Alloys Design for Additive Manufacturing (ADAM)

Conception d’alliages pour la fabrication additive

• Auteur / Autrice : Mariam Assi
• Direction : Anna Fraczkiewicz, Christophe Desrayaud
• Type : Thèse de doctorat
• Discipline(s) : Sciences et Génie des Matériaux
• Date : Soutenance le 29/09/2022
• Etablissement(s) : Saint-Etienne, EMSE
• Ecole(s) doctorale(s) : Ed Sis 488
• Partenaire(s) de recherche : établissement opérateur d'inscription : École nationale supérieure des mines (Saint-Etienne ; 1816-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Georges Friedel / LGF-ENSMSE
• Jury : Président / Présidente : Dominique Poquillon
• Jury : Examinateurs / Examinatrices : Dominique Poquillon, Jean-Marc Joubert, Patrice Peyre, Trong Son Cao, Julien Favre, Franck Tancret
• Jury : Rapporteurs / Rapporteuses : Jean-Marc Joubert, Patrice Peyre

Mots clés

Mots clés contrôlés

Soudage laser

Alliages

Prototypage rapide

Acier inoxydable austénitique

Mots clés libres

Conception d’alliages

Fabrication additive

Acier inoxydables

Alliages à haute entropie

Fusion laser sélective

Machine learning

Alloy design

Additive manufacturing

Stainless steel

Concentrated alloys

Selective laser melting

Machine learning

Résumé

Les développements récents dans le domaine des procédés de fabrication additive (FA) métallique pour la production de produits industriels à hautes performances restent limités par la disponibilité d'alliages pouvant être traités ou imprimables de manière fiable. Jusqu'à présent, la plupart des alliages imprimés par FA sont des alliages commerciaux qui ont été préalablement optimisés pour différents procédés de fabrication. L'une des ambitions du domaine serait donc de concevoir de nouveaux alliages spécifiquement adaptés aux procédés de FA, permettant de minimiser les défauts des produits finaux et d'optimiser leurs propriétés. Ceci impliquerait une optimisation de certaines caractéristiques du matériau permettant de réduire la présence des défauts actuellement observés tels que la fissuration à chaud, la porosité, la rugosité de surface, les contraintes et distorsions résiduelles, etc.Dans le cadre de cette thèse, une conception de nouvelles nuances d’alliages austénitiques, optimisées spécifiquement pour la FA, est proposée. La démarche repose sur un ensemble d'outils de calcul comprenant des algorithmes bayésiens d'apprentissage automatique combinés à des calculs de diagrammes de phases par la méthode CALPHAD et à des modèles physiques, intégrés dans un algorithme génétique multi-objectifs. Dans ce contexte, plusieurs critères dépendants du matériau sont examinés et leur effet sur les défauts mentionnés est étudié. Ensuite, la mise en œuvre d'un algorithme génétique a produit un ensemble d'alliages optimaux. Une validation expérimentale est alors réalisée sur une composition sélectionnée. L'alliage sélectionné est étudié à l'état coulé puis de poudre atomisée, et sous forme d’échantillons construits par fusion laser sélective (SLM). L'imprimabilité de l'alliage est évaluée et comparée aux alliages commerciaux existants.

The recent developments in the field of metallic additive manufacturing (AM) processes for the production of high-performance industrial products remains restricted by the limited availability of reliably processable or printable alloys. So far, most of the alloys being printed by AM are commercial alloys which have been previously optimized for different processing techniques. One of the ambitions of the domain would therefore be to design new alloys that are specifically adapted to such processes, allowing to minimize the defects in final products and optimize their properties. This means an optimization of certain material characteristics which should allow to reduce the presence of defects currently seen in AM-fabricated parts such as hot cracking, porosity, surface roughness, residual stresses and distortions, etc.Within the scope of this thesis, a computational design of new austenitic alloy compositions, optimized specifically for AM is proposed. This method is based on a set of computational tools including Bayesian machine learning (ML) algorithms combined with calculation of phase diagrams (CALPHAD) and physical models, integrated in a multi-objective genetic algorithm (GA). In this context, several material-dependent criteria are reviewed and their effect on the mentioned defects is identified. Then, the implementation of a genetic algorithm yields a set of optimal alloys. Experimental validation is carried out on one selected composition. The selected alloy was investigated in the as-cast condition, as an atomized powder and as specimens built by Selective Laser Melting (SLM). The printability of the alloy is assessed and compared to existing commercial alloys.