 과도 시뮬레이션은 볼 결함의 형성을 정량적으로 이해하기 위해 수행됩니다. 단순한 선형 트랙 만 시뮬레이션되었지만, 본 모델은 최종 빌드 품질의 중요한 속성 인 용융 풀 표면 프로파일 및 볼링 결함 형성을 연구 할 때 분말 레벨 시뮬레이션의 중요성을 보여줍니다.

뿐만 아니라 위의 금속 분말 소결 시뮬레이션은 금속 3D 프린팅(Metal 3D Printing) 산업의 핵심 기술이며 차후 많은 연구와 응용이 기대되는 분야가 될 것입니다.

Acknowledgements

이 자료는 수상 번호 N00014-14-1-0688하에 미해군 연구소(ONR)가 지원하는 연구과제에 기초로 작성되었습니다.

References

[1] Y.S. Lee and W. Zhang, Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufacturing, In: 2015 Annual International Solid Freeform Fabrication Symposium, Austin, TX, pp. 1154-1165, August 2015.

금속 3D 프린팅 수치해석

금속 3D 프린팅 / 적층 제조 수치해석(FLOW-3D Weld/DEM)

Binder jetting

바인더 분사 시뮬레이션은 모세관 힘의 영향을 받는 파우더 베드의 바인더 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미친다.

Direct energy deposition

FLOW-3D의 Particle 모델을 사용하여 직접 에너지 축적 프로세스를 시뮬레이션 할 수도 있습니다. 고체 기판에 분말 주입 속도와 열유속 입사를 지정함으로써, 고체 입자는 용융풀을 통해 질량, 추진력 및 에너지를 추가할 수 있습니다. 다음 동영상에서는 용융풀을 통해 고체 금속 입자가 주입되고 이어서 기판에 용융풀응 응고시키는 과정이 관찰됩니다.


관련 기술자료

Fig. 3. Experimental angled top-view setup for laser welding of zinc-coated steel with a laser illumination.

Effect of zinc vapor forces on spattering in partial penetration laser welding of zinc-coated steels

Yu Hao a, Nannan Chen a,b, Hui-Ping Wang c,*, Blair E. Carlson c, Fenggui Lu a,*a Shanghai Key Laboratory of ...
더 보기
Liquid-solid co-printing of multi-material 3D fluidic devices via material jetting

재료 분사를 통한 다중 재료 3D 유체 장치의 액체-고체 공동 인쇄

Liquid-solid co-printing of multi-material 3D fluidic devices via material jetting BrandonHayes,Travis Hainsworth, Robert MacCurdyUniversity of Colorado Boulder, Department of Mechanical ...
더 보기
Figure 3: 3D temperature contours and 2D melt pool cross-sections where the melt pool is stabilized at x=500 µm from the start of the laser initial location for cases where (a) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 12 µm, (b) absorptivity = 0.1, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (c) absorptivity = 0.1, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (d) absorptivity = 0.45, Recoil pressure coefficient B = 1 and laser beam radius = 18 µm, (e) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 12 µm, (f) absorptivity = 0.45, Recoil pressure coefficient B = 20 and laser beam radius = 18 µm.

MULTI-PHYSICS NUMERICAL MODELLING OF 316L AUSTENITIC STAINLESS STEEL IN LASER POWDER BED FUSION PROCESS AT MESO-SCALE

W.E. Alphonso1, M.Bayat1,*, M. Baier 2, S. Carmignato2, J.H. Hattel11Department of Mechanical Engineering, Technical University of Denmark (DTU), Lyngby, Denmark2Department ...
더 보기
Figure 2: Temperature contours and melt pool border lines at different times for the 50 % duty cycle case: (a) - (c) Δtcycle = 400 μs, (d) – (f) Δtcycle = 1000 μs and (g) – (i) Δtcycle = 3000 μs.

MULTIPHYSICS SIMULATION OF THEMRAL AND FLUID DYNAMICS PHENOMENA DURING THE PULSED LASER POWDER BED FUSION PROCESS OF 316-L STEEL

M. Bayat* , V. K. Nadimpalli, J. H. Hattel1Department of Mechanical Engineering, Technical University of Denmark (DTU), Produktionstorvet425, Kgs. 2800, ...
더 보기
Fluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire Deposition

Fluid Thermodynamic Simulation of Ti-6Al-4V Alloy in Laser Wire Deposition

Xiang Wang, Lin-Jie Zhang, Jie Ning, and Suck-Joo NaPublished Online:8 Apr 2022https://doi.org/10.1089/3dp.2021.0159 Abstract A 3D numerical model of heat transfer and fluid flow ...
더 보기
図3 He ガスストリッパー装置の図と全景.

