Tổng quan về luận án

Luận án tiến sĩ "Nghiên cứu nâng cao chất lượng sản phẩm của công nghệ FDM" của Huỳnh Hữu Nghị, chuyên ngành Kỹ Thuật Cơ Khí (Mã số: 62520103), là một đóng góp mang tính tiên phong vào lĩnh vực chế tạo bồi đắp vật liệu (Additive Manufacturing – AM), đặc biệt tập trung vào công nghệ lắng đọng vật liệu nóng chảy (Fused Deposition Modeling – FDM). Trong bối cảnh công nghệ AM đang phát triển nhanh chóng, với doanh thu toàn cầu tăng từ 6,063 tỷ USD lên 7,336 tỷ USD chỉ riêng trong năm 2017 [1], FDM chiếm thị phần lớn nhất, đạt 66% vào quý 1 năm 2018 [1], cho thấy tầm quan trọng của nó trong sản xuất công nghiệp, từ điện tử (chiếm 22%) đến ô tô (chiếm 19%) và thiết bị công nghiệp (chiếm 13%) [1]. Tuy nhiên, để FDM thực sự đáp ứng các yêu cầu khắt khe của ngành công nghiệp, chất lượng sản phẩm vẫn cần được cải thiện đáng kể, đặc biệt là độ chính xác kích thước và độ bền kéo.

Research gap cụ thể mà luận án này giải quyết là sự thiếu hụt các nghiên cứu chuyên sâu về tối ưu hóa đồng thời độ chính xác kích thước và độ bền kéo cho sản phẩm FDM sử dụng vật liệu PLA-đồng (PLA-Copper) – một vật liệu composite nền nhựa pha bột kim loại còn ít được khám phá. Hầu hết các nghiên cứu trước đây thường tập trung vào vật liệu đơn chất như ABS, PLA, PEEK hoặc chỉ xem xét một hoặc một vài thông số công nghệ riêng lẻ hoặc các mục tiêu chất lượng đơn lẻ (ví dụ, độ bền kéo hoặc độ chính xác kích thước). Sự phức tạp trong mối quan hệ đa chiều giữa năm thông số công nghệ chính (chiều dày lớp, góc đường đùn, tốc độ đầu đùn, mật độ điền đầy, nhiệt độ buồng tạo sản phẩm) và hai đặc tính chất lượng của vật liệu composite mới như PLA-đồng vẫn chưa được hiểu rõ và tối ưu hóa một cách toàn diện. Cụ thể, luận án đã xác định: "Tuy nhiên, để tạo ra các sản phẩm trong lĩnh vực công nghiệp, công nghệ FDM còn cần phải được cải thiện các đặc tính chất lượng như: độ chính xác kích thước, độ nhám bề mặt, cơ tính… Các đặc tính này chủ yếu bị ảnh hưởng bởi các thông số công nghệ trong quá trình tạo sản phẩm." (trang i) và "Sử dụng nhựa PLA-đồng, là loại vật liệu chưa được quan tâm nghiên cứu nhiều, nhằm đáp ứng nhu cầu mở rộng khả năng ứng dụng của sản phẩm FDM trong thực tế sản xuất công nghiệp." (trang 22).

Để lấp đầy khoảng trống này, luận án đặt ra các câu hỏi nghiên cứu và giả thuyết chính:

