1. مقدمه
در فضای رقابتی تولید انبوه مدرن، تولیدکنندگان با چالش دوگانه کاهش زمان و هزینه، همزمان با بهبود کیفیت و انعطافپذیری محصول مواجه هستند. طراحی برای ساخت (DFM) به عنوان یک روششناسی حیاتی برای پرداختن به این چالش ظهور کرده است که با ادغام محدودیتهای ساخت در مرحله طراحی، زمان تأخیر را کاهش و کیفیت را افزایش میدهد. با این حال، سیستمهای سنتی DFM اغلب به فرآیندهای ساخت منفرد محدود میشوند.
این مقاله یک رویکرد جدید DFM را معرفی میکند که برای ساخت چندفرآیندی طراحی شده است، به طور خاص فرآیندهای ساخت افزایشی (AM) مانند تف جوشی انتخابی با لیزر (SLS) را با ماشینکاری کاهشی سنتی با سرعت بالا (HSM) ترکیب میکند. ظهور AM برای قطعات فلزی کاربردی، فرصتهای جدیدی ارائه میدهد اما همچنین مستلزم یک چارچوب برای ارزیابی پیچیدگی ساخت و انتخاب فرآیند بهینه برای ویژگیهای مختلف قطعه است.
مفهوم اصلی، یک طراحی ماژولار ترکیبی است، که در آن یک قطعه پیچیده به ماژولهای سادهتر یا "پازلهای سهبعدی" تجزیه میشود. هر ماژول میتواند به طور مستقل با استفاده از مناسبترین فرآیند (AM یا HSM) بر اساس پیچیدگی هندسی، مواد و محدودیتهای هزینه/زمان ساخته شود. این رویکرد مزایایی مانند تولید موازی، تغییرات طراحی آسانتر و بهینهسازی فرآیند به ازای هر ماژول ارائه میدهد. چالش اصلی مورد بررسی، ارائه اطلاعات کیفی به طراحان در مورد پیچیدگی ساخت برای تسهیل این تصمیمگیری ماژولار ترکیبی است.
هدف مقاله، پیشنهاد این روششناسی جدید DFM، تشریح مبانی آن، پتانسیل ادغام آن در نرمافزار CAD و اعتبارسنجی آن از طریق مطالعات موردی صنعتی از بخش قالبسازی است.
2. روششناسی طراحی ماژولار ترکیبی
روششناسی پیشنهادی بر دو ستون استوار است: (1) یک سیستم ارزیابی قابلیت ساخت قوی و (2) یک استراتژی بهینهسازی ماژولار ترکیبی برای بهبود قابلیت ساخت کلی.
این روششناسی یک چارچوب سیستماتیک برای راهنمایی طراحان در تجزیه یک قطعه و انتخاب فرآیند ساخت بهینه برای هر ماژول حاصل ارائه میدهد.
2.1. ارزیابی قابلیت ساخت
یک جزء حیاتی سیستم DFM، توانایی کمیسازی قابلیت ساخت است. مقاله پیشنهاد میدهد که فراتر از مقیاسهای سنتی DFM حرکت کرده و شاخصهای قابلیت ساخت خاصی توسعه یابد. برای ماشینکاری، این شاخصها ممکن است به دسترسی ابزار، پیچیدگی ویژگی و تنظیمات مورد نیاز مرتبط باشند. برای فرآیندهای افزایشی، شاخصها میتوانند زوایای برآمدگی، نیازمندیهای ساختار پشتیبانی و خطرات اعوجاج حرارتی را در نظر بگیرند.
ارزیابی احتمالاً شامل مقایسه این شاخصها با قابلیتهای شناخته شده فرآیند است. یک ماژول با پیچیدگی داخلی بالا (مانند کانالهای خنککننده همشکل) ممکن است امتیاز ضعیفی برای HSM اما مطلوبی برای SLS کسب کند و انتخاب فرآیند را هدایت کند. توسعه این معیارهای قابل اندازهگیری برای خودکارسازی پشتیبانی تصمیم در محیط CAD ضروری است.
