Simulation du processus de frittage des métaux à l’aide de DEM

Rejoignez le forum des designers !

Votre expertise est essentielle pour la communauté. Rejoignez-nous et apportez vos connaissances !

Partagez, apprenez et évoluez avec les meilleurs professionnels du secteur.

Découvrez comment la méthode des éléments discrets (DEM) révolutionne le processus de frittage, améliorant l’efficacité et la précision dans l’industrie manufacturière.

Défis

Le frittage des métaux transforme les poudres métalliques en composants solides à l’aide d’une chaleur et d’une pression contrôlées, jouant ainsi un rôle essentiel dans les secteurs de l’automobile, de l’aérospatiale, de l’électronique et de la médecine. Cependant, les fabricants sont confrontés à des défis importants en raison de la complexité du processus. Les défis interconnectés suivants font qu’il est essentiel pour les fabricants de développer une meilleure compréhension et des méthodes de contrôle pour atteindre une qualité constante et une viabilité économique dans les opérations de frittage des métaux :

• Optimisation du processus: La détermination des paramètres optimaux (température, taux de chauffage, pression, atmosphère) est difficile et coûteuse en utilisant les méthodes traditionnelles d’essai et d’erreur, ce qui entraîne des temps de développement prolongés, des pertes de matériaux, une qualité irrégulière et des difficultés de mise à l’échelle.
• Questions relatives au contrôle de la qualité: Les défauts les plus courants sont la porosité résiduelle affectant les propriétés mécaniques, la fissuration et la distorsion induites par les contraintes thermiques, une microstructure inégale entraînant des variations de propriétés, et des défauts de surface nécessitant un post-traitement coûteux.
• Préoccupations économiques: Le coût élevé des matières premières pour les poudres métalliques, la consommation importante d’énergie pour les fours à haute température, les rebuts coûteux et la reprise des pièces défectueuses, ainsi que les variations de poudre d’un lot à l’autre qui affectent l’uniformité, ont tous un impact sur la rentabilité et la fiabilité de la production.

Solutions d’ingénierie

Méthodes

La méthode des éléments discrets (DEM) est une approche informatique précieuse pour l’étude et l’optimisation des processus de frittage des métaux. Elle modélise chaque particule de poudre individuellement, ce qui permet une analyse détaillée du réarrangement des particules, de la formation de contacts, de l’évolution de la porosité et des premières étapes de la liaison.

La plupart des simulations de frittage par DEM se concentrent sur le processus de frittage. phase de compactage à froidoù les particules sont pressées pour prendre forme avant le traitement thermique. Ces modèles rendent compte de la consolidation mécanique et de la formation du « corps vert » à l’aide de modèles de force cohésive, mais ils ne permettent pas d’obtenir des résultats satisfaisants. ne simulent pas la diffusion thermique, le retrait ou les changements microstructurauxcar ceux-ci nécessitent un couplage avec d’autres modèles thermiques ou de continuum.

Au-delà du frittage, la DEM est largement utilisée dans des industries telles que l’industrie pharmaceutique, l’industrie minière, l’industrie alimentaire et la construction pour étudier l’écoulement, le mélange et la compression des particules. En donnant un aperçu du comportement à l’échelle des particules, la DEM permet d’optimiser les processus, de réduire la consommation d’énergie et d’améliorer l’homogénéité des produits.

Résultats

Voici un exemple d’application d’un procédé de frittage utilisant Ansys Rocky, le module de simulation de l’écoulement des particules d’Ansys. L’installation se compose d’un alimentateur qui fournit des particules dans la cavité, d’une presse qui applique une force spécifiée et, enfin, d’un éjecteur. La séquence de mouvements doit être définie avant l’installation, puis configurée à l’aide des cadres de mouvements (voir la vidéo ci-dessous). Les informations de base sont présentées comme suit :

• Forme des particules : Sphères (Plus formes peuvent être utilisées)
• Taille des particules : 1,5 – 2,0 mm
• Nombre total de particules : 144,405
• Temps physique/simulation : 11 s / 4 696 s (1,3 h)
• Exécution : GPU NVIDIA TRX A6000

La taille des particules peut – et doit – être inférieure aux valeurs utilisées dans cette démo, soit environ 0,1-0,3 mm. Dans Rocky, les résultats dépendront également des propriétés du matériau et des coefficients d’interaction, qui peuvent être déterminés à l’aide de l’assistant matériau, comme par exemple :

• Propriétés des matériaux : Densité, module d’Young et coefficient de Poisson.
• Interactions entre les matériaux : Coefficients de frottement statique/dynamique, coefficient de restitution.
• Rigidité de l’adhésion : Elle dépend de la taille des particules (Model tuning).

Rocky permet également de visualiser la distribution de la taille des particules dans la pièce finale après compression. Avec la taille de particules utilisée dans ce cas, certains défauts sont perceptibles, ce qui permet d’ajuster la conception à un stade précoce. Comme le montre la figure, l’image de gauche montre la géométrie compactée, tandis que l’image de droite révèle la variation de la taille des particules. Les zones présentant des particules plus grandes ou plus petites peuvent indiquer des incohérences potentielles au niveau de la densité ou des propriétés mécaniques.

Les images de mouvement incluent l’effet de compression en appliquant une « force linéaire variable dans le temps » en conjonction avec une « translation du corps libre » pour générer une force qui augmente linéairement dans le temps. Pour cette démonstration, un coefficient de 500 N/s est utilisé,d et il représente la pente de la force linéaire dans le graphique suivant. Cette force peut être utilisée pour estimer la pression générée par le mécanisme hydraulique.

La dernière image montre la carte de la fraction volumique des particules dans la pièce finale après compression. Idéalement, cette distribution devrait être aussi uniforme que possible pour garantir une densité constante dans toute la pièce. Cependant, une nette asymétrie est observée dans les cases vertes. En revanche, les zones supérieure et inférieure présentent une bonne uniformité. Ces informations sont cruciales pour identifier les défauts de compactage et pour apporter des ajustements à la conception de l’alimentateur, à la géométrie du poinçon ou à la séquence de mouvements afin d’améliorer la qualité globale du processus.

Rejoignez le forum des designers !

Votre expertise est essentielle pour la communauté. Rejoignez-nous et apportez vos connaissances !

Partagez, apprenez et évoluez avec les meilleurs professionnels du secteur.