Riassunto analitico
Negli ultimi anni, i processi di Additive Manufacturing hanno conosciuto una crescita significativa. Tuttavia, la letteratura mette in evidenza come la mancanza di un flusso di lavoro lineare e ben definito limiti il loro pieno potenziale. Il workflow di design che rappresenta lo stato dell’arte attuale prevede, a seguito dell’ottimizzazione topologica, un processo iterativo di redesign manuale tramite superfici NURBS. Durante questo processo, vengono identificati i punti di concentrazione delle tensioni attraverso simulazioni fisiche ed effettuando una modifica manuale della geometria si riducono i picchi di tensione. Questo processo è laborioso e fortemente dipendente dall'esperienza del progettista, unita alla conoscenza degli strumenti matematici e alla familiarità con il software.
La presente tesi si propone di sviluppare due nuovi Metodi di Design for Additive Manufacturing basate sull'ottimizzazione topologica, che siano sistematiche e fondate su strumenti numerici. L’obiettivo è quello di ottenere un processo di progettazione altamente automatizzato, facilmente replicabile e minormente influenzato dalle competenze e conoscenze del progettista.
Per definire tali metodologie, si è fatto uso della piattaforma CAD integrata 3DExperience di Dassault Systèmes, effettuando come prima cosa uno studio dei nuovi tool di ottimizzazione presenti nell’applicazione Structural Generative Design per l’Ottimizzazione Parametrica e l’Ottimizzazione di Forma.
Il primo metodo suggerisce di generare la scheletrizzazione della geometria ottimizzata topologicamente per poi ricostruirla tramite superfici parametriche, andando poi a ridurre gli stress massimi ottimizzando le superfici tramite un processo di ottimizzazione parametrica.
Nel secondo metodo, la geometria ottimizzata viene ricostruita come una superficie non parametrica e gli stress massimi vengono ridotti effettuando un’ottimizzazione di forma automatica.
Le metodologie proposte vengono validate attraverso la loro applicazione su un caso studio riguardante il settore automobilistico, il pedale del freno dell'auto del team Formula Student MoRe Modena Racing Driverless.
I risultati ottenuti seguendo le due nuove metodologie vengono confrontati con quelli ottenuti tramite l'applicazione del metodo attualmente rappresentante lo stato dell'arte, valutando sia le prestazioni meccaniche del risultato che il tempo di sviluppo del prodotto, prestando particolare attenzione al tempo di lavoro del progettista. Vengono inoltre evidenziati i vantaggi, gli svantaggi e le limitazioni dei metodi.
|
Abstract
In recent years, Additive Manufacturing processes have experienced significant growth. However, the literature highlights how the lack of a linear and well-defined workflow limits their full potential. The current state-of-the-art design workflow involves an iterative process of manual redesign via NURBS surfaces following topological optimization. During this process, stress concentration points are identified through physical simulations, and manual geometry modification is performed to mitigate stress peaks. This process is laborious and heavily dependent on the designer's experience, coupled with their knowledge of mathematical tools and familiarity with the software.
This thesis aims to develop two new Design for Additive Manufacturing methodologies based on topology optimization, which are systematic and grounded in numerical tools. The goal is to achieve a highly automated design process that is easily replicable and less influenced by the designer's skills and knowledge.
To define these methodologies, the integrated 3DExperience CAD platform from Dassault Systèmes was used, starting with an examination of the new optimization tools in the Structural Generative Design application for parametric optimization and shape optimization.
The first method involves generating the skeletonization of the topologically optimized geometry and then reconstructing it using parametric surfaces. This approach reduces maximum stresses by optimizing the surfaces through parametric optimization. In the second method, the optimized geometry is reconstructed as a non-parametric surface, and maximum stresses are reduced by performing automatic shape optimization.
The proposed methodologies are validated through their application in a case study within the automotive sector, the brake pedal of the Formula Student team MoRe Modena Racing Driverless. Results obtained using the two new methodologies are compared with those obtained through the current state-of-the-art method, evaluating both the mechanical performance of the result and the product development lead time. Particular attention is paid to the designer's working time, and the advantages, disadvantages, and limitations of the methods are also highlighted.
|
