Tổng quan nghiên cứu

Công nghệ bồi đắp vật liệu (Additive Manufacturing – AM), hay còn gọi là in 3D, đã trở thành một bước đột phá trong sản xuất hiện đại, đặc biệt trong bối cảnh cuộc cách mạng công nghiệp 4.0. Theo báo cáo ngành, số lượng bài báo nghiên cứu về ứng dụng AM trong công nghiệp đã tăng nhanh, với hơn 116 bài được xuất bản từ năm 2015 đến 2020, tập trung chủ yếu vào kỹ thuật, khoa học máy tính và khoa học vật liệu. Trong đó, công nghệ in 3D sử dụng vật liệu lỏng (Resin) như công nghệ DLP/LCD được đánh giá cao về độ chính xác và chất lượng bề mặt sản phẩm.

Luận văn tập trung nghiên cứu ảnh hưởng của các thông số công nghệ trong quá trình in 3D sử dụng vật liệu lỏng đến chất lượng sản phẩm mẫu đúc, đặc biệt là mẫu đúc khuôn mẫu chảy (Investment Casting). Mục tiêu chính là xác định các thông số công nghệ ảnh hưởng đến độ chính xác hình học và cơ tính của sản phẩm, từ đó tối ưu hóa quy trình in 3D nhằm nâng cao chất lượng sản phẩm cuối cùng. Nghiên cứu được thực hiện tại Trường Đại học Bách Khoa – Đại học Quốc gia TP.HCM trong khoảng thời gian từ tháng 5 đến tháng 12 năm 2021.

Ý nghĩa của nghiên cứu thể hiện rõ qua việc cải thiện độ chính xác kích thước và chất lượng bề mặt của mẫu đúc, góp phần rút ngắn thời gian sản xuất, giảm chi phí và tăng hiệu quả trong ngành đúc kim loại. Đồng thời, kết quả nghiên cứu hỗ trợ phát triển công nghệ in 3D resin hướng đến ứng dụng công nghiệp, đáp ứng nhu cầu thương mại hóa tại thị trường Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình nghiên cứu về công nghệ bồi đắp vật liệu, đặc biệt là công nghệ phản ứng quang hóa VAT Photopolymerisation, trong đó có các công nghệ SLA (Stereolithography) và DLP/LCD (Digital Light Processing). Các khái niệm chính bao gồm:

  • Thông số công nghệ in 3D resin: bề dày lớp (layer thickness), thời gian phơi sáng (exposure time), khoảng cách nhấc bàn máy (lift distance), tốc độ nhấc bàn (retract speed), số lượng lớp đáy (bottom layer count), và cường độ chiếu sáng.
  • Độ chính xác hình học: sai số kích thước giữa mẫu in và thiết kế CAD, ảnh hưởng bởi co rút vật liệu và các biến quá trình.
  • Quy hoạch thực nghiệm bề mặt đáp ứng (Response Surface Methodology – RSM): phương pháp thống kê để xây dựng mô hình toán học mô tả mối quan hệ giữa các thông số công nghệ và chất lượng sản phẩm.
  • Mạng nơ-ron nhân tạo (Artificial Neural Network – ANN): kỹ thuật mô phỏng trí tuệ nhân tạo để dự đoán và tối ưu hóa kết quả dựa trên dữ liệu thực nghiệm.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ các thí nghiệm in 3D resin sử dụng máy in Photon S với vật liệu photopolymer dạng lỏng. Cỡ mẫu gồm khoảng 32 mẫu in với các tổ hợp thông số công nghệ khác nhau được thiết kế theo phương pháp FCCCD (Face-Centered Central Composite Design) nhằm khảo sát ảnh hưởng của ba nhân tố chính: bề dày lớp, thời gian phơi sáng và tốc độ nhấc bàn máy.

Quy trình nghiên cứu gồm các bước: thiết kế thí nghiệm, chế tạo mẫu thử, đo đạc kích thước thực tế bằng thước kẹp điện tử với độ chính xác ±0.01 mm, thu thập dữ liệu, phân tích phương sai (ANOVA) để đánh giá mức độ ảnh hưởng của từng thông số, xây dựng mô hình hồi quy RSM và huấn luyện mạng ANN để dự đoán kết quả.

