Senvol 使用机器学习进行增材制造材料可行性开发，准确预测材料性能

2023年7月12日，南极熊获悉，总部位于纽约的数据库管理公司Senvol最近展示了一种用于材料可行性开发的机器学习方法，与传统方法相比，该方法更灵活、更经济、更省时。在本案例中，Senvol将这种方法应用到了金属材料性能的标准化开发（MMPDS）过程中。

这项工作是Senvol与美国政府合同W911NF-20-9-0009 的一部分，目的是应用其机器学习软件Senvol ML，为快速开发增材制造（AM）的材料可行性提供途径。在制造和工程领域中，材料可行性是指材料在特定条件下的可靠性和性能限制。这些条件可能包括温度、压力、应力、环境影响等。

Senvol在该项目中的合作伙伴包括EWI和Pilgrim Consulting。Battelle公司和洛克希德马丁公司的研究员Hector Sandoval也担任了该项目的技术顾问。该合同由国家制造科学中心（NCMS）通过AMMP其他交易协议（OTA）项目管理。

机器学习方法非常灵活，能够应对增材制造工艺中的任何变化，这使得该方法非常适合长期运行。该项目的重点是使用通过粉末床熔融增材制造机器加工的17-4 PH不锈钢材料对新方法进行示范。

Senvol总裁Annie Wang表示："材料可行性开发是一项非常昂贵和耗时的工作，Senvol的项目非常成功地展示了一种利用机器学习进行增材制造可行性开发的新方法。我们对结果非常满意，并期待在这一前沿领域继续开展工作。"

△在Senvol的AMMP项目中制造的试样。

可行性开发的高成本在很大程度上源于这样一个事实，即材料可行性开发需要在一个固定的加工点生成大量的经验数据，这意味着每当工艺发生重大变化时，所有的经验数据通常都必须从头开始重新生成。这导致增材制造工艺不仅在首次实施时成本高、耗时长，而且当增材制造工艺不可避免地发生变化时，长期维护的成本也很高，耗时长。

Hector Sandoval审查了AMMP计划的技术方法和测试结果，他补充说："我有使用传统方法制定材料允许值的经验。目前的流程运行良好，但也存在一些局限性。通过审查技术方法、测试结果和最终演示来支持AMMP计划是令人兴奋的。很高兴能亲眼目睹利用基于机器学习的方法帮助确定材料可行性的潜力。"

Senvol ML软件支持增材制造工艺的鉴定，并在该项目中用于开发经统计证实的材料属性，类似于材料允许值。此外，该软件还同时优化了数据生成要求。值得注意的是，该软件非常灵活，可应用于任何增材制造工艺、机器和材料。值得注意的是，该项目并未开发真正的可行性。由于预算和程序限制，项目团队不得不做出一些简化决定。

Senvol公司总裁ZachSimkin表示："机器学习在增材制造工艺和材料开发中的应用已经非常成熟。这已经被工业界所采用，并且是唾手可得的成果。。然而，将机器学习专门用于材料可行性开发仍是一项正在进行中的工作。我很高兴我们现在已经成功地演示了两次机器学习的方法--一次是在这个项目中使用金属合金并与MMPDS进行比较，另一次是在之前由America Makes资助的项目中使用聚合物材料并与CMH-17进行比较--但还需要更多的研究。前景是巨大的，我们期待继续与政府和行业合作，推进这一领域的工作。”

Senvol总裁Zach Simkin表示："我很高兴能加入Senvol的团队参与该项目。Senvol的机器学习方法直接解决了行业面临的主要挑战：快速、经济地开发增材制造材料的性能允许值。“

William E. Frazier博士表示："我曾参与过多项增材制造工艺和飞行材料的鉴定工作，在我看来，该技术的进一步发展将对国防和商业平台的成本、进度和性能产生积极影响。

Senvol ML软件的用户包括航空航天、国防、石油和天然气、消费品、医疗和汽车行业的组织，以及增材制造机器制造商和增材制造材料供应商。