جلسه دفاع پایان¬نامه کارشناسی ارشد مهندسی مکانیک- ساخت و تولید
موضوع: بهینه‌سازی پارامترهای فرآیند استریولیتوگرافی با رویکرد طراحی معکوس مبتنی بر الگوریتم‌های مولد متخاصم
استادان راهنما: دکتر مهدی کاظمی، دکتر محمد مشایخی
استادان داور: دکتر علیرضا فدایی تهرانی، دکتر محمدرضا نیرومند
چیکده
فرایند استریولیتوگرافی به‌عنوان یکی از روش‌های دقیق ساخت افزایشی نوری، به‌دلیل وابستگی شدید و غیرخطی خواص قطعه به پارامترهای فرایندی، همواره با چالش تنظیم بهینه متغیرها برای دستیابی هم‌زمان به کیفیت سطحی و رفتار مکانیکی مطلوب روبه‌رو است؛ از سوی دیگر، رویکردهای سنتی آزمون و خطا به دلیل هزینه بالا و محدودیت ذاتی داده‌های تجربی، کارایی لازم را در دستیابی به ترکیب بهینه پارامترها ندارند. در این پژوهش، چارچوبی یکپارچه و داده‌محور بر پایه طراحی معکوس برای بهینه‌سازی پارامترهای فرایند شامل جهت ساخت، سرعت بالابری، فاصله بالابری و زمان تابش به‌منظور دستیابی به اهداف عملکردی تنش بیشینه، تنش تسلیم، سختی و زبری سطح توسعه داده شد؛ بدین منظور، با به‌کارگیری داده‌های ۵۴ نمونه تجربی، یک شبکه عصبی جانشین چندخروجی آموزش دید و سپس به‌منظور رفع کمبود داده و بهبود تعمیم‌پذیری، از شبکه مولد متخاصم شرطی با جریمه گرادیان برای غنی‌سازی متوازن داده‌ها و نگاشت معکوس استفاده شد و با پیاده‌سازی سازوکار کالیبراسیون عدم‌قطعیت و استخراج جبهه پارتو، راهکارهای بهینه چندمعیاره تعیین گردیدند. ارزیابی مدل جانشین نشان داد که بهره‌گیری از راهبرد افزایش داده‌های مصنوعی، ضریب تعیین کل مدل را از 745/0 به 781/0 ارتقا داده و در ارزیابی متقاطع پنج‌بخشی سه‌بار تکرار، ضریب تعیین برای پیش‌بینی تنش بیشینه به 811/0 و برای سختی به 824/0 رسید؛ همچنین اعتبارسنجی تجربی نمونه‌های بهینه حاصل از طراحی معکوس بر روی قطعات واقعی چاپ‌شده، انطباق بالایی را با نتایج آزمایش کشش نشان داد، به‌طوری‌که با اعمال قید مهندسی اصلاح زمان تابش، اختلاف میان پیش‌بینی مدل و آزمون عملی تا سطح 787/0 مگاپاسکال کاهش یافت. نتایج این پژوهش اثبات می‌کند که تلفیق مدل‌های جانشین، الگوریتم‌های مولد متخاصم و کالیبراسیون عدم‌قطعیت، ضمن مهار چالش کمبود داده‌های اولیه و کاهش چشمگیر آزمون‌های تجربی پرهزینه، ابزاری مطمئن و تصمیم‌یار برای طراحی معکوس و هدایت هوشمند پارامترهای ساخت در فرایندهای ساخت افزایشی فراهم می‌آورد.
