PROGETTI DI RICERCA DI RILEVANTE INTERESSE NAZIONALE (PRIN) - BANDO PRIN 2022
PROGETTI FINANZIATI - UNIVERSITÀ DEGLI STUDI DI CASSINO E DEL LAZIO MERIDIONALE
Acronimo Prin2022_Di_Cocco_I-ADMA
ID Progetto 202299TTNW
Titolo Progetto I-ADMA Mechanical behaviour prediction of ADditively MAnufactured component by an artificial Intelligence approach
Responsabile Scientifico locale DI COCCO - Vittorio
Programma di finanziamento PRIN 2022
Ente finanziatore MIUR
Ruolo responsabile Partner
Finanziamento totale del progetto
249.999,00_€
Finanziamento per UNICAS
82.757,00_€
ID CALL PRIN_2022
Abstract Progetto La tecnologia di Additive Manufacturing (AM) sembra essere uno dei processi più promettenti per la produzione di componenti dalla forma complessa. Tuttavia, diversi problemi restano ancora irrisolti, tra i quali il principale è la definizione di un modello in grado di prevedere il comportamento meccanico dei componenti prodotti mediante stampa 3D a partire dalla conoscenza della microstruttura della lega e dai difetti indotti dal processo. L'obiettivo del progetto I-ADMA è fornire uno strumento di progettazione in grado di ottimizzare l'uso delle tecnologie AM in diversi settori industriali, come quello medico, aerospaziale e meccanico, portando l'Italia all'avanguardia in queste applicazioni. Per raggiungere il principale obiettivo di questo progetto, sono necessari i seguenti passaggi: (a) caratterizzazione approfondita della microstruttura della lega e dei difetti metallurgici in termini di morfologia e distribuzione; (b) determinazione delle proprietà meccaniche dei campioni prodotti con AM (come la fatica dei materiali, il danneggiamento da fatica, la tenacità alla frattura,...); (c) sviluppo di un modello predittivo basato su algoritmi di intelligenza artificiale (IA). Questo implica una collaborazione sinergica tra ricercatori che lavorano in settori diversi come il Design Strutturale, le Scienze e Tecnologie dell'Informazione e la Metallurgia, che sono le tre principali aree di ricerca coinvolte nel progetto proposto. L'aspetto principale è che tutte le indagini saranno effettuate su campioni prodotti con insiemi selezionati di parametri di processo, adatti a indurre diversi tipi di difetti nel materiale. Sarà effettuata una caratterizzazione approfondita dei campioni prodotti, con l'obiettivo di determinare la resistenza statica, la crescita di fessurazioni da fatica e la tenacità alla frattura, insieme all'analisi morfologica dei difetti. Saranno eseguiti test di trazione per determinare le proprietà meccaniche statiche, mentre la previsione della vita a fatica sarà valutata attraverso test di propagazione delle fessurazioni. Questo è necessario per creare un database per l'implementazione di procedure di IA per migliorare le proprietà del materiale che possono essere utilizzate per la progettazione di parti mediante analisi agli elementi finiti tenendo conto sia della tenacità alla frattura che della previsione della vita a fatica. A questo scopo, possono essere sfruttati diversi approcci e soluzioni con l'obiettivo di fornire quelli più adatti. Innanzitutto, verrà fornito uno strumento di regressione ad hoc per prevedere il comportamento meccanico del materiale in condizioni di stress, correlando i parametri di produzione operativi con i difetti identificati. Inoltre, progettando un classificatore opportunamente addestrato, sarà possibile determinare il tipo di difetti che hanno generato un comportamento meccanico specifico; l'approccio dell'intelligenza artificiale consente, attraverso metodi come le reti neurali e le macchine a vettori di supporto, di risparmiare tempo e costi di produzione nella rilevazione dei difetti. Infine, con l'introduzione di un'azione di feedback, può fornire un parametro di sintonizzazione efficiente per la progettazione del materiale rispetto alla riduzione dei difetti.
SOTTO SETTORI ERC PE8_7 Mechanical engineering
Anno presentazione 2022
Anno Inizio Finanziamento 2023
Anno Fine Finanziamento 2025