نکات کلیدی
همافزایی فرآیند
AM جایگزینی برای ماشینکاری نیست، بلکه یک فناوری مکمل است. رویکرد ترکیبی از AM برای هندسههای پیچیده و خالص و از HSM برای دستیابی به پرداخت سطحی دقیق با تلرانس بالا استفاده میکند.
تجزیه مبتنی بر پیچیدگی
تجزیه قطعه به ماژولها باید توسط تحلیل پیچیدگی ساخت هدایت شود، نه صرفاً راحتی هندسی، تا مزایای هر فرآیند به حداکثر برسد.
ادغام در مراحل اولیه
ارزش واقعی این رویکرد DFM زمانی محقق میشود که تحلیل قابلیت ساخت در اولین مراحل طراحی مفهومی ادغام شود و بر معماری بنیادی قطعه تأثیر بگذارد.
دیدگاه تحلیلی: تشریح تز ساخت ترکیبی
بینش اصلی: کربرات و همکاران صرفاً یک ابزار DFM دیگر را پیشنهاد نمیدهند؛ آنها از یک تغییر بنیادی در فلسفه طراحی دفاع میکنند - از تفکر یکپارچه و فرآیند-محور به تفکری ماژولار و قابلیت-محور. نوآوری واقعی، برخورد با فرآیندهای ساخت به عنوان یک پالت از قابلیتهایی است که باید هماهنگ شوند، مشابه نحوهای که مهندسان نرمافزار از میکروسرویسها استفاده میکنند. این با روندهای گستردهتر در ساخت دیجیتال و پارادایم "صنعت 4.0" همسو است، جایی که انعطافپذیری و تصمیمگیری مبتنی بر داده از اهمیت بالایی برخوردار است. تحقیقات مؤسساتی مانند آزمایشگاه ملی لارنس لیورمور در مورد مهندسی مواد محاسباتی یکپارچه (ICME)، نیاز به چنین چارچوبهای طراحی جامع و سطح سیستم را تأکید میکند.
جریان منطقی و نقاط قوت: منطق مقاله مستحکم است: شناسایی محدودیت (DFM تکفرآیندی)، ارائه یک جایگزین قانعکننده (طراحی ماژولار ترکیبی) و پیشنهاد یک روششناسی برای امکانپذیر کردن آن (ارزیابی پیچیدگی + بهینهسازی). نقطه قوت آن در عملی بودن آن است. با تمرکز بر شاخصهای قابلیت ساخت، پلی قابل اندازهگیری بین هندسه طراحی انتزاعی و واقعیتهای تولید عینی فراهم میکند. این از دستورالعملهای DFM صرفاً کیفی، قابل اجراتر است. انتخاب قالبسازی (قالبها، ریختهگری) به عنوان یک مورد آزمایشی هوشمندانه است، زیرا اینها قطعات با ارزش بالایی هستند که در آنها نسبت هزینه-فایده ترکیب آزادی هندسی AM با دقت ماشینکاری بلافاصله آشکار است، مشابه ارزشافزایی مشاهده شده در سیستمهای ساخت ترکیبی برای قطعات هوافضا که توسط گارتنر و سایر تحلیلگران مستند شده است.
نقاط ضعف و شکافهای حیاتی: مقاله، همانطور که در متن ارائه شده است، از چالش عظیم تعریف و محاسبه آن شاخصهای جهانی قابلیت ساخت به سادگی عبور میکند. مبنای ریاضی "پیچیدگی ماشینکاری" چیست؟ آیا تابعی از طول مسیر ابزار است، نسبت حجم قابل دسترس به غیرقابل دسترس، یا چیز دیگری؟ فقدان یک مدل رسمی پیشنهادی، مانند یک تابع امتیازدهی وزنی $C_m = \sum_{i=1}^{n} w_i \cdot f_i(geometry, material)$، یک کاستی قابل توجه است. علاوه بر این، "بهینهسازی ماژولار ترکیبی" ذکر شده اما تشریح نشده است. سیستم چگونه تجزیه بهینه را پیشنهاد میدهد؟ آیا یک جستجوی جامع، یک الگوریتم ژنتیک، یا یک سیستم مبتنی بر قاعده است؟ بدون این، روششناسی در سطح یک مفهوم سطح بالا باقی میماند تا یک الگوریتم قابل پیادهسازی. چالشهای مونتاژ، اگرچه به عنوان موضوعی قبلاً مطالعه شده ذکر شدهاند، همچنان یک مانع حیاتی باقی میمانند - یکپارچگی مکانیکی و حرارتی یک مونتاژ چندمادهای و چندفرآیندی چسبانده شده، امری پیش پا افتاده نیست و میتواند مزایای ماژولهای فردی را خنثی کند.
