Методы планирования эксперимента для разработки процессов 3D-печати: инженерный путь от ортогонального скрининга и моделирования поверхности отклика до калибровки технологического окна

Введение: почему настройка параметров постоянно заходит в тупик

При наладке процессов лазерного порошкового сплавления металлов (LPBF) и спекания полимеров наиболее типична следующая ситуация: инженер увеличивает мощность лазера с 250 до 280 Вт, плотность возрастает на 0,3 %, и он продолжает повышать значение; при 300 Вт появляется эффект «замочной скважины», после чего приходится возвращаться к меньшей мощности. После одного такого цикла изготавливается более десяти образцов, а результатом становится фрагментарная эмпирическая кривая, которую приходится строить заново при смене оборудования или партии порошка. Проблема не в недостатке усилий инженера, а в том, что метод поочередного изменения одного фактора не способен учитывать взаимодействия: мощность и скорость сканирования совместно определяют объемную плотность энергии, толщина наносимого слоя изменяет условия теплоотвода расплавленной ванны, и все три фактора взаимосвязаны. При изменении только одной переменной полную картину получить невозможно.

Планирование эксперимента (Design of Experiments, DoE) предлагает инженерный подход к решению таких многофакторных задач: при минимальном количестве образцов оно позволяет одновременно оценить основные эффекты факторов, эффекты взаимодействия и поверхность отклика, а также определить допустимое технологическое окно с доверительными интервалами. В статье представлен полный практический метод для разработки процессов 3D-печати — от ортогонального скрининга и моделирования поверхности отклика до валидации окна.

1. Сначала необходимо различать три типа экспериментов: скрининг, моделирование и валидация

Разработка процесса не завершается одним экспериментом. Как правило, она ведется в три этапа, различающихся по цели, числу факторов и количеству образцов.

Первый этап — скрининговые испытания, цель которых состоит в отборе действительно значимых 2–4 факторов из 6–10 кандидатов. Типичные факторы включают мощность лазера, скорость сканирования, шаг штриховки, толщину слоя, температуру предварительного нагрева, стратегию сканирования (ширину полосы), угол поворота между слоями и расход защитного газа. На этапе скрининга применяют дробный факторный план или план Плакетта—Бермана; достаточно 8–12 экспериментов, а в качестве откликов используют два укрупненных показателя: плотность и шероховатость поверхности.

Второй этап — моделирующие испытания, предназначенные для построения модели поверхности отклика по 2–3 ключевым факторам, отобранным на первом этапе. Обычно используют центральный композиционный план (CCD) или план Бокса—Бенкена. CCD для трех факторов включает 6 звездных точек, 8 точек куба и 6 повторов в центральной точке — всего 20 экспериментов. Набор откликов расширяется до плотности, предела прочности при растяжении, отклонения размеров и шероховатости поверхности Ra.

Третий этап — валидационные испытания: в зоне оптимума, предсказанной моделью, выбирают 3–5 подтверждающих точек и выполняют повторную печать, проверяя, находится ли отклонение между прогнозом и измеренным значением в пределах ±5 %. После успешной валидации границы окна сужают на 10 % и используют полученный диапазон в карте параметров серийного производства.

2. Ортогональный эксперимент: максимальный охват пространства при минимальном числе образцов

Когда число факторов невелико, а количество уровней одинаково, ортогональные таблицы являются наиболее экономичным выбором. Например, для LPBF нержавеющей стали 316L рассматриваются три фактора на трех уровнях: мощность лазера P, скорость сканирования v и шаг штриховки h. Полный факторный план потребовал бы 27 экспериментов, тогда как ортогональная таблица L9(3^4) требует только 9.

Конкретный план: P = 200/240/280 Вт, v = 800/1000/1200 мм/с, h = 0,09/0,11/0,13 мм. После распределения испытаний по таблице L9 для каждой комбинации параметров печатают комплект кубических образцов 10×10×10 мм, определяют плотность методом Архимеда и одновременно регистрируют шероховатость поверхности Ra.

Для быстрой расстановки приоритетов достаточно анализа размаха: для каждого фактора рассчитывают средний отклик на каждом уровне, а размах R = max(средний отклик) − min(средний отклик). Чем больше R, тем значимее влияние фактора. Если получены значения R(P)=2,1 %, R(v)=1,4 %, R(h)=0,6 %, порядок значимости будет следующим: мощность > скорость > шаг. Затем проводят дисперсионный анализ (ANOVA) и по F-критерию определяют значимость: факторы, у которых F превышает критическое значение, а p меньше 0,05, переходят на следующий этап моделирования.

Ограничение ортогонального эксперимента состоит в предположении отсутствия взаимодействий между факторами. Если предполагается сильная связь между мощностью и скоростью — ведь объемная плотность энергии E = P/(v·h·t) сама по себе представляет мультипликативную зависимость, — на этапе моделирования следует перейти к плану поверхности отклика, а не продолжать применять ортогональную таблицу.

