Pbkp_redicción de propiedades mecánicas aplicando un Sistema de Inferencia Neuro-Difuso en Manufactura aditiva

Abstract:

En el presente trabajo se evalúa la aplicabilidad de una herramienta de inteligencia artificial para la pbkp_redicción de propiedades mecánicas en manufactura aditiva (AM). La fabricación aditiva brinda la posibilidad de procesar varios materiales desde polímeros y cerámicos hasta metales, sin embargo, la utilización de esta tecnología se ve limitada debido a que las propiedades mecánicas no son homogéneas, debido principalmente a la naturaleza de fabricación por capas, ya que existe porosidad entre capas adyacentes lo cual incrementa la velocidad de degradación de materiales fabricados por AM. Para la pbkp_redicción de la porosidad en probetas de acero inoxidable 316L fabricadas mediante fusión selectiva laser (SLM) se aplica una técnica de machine learning y se evalúa la precisión del sistema de inferencia neuro-difuso (ANFIS). Se utilizó un total de 64 conjuntos de datos, de los cuales el 80% se utilizó para entrenamiento, 10% para validación y 10% para pbkp_redicción. Se evaluaron distintas configuraciones de hiperparámetros hasta obtener pbkp_redicciones con mínimo error, se evaluó la precisión del sistema aplicando tres métricas estadísticas: error cuadrático medio (RMSE), error porcentual absoluto medio (MAPE) y el coeficiente de determinación (R2). Como conclusión se establece que la aplicación de ANFIS resulta fácil de implementar y la precisión alcanzada es de 1,364, 0,129 y 0, 9998 para RMSE, MAPE y R2 respectivamente. Palabras Clave: Manufactura aditiva, Fusión selectiva láser, Porosidad, Sistema de inferencia neurodifuso. Manufactura aditiva, Fusión selectiva láser, Porosidad, Sistema de inferencia neurodifuso.

Año de publicación:

2020

Keywords:

Fuente:

google