Métodos de projeto de experimentos para o desenvolvimento de processos de impressão 3D: da triagem ortogonal à modelagem de superfície de resposta e à calibração da janela de processo

Introdução: por que a otimização de parâmetros parece não sair do lugar

Na depuração em campo de processos de fusão a laser em leito de pó metálico (LPBF) e sinterização de polímeros, o cenário mais comum é o seguinte: o engenheiro aumenta a potência do laser de 250 W para 280 W, a densidade sobe 0,3% e, então, ele continua elevando o valor; ao chegar a 300 W, surgem porosidades do tipo keyhole e é necessário reduzir novamente a potência. Após uma rodada com mais de dez corpos de prova, o resultado é uma curva empírica fragmentada, que precisa ser refeita ao trocar de máquina ou de lote de pó. O problema não é falta de empenho do engenheiro, mas o fato de que o método de variar um fator por vez não consegue lidar com efeitos de interação: potência e velocidade de varredura determinam conjuntamente a densidade de energia volumétrica, enquanto a espessura da camada de pó altera as condições de dissipação térmica da poça de fusão. Os três fatores estão acoplados, e alterar apenas uma variável por vez nunca revela o quadro completo.

O projeto de experimentos (Design of Experiments, DoE) oferece justamente uma rota de engenharia para resolver esse tipo de problema com múltiplos fatores acoplados: com o menor número possível de corpos de prova, permite estimar simultaneamente os efeitos principais, os efeitos de interação e a superfície de resposta, além de fornecer uma janela de processo liberável com intervalos de confiança. Voltado ao desenvolvimento de processos de impressão 3D, este artigo apresenta um método completo e executável, desde a triagem ortogonal e a modelagem de superfície de resposta até a validação da janela.

I. Primeiro, diferencie os três tipos de experimento: triagem, modelagem e validação

O desenvolvimento de processo não é concluído em um único experimento. Normalmente, ele avança em três níveis, cada um com objetivos, número de fatores e quantidade de corpos de prova distintos.

O primeiro nível é o experimento de triagem, cujo objetivo é selecionar de 2 a 4 fatores realmente significativos entre 6 e 10 candidatos. Fatores típicos incluem potência do laser, velocidade de varredura, espaçamento entre trilhas, espessura de camada, temperatura de pré-aquecimento, estratégia de varredura (largura de faixa), ângulo de rotação entre camadas e vazão do gás de proteção. Na etapa de triagem, um planejamento fatorial fracionado ou um planejamento Plackett-Burman permite concluir o trabalho com 8 a 12 ensaios, considerando apenas dois indicadores amplos de resposta: densidade e rugosidade superficial.

O segundo nível é o experimento de modelagem, cujo objetivo é construir um modelo de superfície de resposta com base nos 2 a 3 fatores-chave selecionados. São frequentemente utilizados o planejamento composto central (CCD) ou o planejamento Box-Behnken. Um CCD de três fatores contém 6 pontos axiais, 8 pontos cúbicos e 6 repetições no ponto central, totalizando 20 ensaios. As respostas são ampliadas para quatro itens: densidade, resistência à tração, desvio dimensional e rugosidade superficial Ra.

O terceiro nível é o experimento de validação. São selecionados de 3 a 5 pontos de confirmação dentro da região ótima prevista pelo modelo, com impressão repetida, para verificar se o desvio entre valores previstos e medidos permanece dentro de ±5%. Após a aprovação da validação, os limites da janela são reduzidos em 10% para definir a faixa de parâmetros da ficha de processo de produção em série.

II. Experimentos ortogonais: máxima cobertura do espaço com o menor número de corpos de prova

Quando o número de fatores é limitado e todos possuem o mesmo número de níveis, a matriz ortogonal é a opção mais econômica. Tomando como exemplo o LPBF de aço inoxidável 316L, consideram-se três fatores em três níveis: potência do laser P, velocidade de varredura v e espaçamento entre trilhas h. Um planejamento fatorial completo exigiria 27 ensaios, enquanto a matriz ortogonal L9(3^4) requer apenas 9.

No projeto específico, P assume 200/240/280 W, v assume 800/1000/1200 mm/s e h assume 0,09/0,11/0,13 mm. Após organizar os ensaios conforme a matriz L9, imprime-se um conjunto de corpos de prova cúbicos de 10×10×10 mm para cada combinação de níveis. A densidade é medida pelo método de Arquimedes e a rugosidade superficial Ra é registrada simultaneamente.

A análise de amplitude permite estabelecer rapidamente a ordem de influência dos fatores: calcula-se a resposta média de cada fator em cada nível, sendo a amplitude R = max(resposta média) − min(resposta média). Quanto maior o valor de R, mais significativo é o impacto do fator. Se forem obtidos R(P)=2,1%, R(v)=1,4% e R(h)=0,6%, a ordem de importância será potência > velocidade > espaçamento. Em seguida, realiza-se uma análise de variância (ANOVA), utilizando o teste F para determinar a significância: fatores com valor F superior ao valor crítico e valor p inferior a 0,05 seguem para a próxima etapa de modelagem.

A limitação dos experimentos ortogonais é que eles pressupõem ausência de interação entre fatores. Se houver suspeita de forte acoplamento entre potência e velocidade — pois a densidade de energia volumétrica E = P/(v·h·t) é, por si só, uma relação multiplicativa — deve-se utilizar um planejamento de superfície de resposta na etapa de modelagem, em vez de insistir na aplicação de matrizes ortogonais.