Thời gian nghiên cứu kéo dài từ tháng 5 đến tháng 12 năm 2021, đảm bảo thu thập đủ dữ liệu thực nghiệm và xử lý phân tích nhằm xác định bộ thông số công nghệ tối ưu cho chất lượng sản phẩm mẫu đúc.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Ảnh hưởng của bề dày lớp đến độ chính xác kích thước: Kết quả phân tích cho thấy bề dày lớp là yếu tố có ảnh hưởng lớn nhất đến sai số kích thước mẫu đúc. Khi bề dày lớp tăng từ 0.05 mm lên 0.1 mm, sai số kích thước trung bình tăng khoảng 15%, làm giảm độ chính xác hình học của sản phẩm.

  2. Thời gian phơi sáng ảnh hưởng đến độ bền và độ cong vênh: Thời gian phơi sáng quá ngắn dẫn đến mẫu in có độ cứng thấp, dễ bị biến dạng; trong khi thời gian phơi sáng quá dài gây ra ứng suất dư, làm cong vênh chi tiết. Thời gian phơi sáng tối ưu được xác định trong khoảng 3 giây/lớp, giúp cân bằng giữa độ chính xác và độ bền.

  3. Tốc độ nhấc bàn máy ảnh hưởng đến hiện tượng nứt gãy lớp: Tốc độ nhấc quá nhanh (> 50 mm/phút) gây ra hiện tượng nứt gãy lớp do lực kéo mạnh, làm giảm chất lượng bề mặt và độ bền sản phẩm. Tốc độ nhấc tối ưu được đề xuất là khoảng 30 mm/phút.

  4. So sánh mô hình RSM và ANN: Mô hình ANN cho kết quả dự đoán chính xác hơn với sai số trung bình tuyệt đối (MAE) thấp hơn 12% so với mô hình RSM, đặc biệt trong các trường hợp phức tạp với nhiều biến tương tác.

Thảo luận kết quả

Nguyên nhân chính của các ảnh hưởng trên liên quan đến đặc tính vật liệu photopolymer và cơ chế đóng rắn dưới tác động của ánh sáng UV. Bề dày lớp lớn làm giảm độ phân giải theo chiều dọc, gây sai số kích thước. Thời gian phơi sáng ảnh hưởng đến mức độ đóng rắn và ứng suất nội tại, từ đó tác động đến độ bền và biến dạng sản phẩm. Tốc độ nhấc bàn máy cần được điều chỉnh để tránh lực kéo quá lớn gây nứt gãy lớp.

So với các nghiên cứu trước đây, kết quả phù hợp với báo cáo về ảnh hưởng của thông số phơi sáng và bề dày lớp trong công nghệ SLA và DLP. Việc áp dụng mô hình ANN cho thấy tiềm năng lớn trong dự đoán và tối ưu hóa quy trình in 3D resin, hỗ trợ nâng cao chất lượng sản phẩm mẫu đúc.

Dữ liệu có thể được trình bày qua biểu đồ phân tích phương sai thể hiện mức độ ảnh hưởng của từng thông số, biểu đồ sai số kích thước theo bề dày lớp, và đồ thị so sánh MAE giữa RSM và ANN.

Đề xuất và khuyến nghị

  1. Tối ưu bề dày lớp in: Khuyến nghị sử dụng bề dày lớp từ 0.05 đến 0.07 mm để đảm bảo độ chính xác kích thước và bề mặt mịn màng, áp dụng trong vòng 3 tháng tới cho các quy trình sản xuất mẫu đúc.

  2. Điều chỉnh thời gian phơi sáng: Thiết lập thời gian phơi sáng chuẩn khoảng 3 giây/lớp, đồng thời kiểm soát độ nhớt vật liệu để tránh hiện tượng cong vênh, thực hiện đào tạo kỹ thuật viên trong 1 tháng.

  3. Kiểm soát tốc độ nhấc bàn máy: Giới hạn tốc độ nhấc bàn máy ở mức 30 mm/phút để giảm thiểu nứt gãy lớp, đồng thời nâng cấp phần mềm điều khiển máy in để tự động điều chỉnh tốc độ phù hợp, hoàn thành trong 6 tuần.

  4. Áp dụng mô hình ANN trong quản lý quy trình: Triển khai phần mềm dự đoán và tối ưu thông số dựa trên mạng nơ-ron nhân tạo nhằm nâng cao hiệu quả và chất lượng sản phẩm, đào tạo nhân sự và tích hợp hệ thống trong vòng 6 tháng.

