Σχεδιασμός για την προσθετική κατασκευή, πειραματική διερεύνηση, ευφυή προγνωστική μοντελοποίηση και βελτιστοποίηση της μηχανικής συμπεριφοράς εξαρτημάτων

Abstract

Additive Manufacturing (AM) has emerged as one of the most significant technological developments in modern manufacturing, offering unprecedented design freedom, the capability to fabricate highly complex geometries, and considerable reductions in product development time. Despite its rapid industrial adoption, the mechanical performance of additively manufactured components remains strongly dependent on numerous process parameters, highlighting the need for reliable optimization and predictive methodologies. The primary objective of this doctoral dissertation is to investigate the influence of the most critical additive manufacturing process parameters on the mechanical behavior of specimens subjected to three-point bending and to develop advanced predictive models capable of accurately estimating their mechanical properties. The research focuses on Fused Filament Fabrication (FFF/FDM) and Stereolithography (SLA) technologies using PLA, ABS, and photopolymer resin materials. The experimental investigation was based on the Taguchi Design of Experiments methodology employing orthogonal arrays, enabling the systematic evaluation of multiple process variables while significantly reducing the number of required experimental trials. Specimens were fabricated under various combinations of processing parameters and tested according to ASTM D790 three-point bending standard. Multiple repetitions were conducted for each experimental condition, accompanied by detailed dimensional measurements and statistical assessment of experimental repeatability. The acquired experimental data were analyzed using Signal-to-Noise (S/N) ratio analysis, Analysis of Variance (ANOVA), multiple linear regression modelling, and Adaptive Neuro-Fuzzy Inference System (ANFIS) modelling. Furthermore, optimization procedures for the ANFIS membership functions were implemented and evaluated to improve the predictive capability of the developed intelligent models. The experimental findings demonstrate that printing orientation, infill pattern, infill density, layer thickness, thermal processing conditions, and post-processing parameters constitute the dominant factors affecting maximum bending stress, fracture strain, and flexural modulus. The analysis further highlights the pronounced anisotropic behavior of additively manufactured components and confirms the decisive influence of interlayer bonding quality on their overall mechanical performance. The comparative evaluation of the applied methodologies indicates that the Taguchi method provides an efficient framework for process optimization and factor significance assessment, whereas regression models offer reliable analytical prediction equations within the investigated design space. Among all examined approaches, the ANFIS models achieved the highest prediction accuracy by successfully capturing the highly nonlinear relationships between manufacturing parameters and mechanical properties. The principal contribution of this dissertation is the development of an integrated methodology that combines experimental design, statistical analysis, mathematical modelling, and artificial intelligence techniques for the prediction and optimization of the mechanical performance of additively manufactured components. The proposed framework provides a valuable decision-support tool for industrial additive manufacturing applications and establishes a solid foundation for the future development of intelligent process optimization systems.

