Development of a data-driven simulation tool for laser welding applications
| datacite.contributor.Supervisor | Σταυρόπουλος, Παναγιώτης | |
| dc.contributor.author | Παπαϊωάννου, Χρήστος | |
| dc.contributor.other | Papaioannou, Christos | |
| dc.date.accessioned | 2022-10-31T10:29:41Z | |
| dc.date.available | 2022-10-31T10:29:41Z | |
| dc.date.issued | 2022-10-26 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | The manufacturing industry is heading from mass production to the mass customization era, depending on the dynamic customer needs. A major part of this transition is reconfiguring the production to adapt to this dynamic market. Laser welding is an important manufacturing process for industry, as not only is more accurate than any other welding process, it is also very fast. Simultaneously, the physics that govern the process, are numerous and complex, which makes the selection of correct process parameters difficult, when it alternates constantly. Simulating the process could be a valuable tool for the industry for solving the above-mentioned problem, as physical tests could be avoided, which are rather costly and time-consuming. But the existing simulation tools do not cover fully the industrial needs, as these either require a lot of computational time or either too complex to use. In this diploma thesis, a data-driven simulation tool for the laser welding process has been developed, and its main goal is to cover the industrial need, which is the accurate, fast, and simple prediction of the process’s behavior, during a reconfiguration scenario. First, the existing solutions have been examined and analyzed, and the gap between those solutions has been identified. Therefore, the simulation of the process has been carried out in two commercial finite element analysis software tools and used to produce process-related data. Then, through machine learning these data have been used, to create two reduced-order models of the process. The first model is responsible for predicting the distortions of T-shaped geometrical features of a product, while the second model is responsible for predicting the weld bead geometrical characteristics achieved during welding, based on the selected process parameters, and the product’s geometrical features and specifications. In parallel, per the model, the respective way of adoption and use by industry has been developed, based on the industry’s needs. | |
| dc.description.translatedabstract | Η βιομηχανία κατασκευής οδηγείται από την εποχή της μαζικής παραγωγής στην εποχή της μαζικής προσαρμογής προϊόντων, ανάλογα με τις δυναμικές ανάγκες των καταναλωτών. Μείζον θέμα αυτής της νέας εποχής είναι η αναδιαμόρφωση της παραγωγής ώστε να ανταποκριθεί σε αυτή τη δυναμική αγορά. Η συγκόλληση με χρήση λέιζερ είναι μία πολύ σημαντική διεργασία για τη βιομηχανία καθώς πέρα από την αυξημένη ακρίβειά της σε σχέση με τις άλλες διεργασίες συγκόλλησης, είναι και ταχύτατη. Ταυτόχρονα τα φυσικά φαινόμενα που τη διέπουν είναι πολλά και πολύπλοκα, το οποίο καθιστά δύσκολη την επιλογή σωστών παραμέτρων της διεργασίας, όταν αυτή εναλλάσσεται συνεχώς. Η προσομοίωση της διεργασίας σε ένα ψηφιακό περιβάλλον, θα μπορούσε να αποτελέσει ένα σημαντικό εργαλείο της βιομηχανίας για τη λύση αυτού του προβλήματος, καθώς θα αποφεύγονταν φυσικές δοκιμές συγκόλλησης, οι οποίες κοστίζουν και είναι χρονοβόρες. Όμως οι υπάρχουσες λύσεις προσομοίωσης, δε καλύπτουν πλήρως τις ανάγκες της βιομηχανίας, καθώς συνήθως είναι αρκετά υπολογιστικά χρονοβόρες και περίπλοκες. Σε αυτή τη διπλωματική εργασία, αναπτύχθηκε ένα εργαλείο προσομοίωσης της διεργασίας συγκόλλησης με χρήση λέιζερ, οδηγούμενο από δεδομένα, το οποίο έχει ως κύριο στόχο, την κάλυψη των αναγκών της βιομηχανίας, δηλαδή τη πρόβλεψη της συμπεριφοράς της διεργασίας, με απλό τρόπο, αλλά και ταυτόχρονα γρήγορο, ώστε να υποστηρίξει τη γρήγορη και χωρίς λάθη αναδιαμόρφωση της παραγωγής. Πρώτα, οι υπάρχουσες λύσεις ερευνήθηκαν και αναλύθηκαν και τα κενά αυτών εντοπίστηκαν. Στη συνέχεια, η προσομοίωση της διεργασίας πραγματοποιήθηκε με τη χρήση δύο εμπορικών λογισμικών ανάλυσης με πεπερασμένα στοιχεία, τα οποία χρησιμοποιήθηκαν για τη παραγωγή δεδομένων. Έπειτα, τα δεδομένα αυτά με τη χρήση της μηχανικής μάθησης, δημιούργησαν δύο μοντέλα πρόβλεψης, μειωμένης τάξης, για τη διεργασία. Το πρώτο υπολογίζει τις παραμορφώσεις γεωμετρικών χαρακτηριστικών τύπου Τ, ενώ το δεύτερο υπολογίζει τις διαστάσεις του συνδέσμου συγκόλλησης, ανάλογα με τις επιλεγμένες παραμέτρους της διεργασίας και ανάλογα με τα γεωμετρικά χαρακτηριστικά του προϊόντος. Παράλληλα για κάθε μοντέλο αναπτύχθηκε και ο αντίστοιχος τρόπος ενσωμάτωσης και χρήσης του, βασισμένος στις ανάγκες της βιομηχανίας. | |
| dc.identifier.uri | https://hdl.handle.net/10889/23550 | |
| dc.language.iso | en | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | * |
| dc.subject | Mass customization | |
| dc.subject | Production reconfiguration | |
| dc.subject | Laser welding | |
| dc.subject | Reduced order models | |
| dc.subject.alternative | Μαζική προσαρμογή | |
| dc.subject.alternative | Αναδιαμόρφωση παραγωγής | |
| dc.subject.alternative | Συγκόλληση με λέιζερ | |
| dc.subject.alternative | Μοντέλα μειωμένης πολυπλοκότητας | |
| dc.title | Development of a data-driven simulation tool for laser welding applications | |
| dc.title.alternative | Ανάπτυξη εργαλείου προσομοίωσης οδηγούμενο από δεδομένα για διεργασίες συγκόλλησης με λέιζερ |