RIKEN RIBF의 He-Gas 스트리퍼 및 회전 디스크 스트리퍼

He Gas Stripper and Rotating Disk Stripper at the RIKEN RIBF 理研 RI ビームファクトリーにおける He ガスと回転ディスクストリッパー 今尾 浩士 *・長谷部 裕雄 ...
더 보기
Figure 3.10: Snapshots of Temperature Profile for Single Track in Keyhole Regime (P = 250W and V = 0.5m/s) at the Preheating Temperature of 100 °C

Multiscale Process Modeling of Residual Deformation and Defect Formation for Laser Powder Bed Fusion Additive Manufacturing

Qian Chen, PhDUniversity of Pittsburgh, 2021 레이저 분말 베드 퓨전(L-PBF) 적층 제조(AM)는 우수한 기계적 특성으로 그물 모양에 가까운 복잡한 부품을 ...
더 보기
Forming characteristics and control method of weld bead for GMAW on curved surface

곡면에 GMAW용 용접 비드의 형성 특성 및 제어 방법

Forming characteristics and control method of weld bead for GMAW on curved surface Mao Ni, Xunpeng Qin, Zeqi Hu, Feilong ...
더 보기
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling

Laser Powder Bed에서 Laser Drilling에 의한 Keyhole 형성 Ti6Al4V 생체 의학 합금의 융합: 메조스코픽 전산유체역학 시뮬레이션 대 경험적 검증을 사용한 수학적 모델링

Keyhole Formation by Laser Drilling in Laser Powder Bed Fusion of Ti6Al4V Biomedical Alloy: Mesoscopic Computational Fluid Dynamics Simulation versus ...
더 보기
Design of Inductive Sensor System for Wear Particles in Oil

금속재료 표면의 잔류응력 초음파 측정법

Design of Inductive Sensor System for Wear Particles in Oil NIU Ze, LI Kai, BAI Wenbin, SUN Yuanyuan, GONG Qingqing, ...
더 보기

Aluminum Integral Foam Molding Process

Aluminum Integral Foam Molding Process

This application note was contributed by Johannes Hartmann and Vera Jüchter, Department of Materials Science, Chair of Metals Science and Technology, University of Erlangen-Nuremberg

 

알루미늄 폼은 우수한 댐핑 및 높은 에너지 흡수율 및 굴곡 강성과 같은 예외적인 특성을 보여줍니다[1]. 강성은 특히 하중 지지 및 경량 구조에 사용하기에 특히 매력적입니다. 중량별 강성을 높이고 보다 우수한 하중 전달을 위해 알 Aluminum Foam Sandwiches (AFS)와 같은 컴팩트한 특성이 필요합니다 [2].

Erlangen-Nuremberg 대학의 금속 공학과 기술 위원장은 알루미늄 발포 특성을 점차적으로 생산하기 위해 다이캐스팅 공정인 Integral Foam Molding 개발하였습니다(그림 1 참조). 이 공정은 폴리머의 사출 성형으로 개발되었으며 따라서 컴팩트한 층을 가진 복잡한 폼을 비용 효율적으로 대량 생산에 적합합니다. 이 노트에 설명 된 시뮬레이션 기법은 프로세스 매개 변수를 선택하는데 도움을 주기 위한 모델링프로세스를 확인할 수 있습니다.

Figure 1. Cross section of an aluminum integral foam with a compact skin, a transition region with decreasing relative density and smaller pores, as well as a foamed core.

Aluminum Integral Foam Molding Technology

일정량의 발포제 (수소화 마그네슘, MgH2)가 러너 시스템에 배치되고 샷 챔버는 알루미늄 용융물로 채워진다 (공정은 그림 2에 묘사되어 있으며, 공정은 [3]에 자세히 설명되어있다). 피스톤이 진행됨에 따라, 분말은 난류 방식으로 주형에 이송된다. 기술 변형 “고압 일체형 폼 몰딩 (HP-IFM)”의 경우 표준 다이캐스팅 공정에서 알 수 있듯이 이 부품은 주변의 높은 압력에서 완전히 채워져 우수한 표면 품질을 보장합니다. 템퍼링된 금형 표면에서 시작하여 용융물은 일체형으로 고형화되기 시작합니다. 몇 밀리 초가 지나면 금형은 코어 풀러 시스템 위에 열리고 부피는 국부적으로 증가하고 압력은 감소하여 열분해 및 수소화 마그네슘 입자의 수소 방출로 인해 여전히 반고체 내부 영역에서 기공 성장을 시작합니다. 모든 발포제 입자는 이웃하는 공극의 역압에 의해 멈추어 질 때까지 공극의 성장을 지속합니다. 발포된 입자의 벽은 알루미늄 합금의 응고된 입자에 의해 안정화가 되며 이를 endogenous stabilization이라고 합니다[4].

Figure 2. Schematic process cycle of “High Pressure Integral Foam Molding (HP-IFM)” of aluminum.

주조 부품의 전체 부피에서 균일한 형태에 대한 전제조건은 분해 순간의 양호한 입자분포입니다. 또한, 발포제 유입시의 용융물의 온도는 수소화 마그네슘의 분해를 결정하며 (그림 3 참조), 게다가 발포시 solid phase의 양을 결정한다. 그러나 고상의 양이 너무 많으면 기공의 강성이 증가하고 현상 기공의 구형화를 방해하여 구조가 파괴된다 [2].

Microcellular Aluminum Integral Foams – Approaching the Process Limits

일체형 발포 성형 공정시뮬레이션은 새로운 부품 설계의 몰드 충진 특성을 조사하는 데 도움이 될 뿐만 아니라 입자 침투도 예측하고 비용을 절약할 수 있게 발포 공정 조건을 결정할 수 있는 강력한 도구입니다. 현재 연구의 목표는 다공성 수준을 일정하게 유지하면서 기공 크기를 줄이는 것입니다. 전산 유체 역학 (CFD) 시뮬레이션은 가능한 한 현재의 프로세스 한계에 가깝게 접근할 수 있습니다. 발포 형태의 개선은 기계적 물성에서 균질 한 구조를 유도 할뿐만 아니라 기계적 성질에 의해 더 얇은 부품의 생산이 가능할 것입니다. 이 목적은 용융물 내에서의 높은 입자 분포 밀도와 동시에 응집 현상의 감소와 함께 완전히 안정된 기공 성장에 의해서만 달성 될 수 있다.

