A3Shell
Análise e Aprendizagem Automática para Manufatura Aditiva de Estruturas Estanques
Desafio
O projeto A3Shell visa o desenvolvimento do processo de Selective Laser Melting (SLM) para o fabrico aditivo metálico de estruturas estanques e de elevada complexidade, destinadas a sistemas de propulsão aeroespacial, onde os requisitos de fiabilidade e conformidade normativa são altamente exigentes.
A adoção industrial destas tecnologias é ainda limitada pela elevada sensibilidade do processo de SLM que pode comprometer a integridade estrutural e a repetibilidade, originando defeitos como porosidade, fissuração, empenos e tensões residuais.
Em componentes com geometrias parcialmente fechadas e em contacto com combustível, acrescem desafios críticos: evitar suportes internos não removíveis e garantir a estanqueidade.
Neste contexto, o controlo dos fenómenos térmicos e a compreensão da relação entre material, geometria e parâmetros de fabrico são determinantes para assegurar a qualificação e robustez do processo em ambiente industrial.
Solução / Objetivo Principal
O principal objetivo do A3Shell é desenvolver uma ferramenta computacional inteligente para integrar e diferenciar o fluxo produtivo em SLM, permitindo definir estratégias de fabrico ajustadas à geometria, função e criticidade de cada componente.
A solução integra simulação numérica (método da deformação inerente), dados experimentais e algoritmos de machine learning, com vista à criação de uma base de dados que relacione parâmetros de fabrico, características geométricas e qualidade final.
Esta abordagem permitirá adaptar localmente os parâmetros de fabrico ao longo do componente, reduzindo defeitos, minimizando a dependência de abordagens empíricas e aumentando a robustez e eficiência do processo em contexto industrial.
Objetivos, Atividades e Resultados esperados / atingidos
O projeto visa desenvolver uma base de dados suportada por resultados experimentais e simulação numérica, um modelo de elementos finitos capaz de prever distorções e avaliar o impacto dos parâmetros de processo em geometrias complexas, e uma ferramenta de machine learning para recomendação de parâmetros de fabrico otimizados.
Para o efeito, serão realizadas atividades de definição de casos de estudo, produção e caracterização de geometrias padronizadas e células unitárias, calibração e validação do modelo numérico, e demonstração da solução em contexto industrial.
Como principais resultados, espera-se a redução do recurso a abordagens de tentativa e erro, a minimização de defeitos e desperdício de material, a produção de componentes estanques sem necessidade de suportes internos e o aumento da robustez dos processos de qualificação e conformidade em fabrico aditivo metálico.
Referência do projeto
COMPETE2030-FEDER-02233400Financiamento
Região de Intervenção
NacionalInvestimento Total
1.106.360,16Investimento do IPN
375.833,60Elegível Total
1.106.360,16Elegível do IPN
375.833,60Apoio Financeiro da UE - Total
882.977,85Apoio Financeiro da UE – IPN
319.458,56Duração
36 MesesData de Início
1 de Julho de 2025Data de Fim
30 de Junho de 2028Data de Aprovação
29 de Abril de 2025Consórcio
HYPERMETAL, LDAInstituto Pedro Nunes
Universidade de Coimbra
Palavras-chave
Fabrico aditivo metálico;Simulação numérica;
Otimização de parâmetros de fabrico;
Estruturas estanques;
Machine learning;
Caracterização de materiais.
