Document details

O fabrico aditivo (FA) é um processo de fabrico em rápida evolução que permite a produção de componentes que combinam inovações em materiais, processos, sistemas e design geométrico. Os métodos de fabricação por directed energy deposition (DED), como por exemplo fabrico aditivo por soldadura a arco elétrico (WAAM) e por soldadura a laser (LMD), estão a ganhar interesse, tanto no meio académico como na indústria, para o desenvolvimento de grandes estruturas metálicas a custos reduzidos e com propriedades otimizadas. No entanto, a aplicação de componentes DED é ainda limitada devido a desafios relacionados com a operacionalidade dos sistemas, a variabilidade das condições do processo e a viabilidade no fabrico de estruturas. Em particular, a interligação dos equipamentos e as complexidades do processo necessitam de ser estudadas para garantir a qualidade dos componentes fabricados e aumentar a repetibilidade dos processos. É necessário desenvolver sistemas robustos para a produção por DED, interligando otimizações no material, no processo e no design. Assim, esta tese visa desenvolver uma solução DED que simplifique o processo de fabrico de um componente metálico, considerando o processo desde o design até ao componente final. A solução completa consiste em (1) uma aplicação fácil de utilizar, desenvolvida em C#, (2) modelos de simulação (i.e., gémeo digital do robô e um simulador da deposição de materiais desenvolvido no Unity Game Engine) e (3) uma célula robótica integrada com ferramentas DED. Esta solução é demonstrada com comissionamento de células robóticas DED, o primeiro sistema integra um robô da ABB com o processo WAAM, e o segundo sistema integra um robô KUKA com o processo LMD. De seguida, a investigação visa a quantificação e modelação das variações do processo para o processo DED baseado em arco-elétrico. A quantificação destas variações é necessária para desenvolver estratégias no planeamento de trajetórias que possam produzir componentes sem defeitos. Nesta vertente, a tese foca na quantificação do impacto das condições de soldadura na geometria do material depositado e nas variações das condições do processo, como por exemplo, gradientes térmicos, e variação de parâmetros de soldadura. Relativamente à geometria, é apresentado uma metodologia que automatiza a recolha de dados do processo e a digitalização do cordão de soldadura, bem como a análise dos dados da nuvem de pontos. A metodologia é testada com cordões de soldadura de passe único, sobre uma chapa metálica, depositados com diferentes parâmetros de processo, seguidos de correspondência espaço-temporal para obter a variação geométrica longitudinal do material soldado. Posteriormente, foram desenvolvidos modelos de regressão para a previsão de altura e largura do material depositado. De seguida, foi estabelecido um modelo analítico para a previsão da sobreposição de múltiplos cordões, calculando interações em cordões empilhados e em cordões sobrepostos na mesma camada. Relativamente às variações do processo, foram identificadas possíveis fontes de incerteza que dependem do modo de transferência do material. Além disso, uma campanha experimental, com aço carbono, revelou fortes correlações entre os parâmetros de impressão, o tempo de arrefecimento, e a geometria resultante do material depositado. Por fim, é proposta uma metodologia para fabrico aditivo que combina a arquitetura integrada do sistema com os ajustes finos das condições do processo. A partir de casos de estudo testados são delineados procedimentos para a produção de componentes, que permitem um desenvolvimento mais rápido das estruturas fabricadas por DED, com uma maior garantia na qualidade dos componentes.

Additive manufacturing (AM) is a rapidly evolving manufacturing process that enables tailor-made components, that blend innovations in materials, processes, systems and design. Directed energy deposition (DED) methods, like wire arc additive manufacturing (WAAM) and laser metal deposition (LMD), are gaining attention, by both academia and industry, for the development of large metal structures with reduced costs, and optimized properties (e.g., improved structural performance). However, application of DED components is, still, limited due to significant challenges regarding the operability of systems, the variability of process conditions and feasibility of manufacturing structures. In particular, the interconnection of equipment and process complexities needs further understanding to elevate the quality of components manufactured and repeatability of processes. It is necessary to develop robust manufacturing systems to apply DED methods, combining material, process and design aspects. Accordingly, this thesis aims for a fully integrated DED solution that can make manufacturing a component straightforward from the conceptual design to the final component, generalizing the AM process with a control methodology independent of AM process and brand-specific robots for robotic cells integrated with DED deposition tools. This solution consists of (1) an easy-to-use human-machine interface developed in C#, (2) simulation models (i.e., digital twin of the robot and a material placement simulator developed in Unity Game Engine), and (3) a robotic cell integrated with DED tools. The solution is shown functional by the successful commissioning of independent DED robotic cells. The first is an ABB robot using WAAM process, and the second is a KUKA robot using wire-based LMD. Focusing on WAAM process, the research targets the quantification and modelling of process variations for arc-based DED process; quantifying these variations is necessary for developing tool path planning strategies that can produce components without defects. Furthermore, the impact of welding conditions on the geometry of material deposited, and the fluctuations of the process conditions, such as thermal gradients, associated to welding parameters are systematically evaluated. Regarding geometry, it is presented a framework that automates process data collection and 3D scanning of manufactured samples and the analysis of point cloud data. This framework is tested with single-pass bead-on-plate weld beads deposited using different process parameters followed by a spatial-temporal matching to obtain the longitudinal variation of welded material. Subsequently, machine learning models for prediction of height and width are developed, demonstrating a high degree of accuracy in predicting in-process variations within the deposited material. Next, an analytical overlapping model is established to extend the single-pass weld bead results for multi-pass scenarios, calculating the interactions of stacked beads (single-pass wall configuration) and of overlapped beads in the same layer. Regarding the process variations, it is identified possible sources of uncertainty that are dependent on the material transfer mode and process conditions (e.g., contact-tip-to-work distance). In addition, experimental characterisation revealed strong correlations between the process parameters, the cooling time, and the resulting geometry. Lastly, an assembly-like manufacturing framework is proposed, combining the integrated system architecture with the process condition fine-tuning. From tested case studies, like wall structures, auxetic structures and optimized structures, applicable manufacturing procedures are identified and explained. This codification of process, material and geometry permits a faster development of manufacturable structures with increased quality assurance.