Показано применение генеративного дизайна для металлической 3D-печати методом SLM c целью снижения времени печати и материалозатрат. В рамках исследования был отобран корпус из 30 единиц 3D-моделей традиционного дизайна, к которым был применен генеративный дизайн и изменена топология изделий. Полученные результаты свидетельствуют о значительном снижении времени 3D-печати (среднее значение 28,5%) и массы используемого порошкового металла (среднее значение 31,09%). В рамках исследования было зафиксировано увеличение потребности в поддерживающем материале, необходимом для обеспечения эффективной 3D-печати, среднее значение роста – 38%, что является ожидаемым следствием из-за особенностей формирования генеративных моделей. Несмотря на положительные результаты, для эффективного внедрения технологий генеративного дизайна в аддитивную отрасль потребуется развитие рынка программного обеспечения и наращивание высококвалифицированных кадров для подготовки 3D-моделей, соответствующих стандартам качества в 3D-печати.

Введение

В последние годы аддитивные технологии, в частности 3D-печать металлами, стали играть ключевую роль в производственных процессах различных отраслей, таких как аэрокосмическая, автомобильная, энергетика и
машиностроение. Эти технологии обеспечивают высокую гибкость в проектировании, возможность создания
сложных геометрий и снижение отходов по сравнению с традиционными методами производства [1]. Однако,
несмотря на их преимущества, существует ряд вызовов, связанных с необходимостью оптимизации производственных процессов.

Цель исследования заключается в изучении эффективности применения генеративного дизайна для оптимизации процессов металлической 3D-печати по критерия снижения используемого материала и времени печати.

Генеративный дизайн представляет собой инновационный подход, который позволяет автоматизировать
процесс проектирования при использовании аддитивных технологий и создавать оптимизированные конструкции с минимальным использованием материалов при сохранении прочностных характеристик [2]. Это
особенно актуально в условиях растущих требований к устойчивому развитию и экологической ответственности. Генеративный дизайн имеет большой потенциал, но не лишен проблем. В [3] отмечаются проблемы с вычислительными затратами и необходимостью постобработки на различных этапах производства.

Исследование возможностей применения генеративного дизайна может способствовать развитию более устойчивых и экономически эффективных производственных процессов, что является важной задачей для ключевых отраслей экономики.

Понятие генеративного дизайна

Генеративный дизайн представляет собой современный метод проектирования, который использует алгоритмические процессы и компьютерные технологии для создания оптимизированных форм и структур из исходной модели. Этот подход позволяет дизайнерам и инженерам задавать определенные параметры, такие
как материалы, размеры, нагрузки и производственные ограничения, после чего система генерирует множество вариантов решений, соответствующих заданным критериям [4].

В основе процесса лежит алгоритмическое моделирование, имитирующее процессы естественного отбора, что позволяет находить наиболее эффективные формы и структуры, которые могут быть неочевидны при традиционном проектировании [5]. Данный метод направлен на оптимизацию конструкции с учетом различных факторов, таких как прочность, вес, стоимость и функциональность. Это способствует созданию более легких и прочных изделий, что имеет дополнительное значение в таких отраслях, как аэрокосмическая и автомобилестроение [6].

Генеративный дизайн идеально сочетается с технологиями 3D-печати, так как позволяет создавать сложные
геометрические формы, которые трудно или невозможно изготовить традиционными методами [7].

Генерация новой топологии изделий

В данном исследовании генеративный дизайн был реализован с помощью программного обеспечения Autodesk Inventor 2025. Данный инструмент позволяет применять алгоритмические подходы для создания оптимизированных геометрических форм на основе заданных параметров и ограничений (рис. 1).

Рис. 1. Пример оптимизации топологии детали из корпуса
моделей исследования

Процесс начинается с определения требований к изделию, таких как механические нагрузки, ограничения по размеру и материалам. Затем Autodesk Inventor генерирует множество вариантов конструкции, из которых выбирается наиболее эффективный.

После генерации моделей пользователю предоставляется возможность оценить каждую из них, используя встроенные инструменты, такие как статический и динамический анализ, а также оценить устойчивость конструкций [8]. Это позволяет не только выявить оптимальные решения, но и понять, как различные параметры влияют на эффективность преобразований.

