Otimização Bayesiana Multi-Objetivo Baseada em Processo Gaussiano Direto dos Parâmetros do Processo de Fusão a Laser Seletiva

Na fusão a laser seletiva (SLM), as relações entre os parâmetros do processo e a qualidade da superfície são altamente não lineares, enquanto diferentes indicadores de qualidade muitas vezes são mutuamente conflitantes, tornando a otimização multi-objetivo sob orçamentos experimentais limitados desafiadora. Para abordar essa questão, este estudo propõe uma estrutura de otimização Bayesiana multi-objetivo baseada em processo gaussiano (GP) direto para a otimização eficiente dos parâmetros do processo SLM. Melhorias direcionadas na modelagem substituta e no design da função de aquisição permitem a caracterização eficaz de respostas multi-objetivo acopladas com um número limitado de avaliações. A rugosidade da superfície (S a), a razão da área do defeito e a raiz quadrada média de deformação macroscópica foram selecionadas como objetivos de otimização com base em medições de microscopia confocal a laser, enquanto a potência do laser, a velocidade de varredura e o espaçamento dos hatches foram tratados como variáveis de design. Estudos comparativos com o método de melhoria de hipervolume esperado GP-convencional e o algoritmo genético de ordenação não dominada II (NSGA-II) demonstraram que a abordagem proposta alcançou uma convergência mais rápida e uma melhor aproximação da frente de Pareto sob o mesmo orçamento de avaliação. Sob a perspectiva de engenharia, a estrutura proposta reduz a dependência de experimentos extensivos e permite a identificação de combinações de parâmetros praticamente viáveis, fornecendo uma solução eficiente e transferível para a otimização inteligente do processo SLM.