  1. RQ1: Năm thông số công nghệ chủ chốt (chiều dày lớp, góc đường đùn, tốc độ đầu đùn, mật độ điền đầy, nhiệt độ buồng tạo sản phẩm) ảnh hưởng như thế nào đến độ chính xác kích thước và độ bền kéo của sản phẩm FDM từ PLA-đồng?
    • H1: Các thông số công nghệ này có ảnh hưởng đáng kể và tương tác lẫn nhau đến cả độ chính xác kích thước (theo các phương X, Y, Z) và độ bền kéo của sản phẩm.
  2. RQ2: Làm thế nào để xây dựng mô hình thực nghiệm và mô hình dự đoán mối quan hệ này một cách hiệu quả?
    • H2: Phương pháp thiết kế tổng hợp trung tâm (FCCCD) kết hợp với Phương pháp bề mặt đáp ứng (RSM) có thể xây dựng mô hình thực nghiệm chính xác, và mô hình mạng nơ ron nhân tạo (ANN) có thể cung cấp khả năng dự đoán đáng tin cậy.
  3. RQ3: Các giá trị tối ưu của các thông số công nghệ là gì để đồng thời cải thiện độ chính xác kích thước và độ bền kéo của sản phẩm FDM từ PLA-đồng?
    • H3: Có thể xác định được các bộ thông số công nghệ tối ưu đa mục tiêu thông qua tối ưu hóa RSM và kiểm chứng thực nghiệm.

Khung lý thuyết của luận án được xây dựng dựa trên lý thuyết về mối quan hệ cấu trúc-tính chất-chế biến vật liệu ("Process-Structure-Property-Performance" paradigm), kết hợp với lý thuyết tối ưu hóa đa mục tiêu và lý thuyết học máy (Machine Learning). Các mô hình Thiết kế Thực nghiệm (Design of Experiment - DOE), đặc biệt là FCCCD, được sử dụng để lập kế hoạch thử nghiệm hiệu quả. Lý thuyết phân tích phương sai (ANOVA) cung cấp cơ sở thống kê để đánh giá ý nghĩa của các thông số. Phương pháp bề mặt đáp ứng (RSM) dựa trên lý thuyết hồi quy và tối ưu hóa cục bộ, trong khi Mạng nơ ron nhân tạo (ANN) dựa trên lý thuyết học sâu để mô hình hóa các mối quan hệ phi tuyến phức tạp.

Luận án này đưa ra những đóng góp đột phá với tác động định lượng rõ ràng. Nó là một trong những nghiên cứu đầu tiên tập trung vào vật liệu PLA-đồng, một vật liệu composite với tiềm năng công nghiệp lớn, chưa được tối ưu hóa toàn diện trên các khía cạnh chất lượng. Quy trình kiểm soát và tối ưu hóa thông số công nghệ được đề xuất thông qua FCCCD, RSM và ANN không chỉ cải thiện độ chính xác kích thước (giảm sai số) và tăng độ bền kéo, mà còn xây dựng nền tảng cho việc chuẩn hóa quy trình sản xuất FDM. "Để cải thiện độ chính xác kích thước và độ bền kéo, luận án đã xây dựng một quy trình kiểm soát các thông số công nghệ thông qua quá trình thực nghiệm dựa trên phương pháp thiết kế tổng hợp trung tâm (Face - Centered Central Composite Design - FCCCD)" (trang i). Nghiên cứu đã xác định được các bộ thông số tối ưu, mang lại cải thiện đáng kể cho các đặc tính sản phẩm, ví dụ như giảm sai số kích thước trung bình và tăng độ bền kéo, với các kết quả thực nghiệm được kiểm chứng, thông qua việc kiểm tra các mẫu được chế tạo từ bộ thông số công nghệ tối ưu tìm được. Phạm vi nghiên cứu bao gồm việc phân tích năm thông số công nghệ chính và hai đặc tính chất lượng quan trọng (độ chính xác kích thước và độ bền kéo), được thực hiện trong một khoảng thời gian nhất định sử dụng thiết bị FDM - Vina2015, đảm bảo tính ứng dụng thực tiễn cao.

Literature Review và Positioning

Đánh giá tổng quan tài liệu cho thấy một bức tranh đa dạng về nghiên cứu công nghệ FDM, với nhiều nỗ lực nhằm cải thiện chất lượng sản phẩm. Các nghiên cứu chủ yếu tập trung vào ảnh hưởng của các thông số công nghệ đến độ chính xác kích thước và cơ tính.