Figure 3. Schematic curves of decomposition of magnesium hydride as a function of the melt temperature, calculated by the Johnson-Mehl-Avrami approach [2]

Figure 4. Adjustment of heat transfer by comparisons of a real solidification curve (black) to the growth rate of the solidified skin in simulation (red).

Adapting the Simulation Parameters to Practical Integral Foam Molding Experiments

입자 거동이나 온도장에 대한 신뢰성 있는 예측을 위한 CFD 시뮬레이션을 사용할 수 있으려면 실제 실험과 일치하도록 매개 변수를 결정해야 합니다. 이를 위해, 30-130 ms의 지연 시간을 갖는 일체형 발포 부품을 제작하였으며 성형 팽창 및 기공 성장 개시 순간에 고상분율 때문에 발포 형성이 불가능한 다른 밀도의 형상을 만들었습니다. 열 전달 계수 (완전한 액체 용융물과 완전 응고된 용융물)를 변화시켜 합금 AlSi9Cu3 (Fe)의 주조 사이클을 시뮬레이션하면 응고 곡선을 적용할 수 있습니다. 이러한 목표를 달성하기 위해 시뮬레이션을 피스톤 이동이 시작되기 전에 실제 온도분포를 묘사해야 합니다. 온도는 배치된 열에 의해 숏 챔버에서 국부적으로 측정되었으며 시뮬레이션 내 실제 데이터와 잘 일치하여 성공적으로 묘사 될 수 있었습니다. 금형 충진 중에 금형 표면에서 온도 측정을 참조 할 수도 있습니다. 시간 경과에 따른 그 변화는 시뮬레이션 결과와 잘 일치합니다.

표면장력이나 응고 항력계수와 같은 용융의 유동을 정의하는 추가 매개 변수 단계에서는 다른 설정과 시뮬레이션을 비교하여 조정됩니다. 시뮬레이션 내에서 용융물의 흐름이 실제 시험과 일치하는 즉시 매개 변수가 설정됩니다

Figure 5. Adjustment of melt flow defining parameters such as the surface tension by comparisons of real experiments (left) to simulations (right)

냉각 및 용해 흐름 특성을 정의한 후 입자의 유입을 시뮬레이션 합니다. 입자 / 유체 의 상호 작용에 대한 시뮬레이션을 조정하기 위해 매개 변수계수의 X 선 샘플과 비교가 되며 구리선 입자에서는 수산화 마그네슘보다 높은 함량 입자가 적용됩니다. (그림 6 참조). 시뮬레이션 결과는 실험과 매우 잘 어울리므로 프로세스 매개 변수의 함수로서 입자 분포의 신뢰할 수 있습니다.

Figure 6. Adjustment of parameters influencing particle/melt-interactions by comparisons of x-rayed samples left); produced by the entrainment of copper particles) to simulations (right)

Conclusion

전체적으로 FLOW-3D는 실제 생산 전에 새로운 부품 제조의 잠재적 결함을 조사하는 중요한 수단이 될 수 있다는 것을 증명할 수 있었습니다. 이러한 방식으로, 차가운 흐름 또는 데드 존이 없는 성공적인 충전 및 발포제 분포가 보장 될 수 있다. 또한, 예상되는 온도 필드의 정확한 묘사로, 수소화 마그네슘의 분해 특성 및 기공형성을 예측할 수 있습니다. 이는 일체형 폼 구조와 관련하여 고객의 요구를 충족시키기 위한 공정 변수를 정의 할 수 있는 가능성을 제공합니다

1 Criterion is the solid phase fraction where the shear strength and therefore the resistance to pore evolution increases drastically.

References

[1] C. Körner, R. F. Singer, Adv. Eng. Mater. 20002 (4), pp. 159-165.
[2] C. Körner, in Integral Foam Molding of Light Metals – Technology, Foam Physics and Foam Simulation, Springer, Berlin, Heidelberg, Germany 2008.
[3] H. Wiehler, C. Körner, R. F. Singer, Adv. Eng. Mater. 200810 (3), pp. 171-178.
[4] J. Hartmann, A. Trepper, C. Körner, Adv. Eng. Mater. 201113 (11), pp. 1050-1055.

Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast>

 

Products

FLOW-3D 제품 소개


STI C&D 에서 공급하는 CFD 프로그램은 미국 Flow Science 에서 개발된 FLOW-3D solver 를 기반으로 한 매우 강력하고 정확한 열유동 수치해석 프로그램 입니다. 귀하의 업무에 적합한 제품군을 찾고자 하시면 당사의 솔루션팀으로 문의 주시기 바랍니다.
 

FLOW-3D 는 유체의 동적 거동을 연구하는 개발 및 설계 엔지니어에게 꼭 필요한 유동 시뮬레이션 솔루션을 제공합니다. FLOW-3D는 1, 2, 3차원의 자유 표면 해석, 시간에 따른 유체의 유동해석, 제한된 유체의 흐름, 정상 상태의 문제들을 완벽하게 해결 할 수 있습니다.
 