В ходе исследования были определены следующие параметры для измерения:

  • время печати: измерялось общее время, необходимое для завершения печати каждого образца, что позволяет оценить производительность процесса;
  • объем материала: измерялось количество порошкового металла, необходимого для печати каждого образца, что позволяет оценить экономическую эффективность процесса и возможности снижения материалозатрат.

Тестирование образцов до и после применения генеративного дизайна

Тестирование образцов включало несколько этапов.

  • . Подготовка образцов: сначала были отобраны 3D-модели с традиционным дизайном, и изготовлены новые модели с помощью генеративного дизайна в Autodesk Inventor. Все образцы (30 единиц) были рассчитаны для печати на 3D-принтере SLM Solution 280 v2. Материал печати – сталь AISI 440C.
  • Метод конечных элементов (МКЭ) использовался для анализа напряжений и деформаций образцов. Этот метод позволяет моделировать поведение материалов под воздействием различных нагрузок, обеспечивая точные прогнозы о прочности и устойчивости конструкций [9]. Модели были созданы в соответствующем программном обеспечении, где проводился анализ напряжений для обоих типов образцов (рис. 2).

Рис. 2. Анализ напряжений и деформаций по МКЭ

  • Расчет параметров, подлежащих изменению, – времени печати и материалозатрат производился в программе NetFabb.

3. NetFabb рассчитывает общее время печати на основе следующих факторов:

  • время сканирования: определяется скоростью лазера и число проходов, необходимых для заполнения каждого слоя;
  • время перемещения: учитывает время, затрачиваемое на перемещение лазера между областями печати;
  • общее число слоев: учитывается толщина каждого слоя и общая высота модели.

Расчёт количества порошкового материала, необходимого для печати модели происходит на основе:

  • объема материала: вычисляется за счет геометрии модели и заданной плотности материала;
  • потерь материала: учитываются потери при очистке и переработке неиспользованного порошка после печати.

4. Анализ результатов: оценивалось изменение выбранных в рамках исследования параметров моделей после применения генеративного дизайна. Внимание уделялось повышению эффективности использования материала и снижению энергозатрат при сохранении прочностных характеристик.

Сравнительный анализ параметров изделий до и после применения генеративного дизайна

В результате исследования были рассчитаны показатели, позволяющие определить эффективность проведенного генеративного изменения исходных моделей (таблица).

На основании данных таблицы были рассчитаны относительные показатели снижения массы, объема и времени печати:

  • экономия материала, необходимого для производства изделий варьируется 8,9…61,64% на выбранном массиве данных, при среднем значении в 31,09%;
  • изменение объема 3D-модели варьируется 3,3…64,55% при среднем значении в 35%;
  • экономия времени 3D-печати, необходимого для производства изделий варьируется 3,33…60% при среднем значении в 28,5%.

В абсолютном значении использование генеративного дизайна для исследуемого банка моделей позволило высвободить 872 ч печати и 30,8 кг порошкового металла.

Также в ходе исследования было получен отрицательный результат изменения массы (увеличение 6,5%) и времени печати (увеличение 7,4%) у одного из 30 образцов. Несмотря на уменьшения массы самого изделия, возросла масса поддерживающего материала, что привело к общему отрицательному результату – увеличилось и время печати, и необходимое количество материала. В связи с этим, дополнительно было проанализировано изменение массы поддержек при использовании генеративного дизайна (рис. 3).

Рис. 3. Изменение массы поддерживающего материала

Таблица. Результаты расчетов показателей для традиционных и генеративных образцов

Номер детали Исходные 3D-модели Модели, преобразованные генеративным дизайном
Объем,
см3		 Масса, г Масса с под. мат.1, г Время
3D-печати, ч		 Объем, см3 Масса, г Масса с под.
мат., г		 Время
3D-печати,
час
1 121,3 929,0 968,1 26,5 74,5 570,7 618,7 17,3
2 787,5 6032,3 6476,5 179,0 279,2 2138,4 2889,6 90,3
3 304,0 2328,5 2474,0 74,0 217,5 1666,2 1834,7 57,3
4 370,4 2837,2 2965,2 87,0 228,5 1750,3 2101,4 64,5
5 489,7 3751,3 3884,5 111,0 301,8 2311,6 2712,9 80,5
………
25 124,8 955,9 1001,9 27,5 86,1 659,2 703,6 19,5
26 188,4 1443,1 1501,4 40,5 113,4 869,0 911,3 25,0
27 11,5 87,7 112,6 6,0 9,3 71,3 101,9 5,8
28 1803,0 13810,7 14874,1 464,8 1137,3 8711,9 9705,1 303,0
29 395,0 3025,7 3069,1 83,0 203,5 1558,8 1647,4 46,0
30 48,4 370,7 398,8 12,0 29,6 226,8 252,7 8,0