Η προσθετική κατασκευή (ΠΚ) (Additive Manufacturing – AM) αποτελεί μία από τις σημαντικότερες τεχνολογικές εξελίξεις της σύγχρονης βιομηχανίας, προσφέροντας υψηλό βαθμό σχεδιαστικής ελευθερίας, δυνατότητα παραγωγής σύνθετων γεωμετριών και σημαντική μείωση του χρόνου ανάπτυξης νέων προϊόντων. Παρά τη ραγδαία εξάπλωση των τεχνολογιών αυτών, η μηχανική συμπεριφορά των παραγόμενων εξαρτημάτων εξακολουθεί να επηρεάζεται έντονα από μεγάλο αριθμό παραμέτρων εκτύπωσης, γεγονός που καθιστά αναγκαία την ανάπτυξη αξιόπιστων μεθόδων βελτιστοποίησης καιπρόβλεψης των μηχανικών τους ιδιοτήτων. Σκοπός της παρούσας διδακτορικής διατριβής είναι η διερεύνηση της επίδρασης των σημαντικότερων παραμέτρων προσθετικής κατασκευής στις μηχανικές ιδιότητες δοκιμίων που υποβάλλονται σε κάμψη τριών σημείων, καθώς και η ανάπτυξη και αξιολόγηση προηγμένων μοντέλων πρόβλεψης των μηχανικών χαρακτηριστικών τους. Η έρευνα επικεντρώνεται στις τεχνολογίες κατασκευή με σύντηξη νήματος (Fused Filament Fabrication-FFF) και στερεολιθογραφία (Stereolithography-SLA), χρησιμοποιώντας θερμοπλαστικά υλικά πολυγαλακτικό οξύ (Polylactic Acid-PLA) και ακρυλονιτριλικό βουταδιένιο στυρόλιο (Acrylonitrile Butadiene Styrene-ABS), καθώς και φωτοπολυμεριζόμενες ρητίνες.Η πειραματική διαδικασία βασίστηκε στον σχεδιασμό πειραμάτων της μεθόδου Taguchi με χρήση ορθογώνιων πινάκων, επιτρέποντας τη συστηματική διερεύνηση πολλαπλών παραγόντων με σημαντική μείωση του αριθμού των απαιτούμενων πειραμάτων. Τα δοκίμια κατασκευάστηκαν υπό διαφορετικούς συνδυασμούς παραμέτρων εκτύπωσης και υποβλήθηκαν σε δοκιμές κάμψης σύμφωνα με το πρότυπο ASTM D790. Για κάθε πείραμα πραγματοποιήθηκαν πολλαπλές επαναλήψεις, ενώπαράλληλα πραγματοποιήθηκε πλήρης διαστασιολογικός έλεγχος των δοκιμίων και στατιστική αξιολόγηση της επαναληψιμότητας των αποτελεσμάτων. Η επεξεργασία των πειραματικών δεδομένων πραγματοποιήθηκε μέσω ανάλυσης λόγων σήματος προς θόρυβο (Signal-to-Noise Ratios – S/N), ανάλυσης διακύμανσης (Analysis of Variance-ANOVA), ανάπτυξης πολυπαραγοντικών μοντέλων γραμμικής παλινδρόμησης και δημιουργίας προγνωστικών μοντέλων βασισμένων σε προσαρμοστικά νευρο-ασαφή συστήματα συμπερασμού (Adaptive Neuro-Fuzzy Inference Systems – ANFIS). Επιπλέον, αναπτύχθηκαν διαδικασίες βελτιστοποίησης των συναρτήσεων συμμετοχής και αξιολογήθηκε η επίδρασή τους στην ακρίβεια των προβλέψεων. Τα αποτελέσματα καταδεικνύουν ότι ο προσανατολισμός εκτύπωσης, η γεωμετρία πλήρωσης, η πυκνότητα πλήρωσης, το πάχος στρώσης, οι συνθήκες θερμικής επεξεργασίας και οι παράμετροι μετεπεξεργασίας αποτελούν τους κυριότερους παράγοντες που επηρεάζουν τη μέγιστη τάση κάμψης, την παραμόρφωση θραύσης και το μέτρο ελαστικότητας των δοκιμίων. Η ανάλυση ανέδειξε επίσης τη σημαντική επίδραση της ανισοτροπίας που χαρακτηρίζει τις κατασκευές προσθετικής κατασκευής, καθώς και τον καθοριστικό ρόλο της ποιότητας των διαστρωματικών δεσμών στη μηχανική συμπεριφορά των δοκιμίων. Η συγκριτική αξιολόγηση των εφαρμοζόμενων μεθοδολογιών έδειξε ότι η μέθοδος Taguchi αποτελεί ένα ιδιαίτερα αποτελεσματικό εργαλείο για τον προσδιορισμό των βέλτιστων συνδυασμών παραμέτρων και την ποιοτική αξιολόγηση της επίδρασής τους, ενώ τα μοντέλα παλινδρόμησης παρέχουν αξιόπιστες αναλυτικές σχέσεις πρόβλεψης εντός του εξεταζόμενου πειραματικού πεδίου. Παράλληλα, τα μοντέλα με προσαρμοστικά νευρο-ασαφή συστήματα συμπερασμού (Adaptive Neuro-Fuzzy Inference Systems – ANFIS) παρουσίασαν την υψηλότερη προβλεπτική ικανότητα, αποτυπώνονταςμε μεγαλύτερη ακρίβεια τις έντονα μη γραμμικές σχέσεις μεταξύ των παραμέτρων εκτύπωσης και των μηχανικών ιδιοτήτων των δοκιμίων. Η συμβολή της παρούσας διατριβής συνίσταται στη δημιουργία μιας ολοκληρωμένης μεθοδολογίας που συνδυάζει πειραματικό σχεδιασμό, στατιστική ανάλυση, μαθηματική μοντελοποίηση και τεχνικές τεχνητής νοημοσύνης για την πρόβλεψη και βελτιστοποίηση της μηχανικής συμπεριφοράς εξαρτημάτων προσθετικής κατασκευής. Η προτεινόμενη προσέγγιση μπορεί να αποτελέσει χρήσιμο εργαλείο τόσο για τη βιομηχανική εφαρμογή της προσθετικής κατασκευής όσο και για τη μελλοντική ανάπτυξη ευφυών συστημάτων σχεδιασμού και βελτιστοποίησης διαδικασιών παραγωγής.