Trong lĩnh vực độ chính xác kích thước, nhiều nhà nghiên cứu đã chỉ ra sự phụ thuộc của nó vào các thông số như chiều dày lớp, nhiệt độ đầu đùn, tốc độ cấp liệu và hướng chế tạo. Chẳng hạn, Oguzhan Emre Akbas (2019) tại Đại học Istanbul, Thổ Nhĩ Kỳ, đã phân tích thực nghiệm ảnh hưởng của nhiệt độ đầu đùn và tốc độ cấp liệu, nhận thấy PLA cho độ chính xác trung bình tốt hơn ABS [12]. Beibit Zharylkassyn và cộng sự (2021) tại Kazakhstan đã nghiên cứu các vật liệu ABS, PLA, ASA, Nylon và kết luận rằng chiều dày lớp (0.1-0.2mm cho ABS và PLA), bề rộng đường đùn và kiểu điền đầy là quan trọng, với hướng chế tạo 0° và 90° được xem là tối ưu cho ABS và PLA [13]. D. Murthy (2018) tại Học viện Kỹ thuật và Công nghệ Vignana Jyothi, Ấn Độ [14] và A. Mohanty và cộng sự (2021) cũng tại Ấn Độ [15] đã nhấn mạnh vai trò của chiều dày lớp, góc đường đùn, và đặc biệt là hướng chế tạo như là yếu tố quan trọng nhất ảnh hưởng đến độ chính xác. K. Manolakos (2020) ở Ai Cập thì chỉ ra nhiệt độ đầu đùn là thông số có ảnh hưởng nhiều nhất đối với độ chính xác kích thước của mẫu tiêu chuẩn đơn giản [16].

Về cơ tính sản phẩm, đặc biệt là độ bền kéo, cũng có nhiều công trình nghiên cứu nổi bật. Fuda Ning và cộng sự (2016) tại Đại học Kỹ thuật Texas, Mỹ [17] đã khảo sát ảnh hưởng của góc đường đùn, tốc độ đầu đùn, nhiệt độ đầu đùn và chiều dày lớp trên mẫu thử ASTM D638-10. Họ kết luận rằng góc đường đùn 0° và 90° mang lại độ bền kéo cao hơn đáng kể, và độ bền kéo đạt tối đa khi tốc độ đầu đùn là 25 mm/s và chiều dày lớp 0.15 mm. Shilpesh R. Rajpurohit và Harshit K. Dave (2018) ở Ấn Độ [18] cũng tìm thấy độ bền kéo cao nhất khi góc đường đùn 0° và tăng khi chiều dày lớp giảm. Gebisa và Lemu (2019) tại Đại học Stavanger, Na Uy [19] phát hiện chỉ góc đường đùn ảnh hưởng đáng kể đến độ bền kéo. Deng và cộng sự (2018) tại Đại học Công nghệ và Giáo dục Thiên Tân, Trung Quốc [20] tối ưu độ bền kéo cho vật liệu PEEK ở tốc độ đầu đùn 60 mm/s, chiều dày lớp 0.2 mm, nhiệt độ đầu đùn 370°C, và mật độ điền đầy 40%. M Heidari-Rarani và cộng sự (2020) ở Đại học Isfahan, Iran [23] chỉ ra mật độ điền đầy 80%, tốc độ đầu đùn 40 mm/s và chiều dày lớp 0.1 mm là tối ưu cho độ bền kéo của PLA.

Mâu thuẫn và tranh luận trong tài liệu hiện có là về việc thông số nào có ảnh hưởng lớn nhất. Ví dụ, trong khi Mohanty và cộng sự [15] xác định hướng chế tạo là nhân tố quan trọng nhất đối với độ chính xác kích thước, thì Manolakos [16] lại cho rằng nhiệt độ đầu đùn là thông số có ảnh hưởng nhiều nhất. Tương tự, Gebisa và Lemu [19] tìm thấy chỉ góc đường đùn ảnh hưởng đáng kể đến độ bền kéo, trong khi Fuda Ning và cộng sự [17] chỉ ra nhiều thông số khác cũng có tác động quan trọng. Các mâu thuẫn này thường xuất phát từ sự khác biệt về vật liệu, loại thiết bị, phạm vi thông số được khảo sát và đặc điểm hình học của mẫu thử.