FLOW-3D HPC 는 흔히 슈퍼컴퓨터 또는 클러스터 컴퓨터를 이용하여 고성능 컴퓨팅(HPC, High-Performance Computing)을 할 수 있는 제품으로 대규모 또는 장시간 계산이 필요한 문제를 효과적으로 해결할 수 있도록 뛰어난 성능을 제공합니다. FLOW-3D HPC 는 초대형 컴퓨팅 시스템부터 조립 클러스터까지 쉽게 고성능 컴퓨팅 클러스터를 활용할 수 있습니다.
 
FLOW-3D/CAST 는 금속 주조 공정 시뮬레이션을 위해 특별히 설계된 FLOW-3D의 특별 버전입니다. 본 제품은 FLOW-3D의 강력한 해석기능을 주조분야 설계자가 쉽게 사용할 수 있는 쉬운 인터페이스를 제공합니다.
 

FLOW-3D Weld DEM

FLOW Weld 는 용접 해석에 필요한 모델을 FLOW-3D 에 추가하는 추가 모듈입니다.  FLOW-3D 표면 장력 자유 표면 분석, 용융 · 응고 · 증발 상 변화 모델 등의 기본 기능을 응용하여 각종 용접 현상을 분석 할 수 있습니다.

FLOW-3D AM 은 레이저 파우더 베드 융합 (L-PBF), 바인더 제트 및 DED (Directed Energy Deposition)와 같은 적층 제조 공정 ( additive manufacturing )을 시뮬레이션하고 분석하는 CFD 소프트웨어입니다. FLOW-3D AM 의 다중 물리 기능은 공정 매개 변수의 분석 및 최적화를 위해 분말 확산 및 압축, 용융 풀 역학, L-PBF 및 DED에 대한 다공성 형성, 바인더 분사 공정을위한 수지 침투 및 확산에 대한 매우 정확한 시뮬레이션을 제공합니다.

FSAI는 유체-구조 연성해석을 쉽게 할 수 있는 프로그램으로 FLOW-3D / FLOW-3D MP 해석 결과 데이터(유체 압력, 유체 온도, 벽 온도)를 구조 해석의 유한 요소(FEM) Mesh에 출력할 수 있습니다.  반대로 구조 해석의 유한 요소(FEM) Mesh 데이터를 FLOW-3D Solid 형상으로 읽어 처리 할 수 있습니다.

 
 
 
<제품 브로셔 다운로드>
 
flow3d flow3dmp hydraulics maritime aerospace
 microfluidics inkjets coating casting hpdc

 

 

 

컨설팅 절차

컨설팅 절차

  • 해석 컨설팅을 저희에게 의뢰하시면, 상세한 상담 후 견적을 작성하여 보내 드립니다. 상담은 전화, 이메일, 방문 등의 방법으로 진행됩니다.
  • 계약이 체결된 후 수치해석을 위한 자료 및 데이터를 받아, 협의된 안으로 수치해석을 수행합니다.
  • 컨설팅 진행 과정 중에 수시로 해석 결과 및 진행 상황에 대해 연락 드리며, 변경, 수정 사항을 협의하여 반영할 수 있습니다.
  • 수치해석이 완료되면 최종 보고서를 작성하여 제출하며, 필요시 방문하여 결과를 상세히 설명 드립니다.
  • 수치해석 기술 전수가 포함된 계약일 경우, 최종 보고서 제출 이후에 기술 전수 교육을 진행합니다.
  • 모든 기술 자료는 대외비로 취급되며, 철저하게 보안을 유지해드립니다.

컨설팅 분야

수자원 분야

  • 댐체, 수문, 제반 구조물 안정성 검토
  • 댐, 여수로 유동 해석
  • 여수로 수위별 방류량 해석
  • 여수로 월류 및 수위 검토 해석
  • 발전소 취수로 유동 해석
  • 배수터널 방류향 해석
  • 취수탑 유입 유량 해석
  • 교각주위 세굴 해석
  • 수문 수차 유량 해석
  • 저수지 수위별 유동해석
  • 배수암거 부정류 해석
  • 저수지 연결 터널 유동 해석
  • 교각 유동 작용 힘 검토
  • 도수터널 통수 능력 해석
  • 부유사 확산 검토
  • 냉각수 취수로 유량 해석
  • 수문 유동 양상 분석
  • 배수터널 방류량 해석
  • 월류 수위별 유량 유속 해석

수처리 분야

  • 정수지 유동해석
  • 분배수로 유량분배 해석
  • 침전지 유동 및 유속 분포 해석
  • 반응조 농도 및 반응시간 해석
  • 응집지 유동해석
  • 하수처리시설 슬러지 농도 해석
  • DAF 응집제 농도 해석
  • 수조 최적 교반 해석
  • 여과지 유동해석
  • 혼화지 유동해석
  • 호기조 담체 거동해석
  • 수처리 구조물 유동 양상 분석
  • 하수처리시설 유동해석
  • 분말활성탄 접촉조 해석
  • PSBR 반응조 해석
  • 지하수 ICE RING 형성 해석
  • 절리면 모세관 열유동 해석
  • DAF 실증시설 부상조 해석
  • 착수정 유량 분배 해석

우주 항공분야

  • 발사체 탱크 슬로싱 댐핑 평가 해석
  • 항공기 비행 및 급유 시 연료 탱크 내부 유동 해석
  • 항공기 날개 연료 탱크 내부 유동 해석
  • 항공기 연료 탱크 내부 유동 해석
  • 추진체 관리 장치 내부 유동 해석
  • 엔진 및 터빈 노즐 내부 유동 및 캐비테이션 해석

