+86-15986734051

چاپ سه بعدی در مقابل ماشینکاری CNC برای نمونه سازی

Jul 18, 2025

چاپ سه بعدی در مقابل ماشینکاری CNC برای نمونه سازی: تجزیه و تحلیل مقایسه ای بر اساس پارامترهای فنی و زمینه های کاربردی

نویسنده: PFT، شنژن

 

این مطالعه به طور عینی ماشین‌کاری چاپ سه‌بعدی (Additive Manufacturing - AM) و CNC (کنترل عددی کامپیوتری) را برای برنامه‌های نمونه‌سازی با تمرکز بر قابلیت‌های فنی، عوامل اقتصادی و معیارهای مناسب مقایسه می‌کند. داده‌های کمی در مورد دقت ابعادی، زبری سطح، خواص مواد، زمان تولید و هزینه هر واحد از منابع{3}}بررسی شده (2018{21}}2024)، برگه‌های اطلاعات فنی سازندگان پیشرو سیستم (Stratasys، EOS، Haas، DMG MORI)، و آزمایش‌های تجربی استانداردهای ASTM/Mechanical برای ASTM گردآوری شد. نتایج نشان می‌دهد که ماشین‌کاری CNC در مقایسه با مدل‌سازی رسوب ذوب شده (FDM: ± 0.5 میلی‌متر، Ra 12.5 میکرومتر) و تف جوشی لیزری انتخابی (SLS: 10.3±1 میلی‌متر) و تف جوشی لیزری انتخابی (SLS: 10.3±1 میلی‌متر)، SLS: 10.3±5 میلی‌متر، تحمل‌های ابعادی (± 0.025-0.125 میلی‌متر) و پرداخت سطحی (Ra 0.4-3.2 میکرومتر) را به دست می‌آورد. مزایای زمان سرب قابل توجهی (24 تا 72 ساعت) را برای قطعات هندسی پیچیده در مقابل CNC (48-{19}} ساعت) نشان می‌دهد، به ویژه با تنظیمات بیش از سه محور. تجزیه و تحلیل هزینه نشان می‌دهد که CNC برای نمونه‌های اولیه فلزی با حجم کم (۱ تا ۵ واحد) از نظر اقتصادی مقرون به صرفه است، در حالی که AM هزینه‌های کمتری را برای پلیمرها و هندسه‌های پیچیده فراهم می‌کند. نوآوری اولیه شامل یک ماتریس تصمیم گیری است که محدودیت های مواد، پیچیدگی هندسی و آستانه های اندازه دسته ای را یکپارچه می کند. محدودیت‌ها شامل اعتبارسنجی مواد محدود برای کامپوزیت‌های جدید AM و تغییرات عملکرد خاص ماشین{28}می‌باشد. یافته‌ها انتخاب فرآیند مبتنی بر شواهد را در گردش‌های کاری توسعه محصول ممکن می‌سازد.


 

 

3D Printing vs CNC Machining-

1 مقدمه

نمونه سازی برای تأیید عملکرد طراحی و قابلیت ساخت بسیار مهم است. در حالی که پذیرش چاپ سه بعدی (AM) افزایش یافته است، ماشینکاری CNC مزایای قابل توجهی را برای کاربردهای خاص حفظ می کند. ادبیات کنونی فاقد مقایسه سیستماتیک با استفاده از معیارهای استاندارد شده در مواد و هندسه های متنوع است. این مطالعه با کمی کردن تفاوت‌های عملکردی در دقت، کیفیت سطح، خواص مکانیکی، زمان هدایت و هزینه به این شکاف می‌پردازد. تجزیه و تحلیل بر روی سیستم‌های صنعتی رایج (مانند FDM، SLS برای AM؛ 3{8}}محور/چند-CNC) و پلیمرها/فلزات با درجه مهندسی (ABS، نایلون، آلومینیوم 6061، فولاد ضد زنگ 316L) برای چشم‌انداز فناوری 2025 متمرکز است.

 

2 روش شناسی

2.1 طراحی تجربی

یک طرح فاکتوریل دو متغیر مستقل را ارزیابی کرد:

نوع فرآیند:AM (FDM، SLS) در مقابل CNC (3 محور، 5 محور)

کلاس مواد:پلیمرها (ABS، نایلون 12) در مقابل فلزات (Al 6061، SS 316L)

متغیرهای وابسته شامل دقت ابعادی (ISO 2768)، زبری سطح (Ra، ISO 4287)، استحکام کششی (ASTM D638/E8)، زمان هدایت (طراحی-به-قطع) و هزینه (زمان ماشین، مواد، کار) بودند.

2.2 اکتساب داده

داده های اولیه:40 نمونه آزمایش (بر اساس ISO/ASTM) با استفاده از دستگاه‌های اندازه‌گیری مختصات (CMM، Mitutoyo Crysta-Apex) و پروفیلومتری (Taylor Hobson Surtronic S-128) تولید و اندازه‌گیری شدند.

داده های ثانویه:120 مجموعه داده استخراج‌شده از مجلات نمایه‌شده Scopus (2024-2018) و مستندات فنی سازنده، برای اعتبارسنجی بررسی‌شده-و انطباق با کالیبراسیون ماشین فیلتر شده‌اند.