Luận án này định vị mình trong tài liệu hiện có bằng cách giải quyết một khoảng trống cụ thể: tối ưu hóa đồng thời độ chính xác kích thước và độ bền kéo cho vật liệu PLA-đồng, một vật liệu composite chưa được nghiên cứu kỹ lưỡng, đặc biệt là dưới góc độ đa mục tiêu và sử dụng các phương pháp tiên tiến như mô phỏng, thiết kế thực nghiệm phức tạp (FCCCD), RSM và ANN một cách tổng hợp. Trong khi nhiều nghiên cứu như của J. Chacón và cộng sự (2019) tại Đại học Castilla-La Mancha, Tây Ban Nha [24] tập trung vào các vật liệu composite gia cố sợi liên tục (CFRTPCs) để đánh giá độ bền kéo, uốn và độ cứng, luận án này mở rộng phạm vi vật liệu sang composite nền nhựa pha bột kim loại (PLA-đồng) và tích hợp thêm yếu tố nhiệt độ buồng tạo sản phẩm, vốn đã được Kou và cộng sự tại Đài Loan [35] hoặc Casavola và cộng sự tại Ý [37] chứng minh tầm quan trọng trong việc giảm cong vênh và tách lớp. Đặc biệt, việc sử dụng kết hợp mô phỏng dòng chảy vật liệu (Ansys-Fluent) để xác định khoảng giá trị thông số an toàn, FCCCD để tối ưu hóa, và ANN để dự đoán, cùng với kiểm chứng thực nghiệm chặt chẽ, tạo nên một cách tiếp cận toàn diện và mạnh mẽ hơn so với nhiều nghiên cứu đơn lẻ. Ví dụ, Dinesh Yadav và cộng sự (2019) ở Ấn Độ [21, 22] cũng sử dụng ANN, nhưng luận án này còn thêm mô phỏng vật liệu và so sánh đối chiếu giữa RSM và ANN, cung cấp cái nhìn đa chiều về hiệu quả dự đoán.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này có những đóng góp đáng kể vào các lý thuyết hiện có trong lĩnh vực chế tạo bồi đắp vật liệu và khoa học vật liệu, đặc biệt là đối với công nghệ FDM.

  1. Mở rộng lý thuyết Process-Structure-Property-Performance (P-S-P-P): Nghiên cứu này mở rộng hiểu biết về cách các thông số chế tạo cụ thể trong FDM (như chiều dày lớp, góc đường đùn, tốc độ đầu đùn, mật độ điền đầy, nhiệt độ buồng tạo sản phẩm) ảnh hưởng đến cấu trúc vi mô và vĩ mô của sản phẩm PLA-đồng, từ đó định hình các đặc tính hiệu suất (độ chính xác kích thước và độ bền kéo). Cụ thể, nó làm sâu sắc thêm lý thuyết về liên kết giữa các lớp và sợi (inter-layer and intra-layer bonding) vốn đã được nhấn mạnh bởi Wang và cộng sự (2018) [26] và Shuheng Wang và cộng sự (2020) [29], bằng cách định lượng tác động của nhiệt độ buồng tạo sản phẩm và mật độ điền đầy đối với vật liệu PLA-đồng, nơi nhiệt độ môi trường xung quanh có thể ảnh hưởng đến quá trình đông đặc và hình thành ứng suất dư. Điều này thách thức một số giả định về tính chất đồng nhất của sản phẩm trong các mô hình lý thuyết đơn giản hơn.
  2. Làm phong phú lý thuyết về tối ưu hóa đa mục tiêu: Bằng cách sử dụng Phương pháp Bề mặt Đáp ứng (RSM) để tối ưu hóa đồng thời độ chính xác kích thước và độ bền kéo, luận án đã chứng minh khả năng áp dụng của RSM trong việc giải quyết các bài toán tối ưu hóa phức tạp, đa mục tiêu cho vật liệu composite. Điều này bổ sung vào các nghiên cứu của J. Chacón và cộng sự (2019) [24] và Omar Ahmed Mohamed và cộng sự (2016) [28], bằng cách cung cấp các mô hình toán học tường minh cho vật liệu PLA-đồng, có thể được khái quát hóa thành các khuôn khổ lý thuyết cho các vật liệu composite khác trong FDM.
  3. Thúc đẩy lý thuyết dự đoán dựa trên học máy: Việc xây dựng và so sánh mô hình Mạng nơ ron nhân tạo (ANN) với RSM để dự đoán các đặc tính chất lượng đã chứng minh hiệu quả của ANN trong việc nắm bắt các mối quan hệ phi tuyến tính phức tạp giữa thông số đầu vào và đầu ra. Điều này đóng góp vào lý thuyết về mô hình hóa dự đoán trong sản xuất, cung cấp bằng chứng thực nghiệm về tính ưu việt của ANN trong một số trường hợp, đồng thời thiết lập một khuôn khổ lý thuyết cho việc tích hợp AI vào quy trình kiểm soát chất lượng FDM. Nghiên cứu này khẳng định lại lý thuyết của Dinesh Yadav và cộng sự (2019) [21, 22] về tiềm năng của ANN, nhưng với bộ dữ liệu và vật liệu cụ thể hơn, đồng thời thêm vào so sánh trực tiếp với RSM.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp một cách độc đáo các phương pháp và lý thuyết, tạo ra một cách tiếp cận toàn diện và mạnh mẽ:

  1. Tích hợp lý thuyết đa ngành: Luận án tích hợp thành công lý thuyết từ Cơ học vật liệu (để hiểu độ bền kéo và biến dạng), Nhiệt động lực học (mô phỏng quá trình nóng chảy và ảnh hưởng của nhiệt độ buồng), và Thống kê ứng dụng (DOE, ANOVA, RSM) cùng với Học máy (ANN). Sự tích hợp này cho phép một cái nhìn đa chiều về vấn đề, từ cơ sở vật lý của quá trình đùn và tạo lớp cho đến các mô hình thống kê và thuật toán dự đoán. Ví dụ, phần mô phỏng quá trình đùn nhựa sử dụng các phương trình từ nhiệt động lực học và cơ học chất lỏng phi Newton (Luật Power-law của dòng chảy nhựa, như công thức (3.1) [61]) để xác định khoảng thông số vận tốc cấp liệu an toàn trước khi đi vào thực nghiệm.
  2. Cách tiếp cận phân tích mới lạ: Nghiên cứu này áp dụng một phương pháp phân tích ba giai đoạn tiên tiến: Mô phỏng (Ansys-Fluent) → Thực nghiệm (FCCCD) & Phân tích Thống kê (ANOVA, RSM) → Mô hình hóa dự đoán (ANN) và Kiểm chứng. Việc sử dụng mô phỏng dòng chảy vật liệu ở Chương 3 để định hướng khoảng giá trị của thông số tốc độ đầu đùn là một điểm độc đáo, giúp giảm thiểu số lượng thực nghiệm và tăng tính an toàn. Sau đó, FCCCD (Face-Centered Central Composite Design) được triển khai để thu thập dữ liệu toàn diện với 5 thông số đầu vào, cho phép phân tích các tương tác bậc cao giữa các thông số. Cuối cùng, RSM được sử dụng để tối ưu hóa và ANN được xây dựng để dự đoán, với sự so sánh chặt chẽ giữa hai phương pháp này, cung cấp một cái nhìn sâu sắc về hiệu quả và ứng dụng của mỗi phương pháp.
  3. Đóng góp khái niệm và điều kiện biên: Luận án đóng góp các định nghĩa thực nghiệm và lý thuyết cụ thể cho "chất lượng sản phẩm FDM" dưới góc độ độ chính xác kích thước (sai số theo 3 phương: ΔX, ΔY, ΔZ) và độ bền kéo (σk). Các điều kiện biên (Boundary conditions) được xác định rõ ràng, bao gồm:
    • Vật liệu: Chỉ áp dụng cho PLA-đồng (Formfutura).
    • Phạm vi thông số: Giới hạn trong khoảng được khảo sát cho 5 thông số công nghệ (ví dụ: chiều dày lớp 0.1-0.3mm, nhiệt độ buồng 50-60°C).
    • Thiết bị: Thiết bị FDM - Vina2015 và các tiêu chuẩn kiểm tra ASTM D638 (ví dụ, được đề cập trong các tài liệu tham khảo [17, 21, 22, 23, 33]).
    • Mục tiêu: Tập trung vào độ chính xác kích thước và độ bền kéo, không mở rộng sang độ nhám bề mặt hay các cơ tính khác. Điều này giúp xác định rõ ràng phạm vi áp dụng và tính tổng quát của các mô hình và kết quả thu được.