자동차 분야

FLOW-3D POST Gears
  • 자동차 연료 탱크에 연료 주입 시 탱크 내부 유동 해석
  • 피스톤 쿨링젯 시스템 해석
  • 전착 도장 해석
  • 자동차 연료 주입구의 주입 유량별 유동 특성 분석
  • 기어 펌프의 로터 회전에 따른 오일 유동 양상 분석
  • 엔진 실린더 내 피스톤 운동과 배기가스 유동 패턴 해석
  • 베어링 내 윤활을 위한 오일의 유동 양상 해석

해양분야

  • 해양 컨테이너 연료 탱크 슬로싱 해석
  • 방파제 구조물 주변 유동 해석
  • 선박 운항에 따른 항주파 및 유동 특성 분석
  • 사석 방파제 등 구조물 주변 유동 해석
  • 진동수주형 파력 발전 구조물 최적화 모델 해석
  • 선박 및 부유체 계류 시 계류 안정성 및 계류력 해석
  • 발전소 부근 해역 온배수 영향 예측
  • 지진 해일에 의한 영향 해석

주조 분야

  • 고압다이캐스팅  충진 거동 및 응고 해석
  • 저압주조 충진 거동 및 응고 해석
  • 경동주조 충진 거동 및 응고 해석
  • 중력주조 충진 거동 및 응고 해석
  • 원심주조 충진 거동 및 응고 해석
  • 금형온도 분포 해석
  • 제품 및 금형 열응력, 변형 해석
  • 주조 공법 별 온도 분포, 산화물 분포 및 결함 분석
  • 금형 및 몰드 냉각방안 최적화 검토

Micro/Bio/Nano Fluidics 분야

  • Slit 및 Slot 코팅 해석
  • Roll 코팅 해석
  • Gravure / Gravure-offset 프린팅 해석
  • Curtain 코팅 해석
  • Multi-layer Slide 코팅 해석
  • 전기 삼투를 이용한 마이크로 펌프 전위 및 유동해석
  • 마이크로 채널 액적 생성 연속성 및 혼합 해석
  • 잉크젯 헤드 조건에 따른 잉크 분사 성능 해석
  • 열모데관 유동해석과 모세관 충진 해석
  • 유전 영동 현상을 이용한 액적 융합 해석

레이저 용접 분야

  • 이종재 레이저 용접 해석
  • 용접속도와 경사도에 따른 키홀 내부의 기공 거동 해석
  • 이종재의 레이저 용접 시 wobbling 해석
  • 레이저 용접 Melt Pool 거동 해석
  • 레이저 파워, 속도에 따른 balling 결함 영향 해석

HVAC System Designs

HVAC(난방, 냉방 및 환기)시스템 엔지니어가 고려해야 하는 최적 설계 배치에 대한 검토를 수행

발전소의 경우 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있어서 여러가지 시설물의 상황을 고려할 수 있음

건물 내 공기를 올바르게 분배하고 적절한 쾌적한 온도를 확보하기 위해 건물 구조와 흡입그 크기 등의 검토 가능

수치해석 기술 컨설팅 안내

FLOW-3D Case Studies

수치해석 기술 컨설팅 안내

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD 컨설팅 서비스를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.
상담에는 비용은 전혀 들지 않습니다.

CFD는 엔지니어가 공기, 물 또는 모든 유체와의 상호 작용을 이해할 수 있게 하는 매우 효과적인 기술로 대부분의 유동현상에 해답을 제시 할 수있는 막대한 잠재력을 가지고 있습니다.
다양한 유체 흐름 현상이나 온도 및 열전달 분석 등 필요한 시나리오에 대한 맞춤 솔루션을 제공합니다.

당사에는 20년 이상 수치해석 연구에 전념하고 있는 전문 연구인력과 다양한 기술적 경험과 전문 시뮬레이션 기술을 제공하는 숙련된 기술컨설팅팀이 준비되어 있습니다.
귀하의 프로젝트 성공 가능성을 기술시연을 통해 제공 할 수 있습니다.
프로그램 소개나 자문이 필요하신 분들은 언제든지 아래 연락처로 문의하시기 바랍니다.

  • 전화 :   02-2026-0455
  • Email : flow3d@stikorea.co.kr

컨설팅 형태

수치해석 의뢰

  • 고객이 당면한 문제를 분석 /검토/협의 후, 가장 적절한 수치해석 방법을 수립합니다.
  • 주로 상호 협의된 설계안 및 해석 조건에 대해 수치해석을 수행하여 결과를 도출 분석, 검토합니다.
  • 설계 변경 인자 및 해석 횟수는 고객과 협의하여 진행합니다. 수치해석 결과를 분석 검토하여 설계에 반영하기 위한 의견을 제시하여 드립니다.

해석 대행 의뢰

  • 고객사에 해석 프로세스가 정립되어 있는 경우에 대해, 계산 장비와 수치해석 인력을 이용하여 해석 대행 및 해석 결과물을 제출합니다.

컨설팅 절차

  • 해석 컨설팅을 저희에게 의뢰하시면, 상세한 상담 후 견적을 작성하여 보내 드립니다. 상담은 전화, 이메일, 방문 등의 방법으로 진행됩니다.
  • 계약이 체결된 후 수치해석을 위한 자료 및 데이터를 받아, 협의된 안으로 수치해석을 수행합니다.
  • 컨설팅 진행 과정 중에 수시로 해석 결과 및 진행 상황에 대해 연락 드리며, 변경, 수정 사항을 협의하여 반영할 수 있습니다.
  • 수치해석이 완료되면 최종 보고서를 작성하여 제출하며, 필요시 방문하여 결과를 상세히 설명 드립니다.
  • 수치해석 기술 전수가 포함된 계약일 경우, 최종 보고서 제출 이후에 기술 전수 교육을 진행합니다.
  • 모든 기술 자료는 대외비로 취급되며, 철저하게 보안을 유지해드립니다.