بینشهای قابل اجرا: برای پذیرندگان صنعتی، نتیجه فوری این است که شروع به ساخت پایگاههای داده داخلی از "نقاط درد قابلیت ساخت" کنند. ویژگیهایی را که ماشینکاری آنها به شدت پرهزینه اما چاپ آنها ساده است، و بالعکس، فهرستبرداری کنند. این دانش تجربی، پیشنیاز شاخصهای رسمی است. برای توسعهدهندگان نرمافزار (فروشندگان CAD/CAM)، نقشه راه روشن است: سرمایهگذاری در APIهای تشخیص ویژگی و پایگاههای داده فرآیند ساخت مبتنی بر ابر برای امکان بازخورد قابلیت ساخت در زمان واقعی. آینده یک ماشین همهکاره منفرد نیست، بلکه یک رشته دیجیتال یکپارچه است که اجازه میدهد یک طراحی به صورت پویا تقسیمبندی شده و به بهترین فرآیند موجود در یک کارخانه شبکهای هدایت شود، دیدگاهی که توسط تحقیقات سیستمهای ساخت هوشمند مؤسسه ملی استاندارد و فناوری (NIST) پشتیبانی میشود. این مقاله نقشه مفهومی حیاتی برای آن آینده را ارائه میدهد.
جزئیات فنی و چارچوب
هسته روششناسی احتمالاً شامل یک ماتریس تصمیم یا یک سیستم امتیازدهی است. اگرچه در متن ارائه شده به صراحت بیان نشده است، اما میتوان یک پیادهسازی فنی محتمل را استنباط کرد:
شاخص قابلیت ساخت (فرمول مفهومی): برای یک ماژول داده شده $M$ و یک فرآیند کاندید $P$ (مانند HSM یا SLS)، یک شاخص $I_{M,P}$ میتواند محاسبه شود. برای ماشینکاری، ممکن است به طور معکوس با برآوردهای هزینه و زمان مرتبط باشد: $$I_{M,HSM} = \frac{1}{\alpha \cdot T_{machining} + \beta \cdot C_{tooling} + \gamma \cdot S_{setups}}$$ که در آن $T$، $C$ و $S$ به ترتیب زمان نرمالشده، هزینه ابزارسازی و تعداد پروکسیهای تنظیم هستند و $\alpha, \beta, \gamma$ عوامل وزنی هستند. برای AM، شاخص ممکن است حجم پشتیبانی $V_s$ و ارتفاع ساخت $H$ را جریمه کند: $$I_{M,SLS} = \frac{1}{\delta \cdot V_s + \epsilon \cdot H + \zeta \cdot R_{surface}}$$ که در آن $R_{surface}$ یک جریمه زبری سطح است. فرآیندی که شاخص بالاتری برای یک ماژول مشخص دارد، ترجیح داده میشود.
مثال چارچوب تحلیل (غیرکد):
- ورودی: یک مدل CAD سهبعدی از یک قالب تزریق با کانالهای خنککننده همشکل.
- تشخیص ویژگی: سیستم شناسایی میکند: (الف) بدنه اصلی قالب (بلوک ساده)، (ب) کانالهای خنککننده داخلی پیچیده (مسیرهای مارپیچ)، (ج) سطوح اتصال با دقت بالا.
- تجزیه ماژولار (ابتکاری): سیستم پیشنهاد میدهد که قالب به دو ماژول تجزیه شود: ماژول A (بدنه اصلی) و ماژول B (درج کانال خنککننده).