Phương pháp nghiên cứu tiên tiến

Nghiên cứu áp dụng một phương pháp luận đa diện, kết hợp chặt chẽ mô phỏng số, thiết kế thực nghiệm thống kê và học máy để giải quyết vấn đề tối ưu hóa chất lượng sản phẩm FDM.

Thiết kế nghiên cứu

Luận án này tuân theo triết lý nghiên cứu Thực chứng hậu nghiệm (Post-positivism) và quan điểm nhận thức luận Khách quan (Objectivism). Nó tìm kiếm các mối quan hệ nhân quả có thể định lượng được giữa các thông số công nghệ và đặc tính chất lượng sản phẩm, sử dụng các phương pháp khoa học có hệ thống để thu thập và phân tích dữ liệu thực nghiệm. Tuy nhiên, nó cũng thừa nhận rằng kiến thức là không hoàn hảo và có thể được điều chỉnh thông qua các bằng chứng thực nghiệm tiếp theo, thể hiện sự khiêm tốn khoa học.

Thiết kế nghiên cứu sử dụng phương pháp hỗn hợp theo nghĩa kết hợp các công cụ định lượng tiên tiến: mô phỏng số, thiết kế thực nghiệm thống kê, phân tích dữ liệu và học máy. Sự kết hợp này mang lại cái nhìn toàn diện hơn về quá trình FDM so với việc chỉ sử dụng một phương pháp đơn lẻ. Cụ thể, mô phỏng quá trình đùn nhựa bằng Ansys-Fluent phiên bản 2011 ở Chương 3 đã cung cấp cơ sở để xác định khoảng giá trị an toàn và hiệu quả cho thông số tốc độ đầu đùn, giảm rủi ro và tăng hiệu quả của quá trình thực nghiệm.

Nghiên cứu áp dụng thiết kế tổng hợp trung tâm (Face-Centered Central Composite Design - FCCCD) cho năm thông số công nghệ đầu vào:

  1. Chiều dày lớp (t): 0.1, 0.2, 0.3 mm.
  2. Góc đường đùn (θ): 0, 45, 90 độ.
  3. Tốc độ đầu đùn (Vp): 40, 50, 60 mm/s (được xác định từ mô phỏng Ansys-Fluent).
  4. Mật độ điền đầy (D): 20, 40, 60%.
  5. Nhiệt độ buồng tạo sản phẩm (Tb): 50, 55, 60°C. Thiết kế FCCCD này cho phép thu thập dữ liệu hiệu quả để xây dựng mô hình hồi quy bậc hai đầy đủ, bao gồm các hiệu ứng chính, hiệu ứng bậc hai và hiệu ứng tương tác giữa các thông số. Số lượng mẫu thử nghiệm được thiết kế theo FCCCD trên phần mềm Minitab (Hình 4.2, 4.3) để đảm bảo tính thống kê. Mặc dù số lượng thực nghiệm cụ thể không được nêu rõ, với 5 thông số, FCCCD thường yêu cầu một số lượng lớn các lần chạy thực nghiệm (ví dụ: 2^5 = 32 điểm góc, 2*5 = 10 điểm trục, và 1-6 điểm trung tâm), đảm bảo tính toàn diện của dữ liệu.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu: Mẫu thử nghiệm được lựa chọn và chế tạo tuân thủ các tiêu chuẩn quốc tế. Mẫu thử nghiệm độ bền kéo theo tiêu chuẩn ASTM D638 (Hình 4.4) và mẫu thử độ chính xác kích thước (Hình 4.5) được thiết kế để đo lường sai số theo 3 phương X, Y, Z. Quy trình chế tạo mẫu được thực hiện trên thiết bị FDM - Vina2015 (Hình 4.6), một thiết bị do Việt Nam chế tạo, đảm bảo tính ứng dụng thực tiễn. Tiêu chí lựa chọn và loại trừ mẫu được thiết lập rõ ràng để đảm bảo tính đồng nhất.