주요 컨설팅 의뢰 분야

수자원 분야

  • 댐체, 수문, 제반 구조물 안정성 검토
  • 댐, 여수로 유동 해석
  • 여수로 수위별 방류량 해석
  • 여수로 월류 및 수위 검토 해석
  • 발전소 취수로 유동 해석
  • 배수터널 방류향 해석
  • 취수탑 유입 유량 해석
  • 교각주위 세굴 해석
  • 수문 수차 유량 해석
  • 저수지 수위별 유동해석
  • 배수암거 부정류 해석
  • 저수지 연결 터널 유동 해석
  • 교각 유동 작용 힘 검토
  • 도수터널 통수 능력 해석
  • 부유사 확산 검토
  • 냉각수 취수로 유량 해석
  • 수문 유동 양상 분석
  • 배수터널 방류량 해석
  • 월류 수위별 유량 유속 해석

수처리 분야

Wastewater Treatment Plant
Wastewater Treatment Plant
  • 정수지 유동해석
  • 분배수로 유량분배 해석
  • 침전지 유동 및 유속 분포 해석
  • 반응조 농도 및 반응시간 해석
  • 응집지 유동해석
  • 하수처리시설 슬러지 농도 해석
  • DAF 응집제 농도 해석
  • 수조 최적 교반 해석
  • 여과지 유동해석
  • 혼화지 유동해석
  • 호기조 담체 거동해석
  • 수처리 구조물 유동 양상 분석
  • 하수처리시설 유동해석
  • 분말활성탄 접촉조 해석
  • PSBR 반응조 해석
  • 지하수 ICE RING 형성 해석
  • 절리면 모세관 열유동 해석
  • DAF 실증시설 부상조 해석
  • 착수정 유량 분배 해석

우주 항공분야

  • 발사체 탱크 슬로싱 댐핑 평가 해석
  • 항공기 비행 및 급유 시 연료 탱크 내부 유동 해석
  • 항공기 날개 연료 탱크 내부 유동 해석
  • 항공기 연료 탱크 내부 유동 해석
  • 추진체 관리 장치 내부 유동 해석
  • 엔진 및 터빈 노즐 내부 유동 및 캐비테이션 해석

자동차 분야

FLOW-3D POST Gears
  • 자동차 연료 탱크에 연료 주입 시 탱크 내부 유동 해석
  • 피스톤 쿨링젯 시스템 해석
  • 전착 도장 해석
  • 자동차 연료 주입구의 주입 유량별 유동 특성 분석
  • 기어 펌프의 로터 회전에 따른 오일 유동 양상 분석
  • 엔진 실린더 내 피스톤 운동과 배기가스 유동 패턴 해석
  • 베어링 내 윤활을 위한 오일의 유동 양상 해석

해양분야

  • 해양 컨테이너 연료 탱크 슬로싱 해석
  • 방파제 구조물 주변 유동 해석
  • 선박 운항에 따른 항주파 및 유동 특성 분석
  • 사석 방파제 등 구조물 주변 유동 해석
  • 진동수주형 파력 발전 구조물 최적화 모델 해석
  • 선박 및 부유체 계류 시 계류 안정성 및 계류력 해석
  • 발전소 부근 해역 온배수 영향 예측
  • 지진 해일에 의한 영향 해석

주조 해석 분야

  • 고압다이캐스팅  충진 거동 및 응고 해석
  • 저압주조 충진 거동 및 응고 해석
  • 경동주조 충진 거동 및 응고 해석
  • 중력주조 충진 거동 및 응고 해석
  • 원심주조 충진 거동 및 응고 해석
  • 금형온도 분포 해석
  • 제품 및 금형 열응력, 변형 해석
  • 주조 공법 별 온도 분포, 산화물 분포 및 결함 분석
  • 금형 및 몰드 냉각방안 최적화 검토

Micro/Bio/Nano Fluidics 분야

  • Slit 및 Slot 코팅 해석
  • Roll 코팅 해석
  • Gravure / Gravure-offset 프린팅 해석
  • Curtain 코팅 해석
  • Multi-layer Slide 코팅 해석
  • 전기 삼투를 이용한 마이크로 펌프 전위 및 유동해석
  • 마이크로 채널 액적 생성 연속성 및 혼합 해석
  • 잉크젯 헤드 조건에 따른 잉크 분사 성능 해석
  • 열모데관 유동해석과 모세관 충진 해석
  • 유전 영동 현상을 이용한 액적 융합 해석

레이저 용접 분야

  • 이종재 레이저 용접 해석
  • 용접속도와 경사도에 따른 키홀 내부의 기공 거동 해석
  • 이종재의 레이저 용접 시 wobbling 해석
  • 레이저 용접 Melt Pool 거동 해석
  • 레이저 파워, 속도에 따른 balling 결함 영향 해석

공기/열 흐름 분야 (HVAC System Designs)

HVAC(난방, 냉방 및 환기)시스템 엔지니어가 고려해야 하는 최적 설계 배치에 대한 검토를 수행

발전소의 경우 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있어서 여러가지 시설물의 상황을 고려할 수 있음

건물 내 공기를 올바르게 분배하고 적절한 쾌적한 온도를 확보하기 위해 건물 구조와 흡입그 크기 등의 검토 가능

고객 정보보호 보장

고객이 의뢰하는 컨설팅 내용은 경쟁에 민감한 정보를 포함할 수 있기 때문에 (주)에스티아이씨앤디에서는 고객의 기밀정보를 보호하기 위한 엄격한 관리절차와 이행을 보장합니다.
고객의 기밀정보는 절대 외부에 누설되지 않습니다.