- محاسبه شاخص:
- ماژول A (بلوک): $I_{A,HSM}$ بسیار بالا است (ماشینکاری آسان). $I_{A,SLS}$ پایین است (حجم بزرگ، کند). تصمیم: HSM.
- ماژول B (کانالها): $I_{B,HSM}$ به شدت پایین است (غیرممکن با ابزارهای مستقیم). $I_{B,SLS}$ بالا است (ایدهآل برای AM). تصمیم: SLS.
- خروجی: یک برنامه ساخت ترکیبی: ماشینکاری ماژول A از فولاد. چاپ ماژول B از طریق SLS. طراحی یک رابط برای مونتاژ (مانند یک سوکت رزوهای یا سطح چسبندگی).
کاربردها و جهتهای آینده
پیامدهای این تحقیق فراتر از قالبسازی گسترش مییابد:
- قطعات بهینهشده توپولوژی: خروجی طبیعی طراحی مولد و بهینهسازی توپولوژی اغلب اشکال بسیار پیچیده و ارگانیک است. یک سیستم DFM ترکیبی برای تقسیمبندی خودکار این اشکال به مناطق قابل چاپ و قابل ماشینکاری ضروری است تا این طراحیهای پیشرفته از نظر تجاری قابل اجرا شوند.
- تعمیر و بازساخت: روششناسی میتواند برای تعمیر معکوس شود. یک قطعه با ارزش آسیبدیده (مانند پره توربین) میتواند تحلیل شود، بخش فرسوده به عنوان یک "ماژول" شناسایی شده، ماشینکاری شود و یک ماژول جدید به صورت افزایشی به صورت درجا بر روی پایه موجود ساخته شود.
- قطعات چندمادهای و با گرادیان عملکردی: سیستمهای آینده میتوانند انتخاب مواد را در شاخص ادغام کنند. یک ماژول نیازمند هدایت حرارتی بالا ممکن است به یک فرآیند AM مسی اختصاص یابد، در حالی که یک ماژول تحمل بار به ماشینکاری از تیتانیوم اختصاص مییابد. این راه را برای قطعات ترکیبی واقعاً با گرادیان عملکردی هموار میکند.
- تجزیه مبتنی بر هوش مصنوعی: مرز بعدی، استفاده از یادگیری ماشین برای پیشبینی تجزیه و انتخاب فرآیند بهینه بر اساس مجموعه وسیعی از طراحیها و دادههای تولید گذشته است، حرکت از DFM مبتنی بر قاعده به DFM پیشبینانه.
- ادغام دوقلوی دیجیتال: شاخصهای قابلیت ساخت میتوانند به یک دوقلوی دیجیتال از خط تولید تغذیه شوند، نه تنها ساخت هر ماژول، بلکه مونتاژ، آزمایش و عملکرد چرخه عمر آنها را شبیهسازی کنند و حلقه رشته دیجیتال را ببندند.
مراجع
- Boothroyd, G., Dewhurst, P., & Knight, W. (2010). Product Design for Manufacture and Assembly. CRC Press.
- Gibson, I., Rosen, D., & Stucker, B. (2015). Additive Manufacturing Technologies: 3D Printing, Rapid Prototyping, and Direct Digital Manufacturing. Springer.
- Frazier, W. E. (2014). Metal Additive Manufacturing: A Review. Journal of Materials Engineering and Performance, 23(6), 1917-1928.
- Guo, N., & Leu, M. C. (2013). Additive manufacturing: technology, applications and research needs. Frontiers of Mechanical Engineering, 8(3), 215-243.
- National Institute of Standards and Technology (NIST). (2021). Measurement Science for Additive Manufacturing. Retrieved from https://www.nist.gov/programs-programs/measurement-science-additive-manufacturing-program
- ASTM International. (2021). Standard Terminology for Additive Manufacturing Technologies. ASTM F2792-12a.
- Kerbrat, O., Mognol, P., & Hascoët, J.-Y. (2010). A new DFM approach to combine machining and additive manufacturing. Proceedings of the 6th International Conference on Advanced Research in Virtual and Rapid Prototyping. (This paper).