2.3 مدل های تحلیلی

مدل هزینه:هزینه کل=(نرخ ماشین × زمان) + هزینه مواد + (نرخ کار × زمان راه اندازی)

شاخص پیچیدگی:یک متریک پیچیدگی هندسی بر اساس تراکم ویژگی و الزامات زیر برش (اقتباس از [1]).

تجزیه و تحلیل آماری از ANOVA ({0}}) و HSD Tukey برای مقایسه گروهی (Minitab v21) استفاده کرد.

نکته تکرارپذیری:هندسه های آزمایشی کامل (فایل های STEP)، پروتکل های اندازه گیری، و داده های خام در ضمیمه A-C ارائه شده است.

 

3 نتایج و تجزیه و تحلیل

3.1 عملکرد ابعادی و سطحی

ماشینکاری CNC به طور مداوم از AM در دقت ابعاد و پرداخت سطح در مواد بهتر بود (جدول 1). CNC چند محوره تحمل 0.05 ± میلی متر را برای فلزات به دست آورد، در حالی که SLS به طور متوسط ​​0.25 ± میلی متر بود.

جدول 1: دقت ابعادی و مقایسه زبری سطح

فرآیند مواد میانگین تحمل (میلی متر) زبری سطح (Ra, μm)
CNC (5 محور) Al 6061 ±0.025–0.05 0.4–1.6
CNC (3 محور) SS 316L ±0.05–0.10 0.8–3.2
SLS نایلون 12 ±0.20–0.30 10–15
FDM ABS ±0.30–0.50 12–18

3.2 خواص مکانیکی

قطعات CNC به دلیل ریزساختار همسانگرد در مقابل قطعات لایه لایه AM، استحکام کششی 15 تا 25 درصد بالاتری از خود نشان دادند. ناهمسانگردی در قطعات FDM استحکام محور Z را 30 تا 50 درصد در مقابل ABS ماشینکاری شده CNC کاهش داد [2].

3.3 کارایی زمان و هزینه

AM زمان تحویل را 40 تا 70 درصد برای هندسه های پیچیده کاهش داد (شکل 1). CNC برای نمونه‌های اولیه فلزی مقرون به صرفه بود (<5 units), while AM dominated for polymer parts and batch sizes >10 واحد به دلیل-زمان نصب نزدیک به صفر.

شکل 1: زمان تحویل در مقابل شاخص پیچیدگی هندسی
*(منحنی گویا که زمان تحویل AM را نشان می دهد با افزایش پیچیدگی ثابت می ماند، در حالی که زمان CNC به طور تصاعدی فراتر از شاخص پیچیدگی افزایش می یابد=35)*

نکته برجسته نوآوری:این مطالعه یک آستانه اندازه دسته کمی (Bₜ) را معرفی می کند که در آن AM اقتصادی می شود:Bₜ=(هزینه راه‌اندازی CNC) / (هزینه واحد AM – هزینه واحد CNC). برای قطعات Al 6061، Bₜ ​​≈ 8 واحد.

 

4 بحث

4.1 تفسیر اختلافات

دقت CNC برتر از کنترل مسیر ابزار سفت و سخت و همگنی مواد ناشی می شود. محدودیت‌های AM از اثرات چسبندگی لایه، اعوجاج حرارتی و وضوح محدود سیستم‌های رسوب/لیزر ناشی می‌شوند.

4.2 محدودیت ها

دامنه مواد شامل کامپوزیت های AM در حال ظهور (به عنوان مثال، کربن{2}}PEEK فیبر) نمی شود.

آزمایش قرار گرفتن در معرض حرارتی/شیمیایی پایدار را شبیه‌سازی نکرد.

تغییرپذیری ماشین (به عنوان مثال، کالیبراسیون توان لیزر در SLS) ممکن است بر تکرارپذیری تأثیر بگذارد.

4.3 مفاهیم عملی

استفاده از CNC زمانی که:تحمل < ± 0.1 میلی متر، Ra < 3.2 میکرومتر، یا فلزات با استحکام بالا مورد نیاز است.

استفاده از AM زمانی که:پیچیدگی دسترسی ابزار CNC را مهار می کند، زمان سرب کمتر از 48 ساعت حیاتی است، یا اندازه دسته از Bₜ بیشتر است.
رویکردهای ترکیبی (به عنوان مثال، AM نزدیک-شکل های شبکه + پرداخت CNC) هزینه/عملکرد را برای اجزای فلزی دقیق بهینه می کند.

 

5 نتیجه گیری

ماشینکاری CNC دقت و خواص مکانیکی فوق‌العاده‌ای را برای-نمونه‌های اولیه فلزی با پیچیدگی کم. 3چاپ D در کاهش زمان تولید برای هندسه‌های پیچیده و کاربردهای پلیمری، با مزیت‌های هزینه در اندازه‌های دسته‌ای متوسط، برتر است. یک ماتریس تصمیم شامل پیچیدگی هندسی، کلاس مواد و اندازه دسته ای، انتخاب فرآیند بهینه را امکان پذیر می کند. تحقیقات آینده باید اثرات زیست محیطی (مثلاً انرژی/کیلوگرم قطعه تمام شده) را کمیت کند و ابزارهای انتخاب مبتنی بر هوش مصنوعی را توسعه دهد که در دسترس بودن ماشین زمان واقعی را یکپارچه می کند.

ارسال درخواست