수치해석 용역 또는 기술컨설팅, Custom 개발이 필요하시면 언제든지 아래 연락처로 연락주시기 바랍니다.연락처 : 02-2026-0455
이메일 : flow3d@stikorea.co.kr


해석용역 주요 거래처

□ 공공기관

  • 한국수자원공사
  • 한국건설기술연구원
  • 한국시설안전공단
  • 한국전력기술
  • 한국생산기술연구원
  • 한국동서발전(주)
  • 한국남부발전(주)
  • 한국지질자원연구원 등

□ 기계전자분야

  • 삼성전자
  • LG전자
  • 현대-기아자동차
  • POSCO 등

□ 건설분야

  • 대우건설
  • GS건설
  • SK건설
  • 한화건설
  • 삼성건설 등

□ 엔지니어링 분야

  • (주)삼안
  • (주)도화
  • 현대엔지니어링(주)
  • 한국종합엔지니어링(주)
  • 유신
  • 벽산엔지니어링
  • (주)건화 등

수처리 분야

Municipal

FLOW-3D는아래 시설물과 같은 도시의 수처리 시설물 설계와 분석에 매우 활발하게 사용되고 있습니다:

  • Mixing, settling, and contact tanks
  • Control structures like weirs, gates, ramps, and orifices
  • Combined sewer (CSO) and stormwater sewer (SSO) overflow facilities
  • Pump and lift stations
  • Treatment plant headworks
  • Filtration systems and passive earth and stone filters
  • Baffle and wall placement
  • Hydraulic efficiency and short-circuiting

Vortex simulation municipal application with FLOW-3D

Vortex formation simulated with FLOW-3D

FLOW-3D는 자유표면, 가압(pressurized), 미임계(sub-critical)와 초임계(super-critical) 흐름조건 등을 전환하는 자유표면과 제한된 흐름패턴 모두와 균일한 모델 상태에 최적화되어 있습니다. 추가 물리 패키지를 포함하여 대부분의 복잡한 상황을 모델링 FLOW-3D에 포함되어 있습니다 :

  • Flow bulking due to air entrainment
  • Air bubble escape and air pocket pressurization
  • Drifting and settling particulate matter and the effect on the flow pattern of sediment accumulation
  • Chemical reactions
  • Moving gates and paddles
  • Fast-spinning bladed objects, pumps, and impellers
  • Dissolving and eroding solids
  • Granular flow (slurries)

적용사례

정수장 : DAF SYSTEMS

  • 용존공기부상법 (DAF Systems: Dissolved Air Floation )
    • 가압상태에서 과포화된 물을 감압시키면, 미세기포가 발생되어 상승하면서 수중의콜로이드물질과 충돌/부착되는 원리를 이용하여 수중의 부유물질을 제거하는 수처리 방법
  • Two Phase(Water+Air)/Drift Flux을 이용 기포에 의한 지내의 유동양상을 파악
  • 해석을 통한 기존 구조물의 문제점 파악하여 개선
  • 정수장_DAF_시스템

정수장 : 펌프장 해석

정수장_펌프장_모델해석결과

정수장_펌프장_모델

정수장 : 분말활성탄접촉조

  • v분말활성탄 접촉조 : 유입구의 구조, 수로의 장폭비, 도류벽구조에 의한 변화 -> 최적형상 도출
  • v해석을 통해 각종 Index(Morill Index, Modal Index 등) 분석

분말활성탄접촉초

정수장 : 응집제의 확산

  • G, 혼화지 구조에 따른 turn over time, 지내 속도 분포, 체류시간(t), 등 분석
  • 완속 혼화기, 급속혼화기에서 응집제의 혼화 및 분산 효과 파악

고속분사기_응집제확산

정수장 : 분배수로 유량분배

  • 분배수로의 기능 : 응집지 및 침전비 별로 균일하게 물을 분배함
  • 분배수로의 구조에 따른 응집지 유입수의 유량분배 해석
  • 구조별 유량분배 문제점 파악 및 개선방안 제시
  • 구조별 유량분배를 정량화하여 정수장 효율 향상에 기여함.