Các giải pháp trên cần sự phối hợp giữa bộ phận kỹ thuật, quản lý sản xuất và phòng nghiên cứu phát triển để đảm bảo tính khả thi và hiệu quả.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư và nhà quản lý sản xuất trong ngành đúc kim loại: Nghiên cứu cung cấp kiến thức về tối ưu hóa quy trình in 3D resin làm mẫu đúc, giúp giảm sai số kích thước và tăng hiệu quả sản xuất.

  2. Nhà nghiên cứu và phát triển công nghệ in 3D: Luận văn trình bày phương pháp phân tích và mô hình hóa thông số công nghệ, hỗ trợ phát triển các công nghệ in 3D resin tiên tiến.

  3. Doanh nghiệp sản xuất thiết bị in 3D resin: Thông tin về ảnh hưởng các thông số công nghệ giúp cải tiến thiết bị, nâng cao độ tin cậy và chất lượng sản phẩm, đáp ứng nhu cầu thị trường.

  4. Sinh viên và giảng viên ngành kỹ thuật cơ khí, vật liệu: Tài liệu tham khảo hữu ích cho việc học tập, nghiên cứu về công nghệ bồi đắp vật liệu và ứng dụng trong sản xuất công nghiệp.

Câu hỏi thường gặp

  1. Các thông số công nghệ nào ảnh hưởng nhiều nhất đến chất lượng sản phẩm in 3D resin?
    Bề dày lớp, thời gian phơi sáng và tốc độ nhấc bàn máy là ba thông số chính ảnh hưởng đến độ chính xác kích thước và độ bền sản phẩm. Ví dụ, bề dày lớp lớn làm tăng sai số kích thước lên khoảng 15%.

  2. Phương pháp nào được sử dụng để tối ưu hóa thông số công nghệ?
    Luận văn sử dụng quy hoạch thực nghiệm bề mặt đáp ứng (RSM) và mạng nơ-ron nhân tạo (ANN) để xây dựng mô hình dự đoán và tối ưu hóa thông số, trong đó ANN cho kết quả chính xác hơn.

  3. Tại sao tốc độ nhấc bàn máy lại quan trọng trong quá trình in?
    Tốc độ nhấc quá nhanh gây lực kéo mạnh, dẫn đến hiện tượng nứt gãy lớp, làm giảm chất lượng bề mặt và độ bền sản phẩm. Tốc độ nhấc tối ưu khoảng 30 mm/phút giúp tránh hiện tượng này.

  4. Lợi ích của việc sử dụng công nghệ in 3D resin trong đúc mẫu chảy là gì?
    Công nghệ giúp giảm thời gian sản xuất mẫu, giảm chi phí và tăng độ chính xác kích thước, đồng thời cho phép tạo mẫu phức tạp mà phương pháp truyền thống khó thực hiện.

  5. Mô hình ANN có ưu điểm gì so với RSM trong nghiên cứu này?
    ANN có khả năng xử lý các mối quan hệ phi tuyến và tương tác phức tạp giữa các biến, cho kết quả dự đoán với sai số trung bình thấp hơn 12% so với RSM, phù hợp cho tối ưu đa mục tiêu.

Kết luận

  • Nghiên cứu đã xác định rõ ảnh hưởng của các thông số công nghệ in 3D resin đến chất lượng sản phẩm mẫu đúc, trong đó bề dày lớp, thời gian phơi sáng và tốc độ nhấc bàn máy là các yếu tố quan trọng nhất.
  • Phương pháp quy hoạch thực nghiệm bề mặt đáp ứng (RSM) và mạng nơ-ron nhân tạo (ANN) được áp dụng hiệu quả để mô hình hóa và tối ưu hóa quy trình in.
  • Mô hình ANN cho kết quả dự đoán chính xác hơn, mở ra hướng phát triển ứng dụng trí tuệ nhân tạo trong quản lý quy trình sản xuất.
  • Kết quả nghiên cứu góp phần nâng cao chất lượng sản phẩm đúc, giảm chi phí và thời gian sản xuất, hỗ trợ phát triển công nghệ in 3D resin hướng đến ứng dụng công nghiệp tại Việt Nam.
  • Các bước tiếp theo bao gồm triển khai các giải pháp tối ưu trong sản xuất thực tế, đào tạo nhân sự và phát triển phần mềm hỗ trợ dự đoán thông số công nghệ.

Để nâng cao hiệu quả sản xuất và chất lượng sản phẩm, các doanh nghiệp và nhà nghiên cứu được khuyến khích áp dụng kết quả nghiên cứu này, đồng thời tiếp tục phát triển các công nghệ in 3D resin tiên tiến hơn.