基于知识的方法用于理解和管理增材制造数据

《Advanced Engineering Materials》:A Knowledge-Based Approach for Understanding and Managing Additive Manufacturing Data

【字体: 大 中 小 】 时间:2026年02月26日 来源:Advanced Engineering Materials 3.6

编辑推荐:

  增材制造(Additive Manufacturing,AM)是一种创新生产方法,因其能够克服传统制造技术的许多局限而受到广泛关注。为优化各种AM工艺(尤其是跨不同方法)的努力导致大量数据被利用(例如,材料属性、打印机规格和工艺设置)或生成(例如,打印过程中的

  
增材制造(Additive Manufacturing,AM)是一种创新生产方法,因其能够克服传统制造技术的许多局限而受到广泛关注。为优化各种AM工艺(尤其是跨不同方法)的努力导致大量数据被利用(例如,材料属性、打印机规格和工艺设置)或生成(例如,打印过程中的监控数据、切片策略和参数配置)。有效管理、理解和检索这些数据中的信息仍然是一项重大挑战。数据通常呈现复杂的相互关系,并分布于异构来源,使得研究人员和行业专业人士难以提取有意义的见解或做出明智决策。为应对这些挑战,研究人员提出了一种基于知识的方法,旨在支持AM数据的结构化管理。该方法的核心理念是一个模块化本体(PBF-AMP-Onto),它作为语义基础,用于整合多样数据源、实现语义查询并支持决策系统。该本体促进了语义感知的数据管理,增强了AM过程的可解释性,并有助于优化制造结果。在本文中,研究人员聚焦于最先进的AM技术之一——粉末床熔融(Powder Bed Fusion,PBF),特别强调电子束(Electron Beam,EB-PBF)。为验证该方法的可行性和实用性,研究人员基于真实EB-PBF用例数据,利用工作台(PBF-AMP-KG Workbench)构建了一个知识图谱。随后,研究人员展示了如何利用该知识图谱高效回答与工艺参数、材料行为和机器设置等相关的领域查询,突显了其在支持研究人员更有效地导航和利用AM数据方面的潜力。
**基于知识的方法在增材制造数据理解与管理中的应用解读**
**研究背景**
增材制造(AM)作为一种创新生产方法,能克服传统制造技术局限,但工艺优化过程中产生大量异构数据(如材料属性、打印机规格、监控数据等),这些数据存在复杂关联且分散于不同来源,导致研究人员难以有效提取洞察或做出决策。当前缺乏基于领域知识的正式模型来表示和解释这些数据,阻碍了语义感知的数据搜索与分析应用,也不符合可查找、可访问、可互操作、可重用(FAIR)原则。因此,有必要开发一种系统化方法,实现AM数据的结构化存储、语义查询与智能分析,以提升制造过程的可解释性与优化能力。
**研究内容与结论**
研究人员提出了一种基于知识的方法,核心是开发模块化本体PBF-AMP-Onto,并基于该本体构建知识图谱(KG)。该本体包含三个模块:AMPCore模块(捕获AM基本概念与关系)、Core模块(聚焦粉末床熔融(PBF)关键概念)、EB模块(专用于电子束粉末床熔融(EB-PBF))。研究人员还开发了PBF-AMP-KG Workbench,帮助用户将实验数据映射到本体并自动生成KG。通过真实EB-PBF用例(如Scan_strategy_print和Hip_cup打印作业)构建KG,并利用SPARQL查询验证了该方法在回答工艺参数、材料行为、机器设置等领域问题上的有效性。结论表明,该本体驱动的KG方法能统一异构AM数据,支持高效查询与推理,为未来AI辅助优化(如工艺参数优化)奠定基础。论文发表在《Advanced Engineering Materials》。
**主要技术方法**
研究人员采用NeOn本体工程方法论开发PBF-AMP-Onto,并利用Protégé工具进行实现。关键技术包括:模块化本体设计(三个模块)、基于资源描述框架(RDF)和SPARQL查询语言的知识图谱构建与查询、以及基于Python的PBF-AMP-KG Workbench开发(用于数据输入与KG自动生成)。样本数据来源为真实EB-PBF构建作业(如Scan_strategy_print和Hip_cup)。
**研究结果**
**5.1 PBF-AMP-Onto开发**
通过NeOn方法论与领域专家协作,定义了16个能力问题(CQ)指导本体设计。采用模块化结构,便于扩展至其他AM方法。
**5.2 PBF-AMP-Onto**
- PBF-AMP-Onto:AMPCore:定义AM过程链、过程状态、结果状态等基础概念,重用PROV本体表示来源信息。
- PBF-AMP-Onto:Core:细化PBF过程链,包括构建模型设计、切片、打印、监控、后处理、测试六个子过程,并定义输入输出关系(如粉末材料、打印指令、传感器数据)。
- PBF-AMP-Onto:EB:针对EB-PBF,定义扫描策略(如预加热、熔化、后加热)、束控制切片策略、粉末进给控制等特化概念。
**6 PBF-AMP-KG Workbench**
开发了基于本体的数据输入界面,按子过程分多个标签页(如开始、构建模型设计、切片、打印、监控等),支持用户输入数据并自动生成JSON文件,再转换为RDF格式的KG。
**7 应用与评估**
- 7.1 用例:使用Scan_strategy_print(打印八个立方体,不同扫描策略)和Hip_cup(带支撑结构的杯状件)两个真实EB-PBF构建作业,基于PBF-AMP-Onto构建了包含材料、机器、工艺参数等信息的KG(图12)。
- 7.2 SPARQL查询:针对能力问题执行SPARQL查询,如CQ1(查询打印介质材料)、CQ6(查询每个监督者使用的介质)、CQ15(查询使用特定扫描速度的构建作业)、CQ16(查询所有扫描策略中的扫描速度),成功从KG中检索出结果(表2、表3),验证了KG的查询能力。
**总结与讨论**
研究结论部分指出:本文提出的基于知识的方法能有效存储和管理AM数据(尤其EB-PBF),PBF-AMP-Onto本体和PBF-AMP-KG Workbench支持用户构建可查询的KG,并展示了在真实用例上的可行性。未来工作包括:扩展本体至其他AM方法(如激光束粉末床熔融,LB-PBF)、采用QUDT(数量、单位、维度与数据类型本体)处理单位、增强Workbench的自动化功能、以及将KG与AI模型结合用于工艺参数优化。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号