В 16 из 30 образцов масса поддержек увеличилась со средним значением в 38%. Это связано с тем, что при генеративном дизайне создаются более витиеватые и сложные формы, требующие дополнительных поддержек во избежание деформации изделий при печати [10]. Тем не менее, несмотря на выявленный негативный эффект, связанный с увеличением поддерживающего материала, общие результаты исследования считаем положительными – генеративный дизайн позволил снизить массу, объем и вес печати в среднем на треть.

Заключение

Практическое значение полученных результатов заключается в поддержке принятия решений в процессе управления ресурсами производства при использовании аддитивных технологий с целью увеличения производительности, экологической устойчивости и адаптации к изменениям рынка.

Полученные результаты эксперимента, свидетельствующие о снижении времени печати и количества используемого материала, имеют значительное влияние на производственную логистику. Сокращение времени печати позволяет ускорить производственные циклы, что, в свою очередь, способствует более быстрой реакции на
изменения спроса и улучшению общей гибкости производства. Кроме того, уменьшение количества используемого
материала снижает затраты на сырье и улучшает общую экономическую эффективность процесса в рамках издержек производства.

Отметим, что одним из вызовов при использовании технологии генеративного дизайна в 3D-печати является ограниченность рынка программного обеспечения и недостаток высококвалифицированных кадров для подготовки моделей, удовлетворяющих требования к качественной 3D-печати. Надеемся, что общий тренд на развитие технологий искусственного интеллекта, а также растущий спрос отраслей, потребляющих продукты аддитивных технологий, позволят преодолеть данный барьер.

Список литературы

  1. Пахтаева А. Я. Методы генеративного дизайна // НОЭМА. 2021. No 2 (7), C. 213-220.
  2. Голубев О.В., Дегтярева А.Н., Сапёлкин М.Э. Возможности уменьшения углеродного выброса при применении аддитивных технологий // Автоматизация в промышленности. 2023. №11. 
  3. Zhang, Y., Wang, Z., Zhang, Y., Gomes, S., & Bernard, A. Bioinspired generative design for support structure generation and optimization in additive manufacturing (AM) // CIRP Annals. 2020. 69(1). 117–120. 
  4. Baker, S., Liu, Y., Zhang, H. Generative design: A new paradigm for design engineering // Journal of Mechanical Design. 2019. 141(10). 101-115.
  5. Zhu, J., Zhou, H., Wang, C., Zhou, L., Yuan, S., & Zhang, W. A review of topology optimization for additive manufacturing: Status and challenges // Chinese Journal of Aeronautics. 2021. 34(1), 91–110.
  6. Ashby, M. F., Johnson, K. Materials and Design: The Art and Science of Material Selection in Product Design. 2018. Butterworth-Heinemann
  7. Gibson, I., Rosen, D. W., Stucker, B. Additive Manufacturing Technologies: 3D Printing, Rapid Prototyping, and Direct Digital Manufacturing. 2015. Springer.
  8. Gonzalo Acosta-Zazueta, Jorge Alcaide-Marzal, José Antonio Diego-Más. (). Generative design software and different approaches // Proceedings of DARCH. 1st International Conference on Architecture & Design, 2021. 101-108.
  9. Вергазова О.Б., Королев Е.А. Применение метода конечных элементов для решения технических задач // Modern
    European Researches. 2021. № 2. С. 76-81.
  10. Mirzendehdel, A. M., & Suresh, K. (2016). Support structure constrained topology optimization for additive manufacturing // Computer-Aided Design. 81. 1–13.

Дегтярева Анна Николаевна – аспирант НИТУ «МИСИС», зам. генерального директора по развитию Studia3D,
Сапёлкин Максим Эдуардович – аспирант НИТУ «МИСИС», руководитель проекта АО «РАСУ»,
Голубев Олег Валентинович – канд. техн. наук, доцент, НИТУ «МИСИС»,
Камоничкин Дмитрий Тамашевич – генеральный директор Studia3D.
E-mail: anvishnevskay@mail.ru