3. Метод поверхности отклика: от дискретных точек к непрерывной поверхности

Суть метода поверхности отклика (RSM) заключается в описании зависимости отклика от факторов квадратичным полиномом:

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

Перекрестный член βij является количественным выражением эффекта взаимодействия. Для CCD ключевым параметром трехфакторного плана является звездное плечо α. Для ротатабельного плана α = 2^(k/4) = 2^(3/4) ≈ 1,682, где k — число факторов. Звездные точки располагаются в кодированном пространстве на уровнях ±1,682, точки куба — на уровнях ±1, а центральная точка повторяется 6 раз для оценки чистой ошибки.

После построения модели обязательно проводят три проверки. Первая — проверка неадекватности (lack-of-fit): p-значение выше 0,05 означает отсутствие статистически значимого расхождения между формой модели и данными. Вторая — коэффициент детерминации R² и скорректированный R²; разница между ними должна быть менее 0,2, иначе возможна переадаптация модели. Третья — проверка нормальности остатков и однородности дисперсии. На практике нередко встречается ситуация, когда R² достигает 0,95, а скорректированный R² составляет лишь 0,86; в этом случае следует исключить незначимые члены третьего порядка и повторно выполнить аппроксимацию.

Многооткликовая оптимизация является сложной задачей для 3D-печати: плотность необходимо максимизировать, шероховатость — минимизировать, а отклонение размеров — приблизить к нулю; эти цели часто противоречат друг другу. В инженерной практике применяют функцию желательности (desirability function), которая преобразует каждый отклик в диапазон 0–1, после чего вычисляют геометрическое среднее для получения интегральной желательности D. Комбинацию параметров определяют в точке максимума D. Веса назначают в соответствии с приоритетами приемки заказчиком: например, для авиационных деталей вес плотности может составлять 0,5, шероховатости — 0,3, а отклонения размеров — 0,2.

4. Калибровка технологического окна: превращение оптимальной точки в допустимый диапазон

Нахождение оптимальной точки — лишь первый шаг; для серийного производства необходим диапазон. Практический метод — наложенная контурная карта (overlay contour plot): для каждого отклика строят контуры приемочных порогов — плотность ≥ 99,5 %, Ra ≤ 12 мкм, отклонение размеров ≤ ±0,1 мм — и принимают область пересечения всех контуров за технологическое окно.

После определения окна необходимо оставить запас безопасности. Рекомендуется сместить его границы внутрь на 10 %: например, если модель определяет допустимый диапазон мощности 235–265 Вт, в технологической карте следует указать 238–262 Вт. Причина заключается в том, что колебания характеристик партий порошка, изменение чистоты защитного газа и снижение мощности оптической системы постепенно смещают фактическую рабочую точку. Наличие запаса позволяет повысить индекс способности процесса Cpk с 1,0 до 1,33 и более.

Валидацию окна проводят на трех партиях подтверждения: в каждой партии печатают по 5 деталей в центре окна, у внутренней стороны верхней границы и у внутренней стороны нижней границы. Если все три последовательные партии соответствуют требованиям, а межпартийное смещение средних значений составляет менее 1/3 стандартного отклонения отклика, окно признается стабильным. Данные валидации одновременно вносят в технологический журнал как базовую линию для последующей прослеживаемости.

5. Распространенные ошибки и контрольный список

Ошибка первая: считать количество образцов единственной составляющей затрат. На практике 9 ортогональных испытаний и 20 испытаний CCD обходятся значительно дешевле 30 бессистемных циклов настройки одного фактора, при этом дают пригодную для повторного использования модель.

Ошибка вторая: игнорировать блочный эффект. Если 20 испытаний CCD проводятся в течение трех дней, изменения состояния оборудования, партии порошка, температуры и влажности среды попадают в остаточную ошибку. Правильный подход — включить дату в план как блочный фактор или предусмотреть повторы центральных точек внутри блоков для контроля дрейфа.

Ошибка третья: учитывать только плотность. Режим с плотностью 99,5 % не обязательно обеспечивает соответствующие механические свойства: дефекты несплавления могут быть недооценены при контроле плотности. Рекомендуется как минимум одновременно определять предел прочности при растяжении и относительное удлинение, а при необходимости дополнять испытания металлографией и выборочным промышленным КТ-контролем.

Контрольный список: охватывают ли уровни факторов диапазон стабильной работы оборудования; предусмотрены ли повторы центральной точки для оценки чистой ошибки; выполнена ли проверка неадекватности; соответствуют ли веса откликов критериям приемки заказчика; заложен ли 10%-ный запас в технологическое окно; охватывают ли валидационные партии границы окна.

Заключение

Планирование эксперимента превращает разработку процессов 3D-печати из эмпирического метода проб и ошибок в количественно определяемую и воспроизводимую инженерную деятельность: ортогональные испытания позволяют за 9–12 экспериментов отобрать факторы, метод поверхности отклика примерно за 20 экспериментов строит квадратичную модель с эффектами взаимодействия, функция желательности решает конфликт многокритериальных целей, а наложенные контурные карты определяют допустимое технологическое окно с запасом безопасности. Для платформ управления жизненным циклом, подобных lantu3D, которые обеспечивают путь от проектирования до поставки физического изделия, ценность DoE не ограничивается настройкой параметров: он преобразует технологические знания в доступные для поиска, повторного использования и проверки модели параметров, благодаря чему каждая новая разработка процесса становится отправной точкой для следующей, а не очередным началом с нуля.