III. Metodologia de superfície de resposta: de pontos discretos a uma superfície contínua

O núcleo da metodologia de superfície de resposta (RSM) é ajustar a relação entre resposta e fatores com um polinômio quadrático:

Y = β0 + Σβi·xi + Σβii·xi² + Σβij·xi·xj + ε

Nessa expressão, o termo cruzado βij representa quantitativamente o efeito de interação. Em um planejamento CCD de três fatores, o parâmetro-chave é a distância axial α. Para um projeto rotacionável, adota-se α = 2^(k/4) = 2^(3/4) ≈ 1,682, em que k é o número de fatores. Os pontos axiais estão em ±1,682 no espaço codificado, os pontos cúbicos em ±1 e o ponto central é repetido 6 vezes para estimar o erro puro.

Após o ajuste, três verificações são obrigatórias: primeiro, o teste de falta de ajuste, em que p superior a 0,05 indica que não há desvio significativo entre a forma do modelo e os dados; segundo, o coeficiente de determinação R² e o R² ajustado, cuja diferença deve ser inferior a 0,2 para evitar possível sobreajuste; terceiro, a verificação da normalidade dos resíduos e da homogeneidade de variâncias. Em medições reais, é comum encontrar R² de 0,95, mas R² ajustado de apenas 0,86. Nesse caso, termos cúbicos não significativos devem ser removidos antes de realizar um novo ajuste.

A otimização de múltiplas respostas é um desafio em impressão 3D: a densidade deve ser maximizada, a rugosidade minimizada e o desvio dimensional mantido próximo de zero, objetivos que frequentemente entram em conflito. Na engenharia, utiliza-se uma função de desejabilidade para mapear cada resposta para o intervalo de 0 a 1, calculando-se então a média geométrica para obter a desejabilidade global D. A combinação de parâmetros é definida no ponto de máxima D. Os pesos são distribuídos de acordo com as prioridades de aceitação do cliente; por exemplo, para componentes aeronáuticos, podem ser atribuídos 0,5 à densidade, 0,3 à rugosidade e 0,2 ao desvio dimensional.

IV. Calibração da janela de processo: transformar o ponto ótimo em uma faixa liberável

Encontrar o ponto ótimo é apenas o primeiro passo; a produção em série exige uma faixa operacional. Um método viável é usar um gráfico de curvas de nível sobrepostas: desenham-se curvas de nível para os limites de aceitação de cada resposta — densidade ≥ 99,5%, Ra ≤ 12 μm e desvio dimensional ≤ ±0,1 mm — e a região de sobreposição de todas elas é definida como a janela de processo.

Após determinar a janela, é indispensável reservar uma margem de segurança. Recomenda-se reduzir os limites da janela em 10%; por exemplo, se o modelo indicar uma faixa viável de potência entre 235 e 265 W, a ficha de processo deve especificar 238 a 262 W. Isso se deve ao fato de que variações entre lotes de pó, desvios na pureza do gás de proteção e degradação da potência do sistema óptico podem deslocar gradualmente o ponto real de processo. A margem permite elevar o índice de capacidade do processo Cpk de 1,0 para mais de 1,33.

A validação da janela adota confirmação em três lotes: em cada lote, são produzidas 5 peças no centro da janela, 5 na região interna próxima ao limite superior e 5 na região interna próxima ao limite inferior. Se os três lotes consecutivos forem integralmente aprovados e o deslocamento das médias entre lotes for inferior a um terço do desvio-padrão da resposta, a janela poderá ser considerada estável. Os dados de validação também devem ser registrados no histórico de processo como linha de base para rastreabilidade futura.

V. Erros comuns e lista de verificação

Erro 1: considerar a quantidade de corpos de prova como todo o custo. Na prática, 9 ensaios ortogonais mais 20 ensaios CCD custam muito menos do que 30 tentativas cegas de variação sequencial de um único fator, além de fornecerem um modelo reutilizável.

Erro 2: ignorar o efeito de blocos. Se 20 ensaios CCD forem executados ao longo de três dias, mudanças no estado do equipamento, no lote de pó e nas condições de temperatura e umidade do ambiente podem ser incorporadas aos resíduos. A abordagem correta é incluir a data como fator de bloco no planejamento ou programar repetições de pontos centrais dentro de cada bloco para monitorar desvios.

Erro 3: observar apenas a densidade. Um ponto de processo com densidade de 99,5% pode não atender aos requisitos de propriedades mecânicas, pois defeitos de falta de fusão podem ser subestimados em medições de densidade. Recomenda-se avaliar, no mínimo, resistência à tração e alongamento de forma simultânea e, quando necessário, complementar com metalografia microscópica e inspeção amostral por tomografia computadorizada industrial.

Lista de verificação de execução: os níveis dos fatores cobrem a faixa de operação estável do equipamento? Foram previstas repetições do ponto central para estimar o erro puro? Foi realizado o teste de falta de ajuste? Os pesos das múltiplas respostas estão alinhados aos critérios de aceitação do cliente? A janela possui margem de 10%? Os lotes de validação abrangem os limites da janela?

Conclusão

O projeto de experimentos transforma o desenvolvimento de processos de impressão 3D, antes baseado em tentativa e erro, em uma atividade de engenharia quantificável e reproduzível: os experimentos ortogonais realizam a triagem de fatores em 9 a 12 ensaios; a metodologia de superfície de resposta estabelece, com cerca de 20 ensaios, um modelo quadrático que inclui efeitos de interação; a função de desejabilidade resolve conflitos multiobjetivo; e as curvas de nível sobrepostas fornecem uma janela de processo liberável com margem de segurança. Para plataformas de gestão de ciclo de vida completo, como a lantu3D, que acompanham o percurso desde o projeto até a entrega do produto físico, o valor do DoE vai além do ajuste de parâmetros: ele consolida o conhecimento de processo em modelos de parâmetros pesquisáveis, reutilizáveis e verificáveis, fazendo com que cada desenvolvimento de processo se torne o ponto de partida do próximo, e não mais um reinício do zero.