분배수로_유량분배

정수장 : 응집지 속도구배(du/dy) 검증

  • 응집기내부의 유동양상 및 속도구배(G)를 규명하여 최적의 운영조건 도출

응집지속도구배

정수장 : 여과지 역세척

  • Strainer를 통한 역세척수 유입 시 유동양상 해석 실시
  • 역세척 시 압력분포의 균일성, 사수부, 침전수의 월류여부 파악
  • 여과 및 역세척의 문제점 파악하여 효율향상 극대화

여과지_역세척

정수장 : 정수지 실험해석 비교

  • 정수지의 기능 : 염소를 균일하게 혼화
  • 정수지 유동양상 및 염소 농도, 체류시간 해석으로 CT 값 예측 및 문제점 개선
  • 실험과의 비교를 통하여 정확성 확보
  • 기존 정수지의 효율향상 및 최적 정수지 형태 제안
  • 정수지는 분말활성탄접촉조와 기능과 형상 유사

정수장_정수지해석

정수장 : 침전지대기온도, 일사량 등 외부조건 고려

  • 대기온도, 일사량 등 외부조건을 고려한 침전지 유동해석 실시
  • 침전지 내부의 밀도류 발생 원인 분석 및 Floc의 운동양상, 제거효율을 해석
  • 실험과의 비교를 통하여 정확성 확보

정수장_침전지_외부조건고려해석

정수장 : 취수탑 선택취수

  • v취수탑 : 상수도·관개·수력발전용 물을 저수지나 하천으로부터 끌어들이기 위한 구조물
  • v취수탑의 선택취수 문제 해석 사례
  • v취수탑 개도 조건에 따른 유출수온도, 조류 유입, 수심별 유입량 등을 예측

취수탑해석

 

하수처리장 : 침전지

  • 침전지 : 하수와 슬러지의 분리 및 배출 기능
    • 해석목적
    • 2차 침전지에서 유량 분배 문제점 파악
    • 2차 침전지에서 유입부 개선안 도출
    • 2차 침전지내의 슬러지 배출 개선안 도출

하수처리장_침전지_모델 하수처리장_침전지_모델_해석결과

 

하수처리장 : 침전지 유량분배 및 유속

  • 구조물의 형상, 유량에 따른 침전지 유동해석
  • 각 지별 유량 분배 균등 여부 파악
  • 슬러지의 재부상(scouring) 여부 예측 및 방지 방안 검토
  • 월류형식, 유입부의 위치 및 규격, 등 설계 요소를 조절하여 균등 분배 유도
    • 하수처리장_침전지_유량분배_해석결과

하수처리장 : 침전지 월류부 해석

  • 침전지 월류부 유동양상 파악
  • 침전지 형상, 월류부 형상에 따른 유속분포 비교
  • 사수부 파악 및 단락류 최소화를 위한 월류부 형상 결정
  • 슬러지의 월류부 개선을 통한 효율 향상

하수처리장_침전지_월류부해석

하수처리장 : 침전지 침전효율

  • 구조물의 형상별, 처리 유량별 침전효율, 사수부 평가
  • 균일한 유속분포에 의한 침전효율 향상
  • 침전지 형상, 유입부 위치, 등을 변경하여 효율 비교
  • 체류시간 검토를 통한 효율 비교
  • 슬러지 침전형태의 비교

하수처리장_침전지_침전효율

하수처리장 : 무산소조

  • 하수처리장 : 무산소조
  • 하수 및 반송슬러지의 혼합, 임펠러의 회전에 의한 혼합양상 해석 실시
  • 유입수 및 내부반송수의 유속분포, 혼합농도 평가
  • 단락류 발생정도 파악 및 완전교반 유도에 유리한 설계방안 검토
  • 내부반송량, 반송슬러지 유입관의 위치 개선으로 효율 향상

하수처리장_무산소조

하수처리장 : 담체의 부상

  • 설계 요소에 따른 담체의 분포 및 흐름 양상 예측
  • 해석 설계 요소 : 조의 형상, 펌프의 용량 및 위치, 내부 배플의 형상

하수처리장_담체의부상

하수처리장 : 호기조 (Aerator)

  • 호기조내 체류시간 분석
  • 기포의 분포, 조내 위치별 D.O 예측
  • 단락류 발생 정도 및 사수부 파악
  • 폭기량 및 폭기 방식에 따른 내부 유동양상을 통한 효율예측

하수처리장_호기조

하수처리장 : 호기조 (D.O 예측)

  • 용존산소량 (Dissolved Oxygen) : 물 속에 녹아 있는 산소량 è 수온이 높아지거나 오염되면 DO감소
  • 조내 산기관에 의해 오염수를 전체적으로 용존산소량 증가 목적 è 조내 사수부, 체류시간 분석
  • 산기관에 의한 공기 방울의 분포 및 D.O 분포를 수류의 흐름을 고려하여 예측
  • 호기조의 구조 및 산기관의 배치에 따른 효율 분석

하수처리장_호기조_용존산소량

하수처리장 : 막분리조

  • 막분리조내의 수류순환 유동해석 실시
  • Air 유입과 Membrane내의 수류순환 유동 검토
  • 사수부 최소화를 위한 구조 변경 (유입부 방식, 위치 및 산기관 위치, 등)
  • 처리 유량에 따른 내부 효율 변화 검토 – 운영조건 제시

하수처리장_막분리조

 

하수처리장 : SBR/PSBR 호기공정

  • 송풍기 작동시 원수와 슬러지의 혼합양상 분석
  • 수중포기기와 송풍기의 작동에 의해 조 내의 슬러지 혼합 활성화 여부 판단 : 수중포기기와 송풍기의 적절한 위치 및 회전수 조절에 의해 개선안 제시 가능

하수처리장_SBR_호기공정

하수처리장 : SBR/PSBR 배출공정

  • 조 내의 유출게이트 OPEN하여 조 내의 상등수 배출양상 분석
  • 바닥의 슬러지 유출없이 배출가능 여부 해석을 통하여 파악 슬러지가 배출되지 않도록 내의 형상 및 문제점 개서안 제시

하수처리장_SBR_배출공정