Giao thức thu thập dữ liệu: Dữ liệu về độ chính xác kích thước được thu thập bằng các dụng cụ đo chính xác (ví dụ, thước cặp Mitutoyo như [32] được tham khảo), trong khi độ bền kéo được đo bằng máy thử nghiệm vạn năng DELTALAB (Hình 4.9), với kết quả được biểu diễn bằng biểu đồ ứng suất-biến dạng (Hình 4.10). Quá trình đo lường được thực hiện theo các giao thức tiêu chuẩn, giảm thiểu sai số.

Độ tin cậy và giá trị:

  • Triangulation: Luận án không sử dụng triangulation theo nghĩa kết hợp các nguồn dữ liệu, phương pháp, hoặc nhà nghiên cứu khác nhau, mà tập trung vào sự kết hợp mạnh mẽ giữa mô phỏng, thực nghiệm và mô hình hóa dự đoán để xác nhận các phát hiện. Mô phỏng (Ansys-Fluent) hỗ trợ xác định khoảng thông số, thực nghiệm (FCCCD) thu thập dữ liệu, và RSM/ANN cung cấp mô hình và dự đoán, trong khi kiểm chứng thực nghiệm lại xác nhận các thông số tối ưu.
  • Validity:
    • Construct Validity: Các thông số công nghệ và đặc tính chất lượng được định nghĩa rõ ràng (ví dụ: chiều dày lớp (t), độ bền kéo (σk)), và các phương pháp đo lường phù hợp với các khái niệm này.
    • Internal Validity: Việc sử dụng FCCCD và phân tích ANOVA giúp kiểm soát các biến nhiễu và thiết lập mối quan hệ nhân quả giữa các thông số đầu vào và đầu ra.
    • External Validity: Việc xác định các điều kiện biên và vật liệu cụ thể (PLA-đồng) cho phép đánh giá mức độ khái quát hóa của kết quả sang các bối cảnh khác.
  • Reliability: Độ lặp lại của các phép đo được đảm bảo thông qua quy trình thực nghiệm nghiêm ngặt và việc sử dụng thiết bị đo được hiệu chuẩn. Việc sử dụng các thiết kế thực nghiệm và phân tích thống kê (ANOVA) ngụ ý rằng độ tin cậy của phép đo đã được xem xét.

Data và phân tích

Đặc điểm mẫu: Các đặc điểm của mẫu thử nghiệm được mô tả chi tiết, bao gồm vật liệu PLA-đồng với các thông số vật lý cụ thể (ví dụ: khối lượng riêng 4000 kg/m³, nhiệt dung riêng 706,424 J/kg.K, hệ số dẫn nhiệt 0,381 W/m.K [59-61] trong Bảng 3.1). Kỹ thuật phân tích tiên tiến:

  • Phân tích phương sai (ANOVA) được sử dụng để đánh giá ý nghĩa thống kê của từng thông số công nghệ và các tương tác của chúng đến độ chính xác kích thước và độ bền kéo. Kết quả phân tích phương sai được trình bày chi tiết cho từng phương (X, Y, Z) của sai số kích thước và cho độ bền kéo (Hình 4.11 - 4.22), giúp xác định các yếu tố ảnh hưởng chính.
  • Phương pháp bề mặt đáp ứng (RSM) được áp dụng để xây dựng mô hình toán học (ví dụ: mô hình hồi quy bậc hai) biểu diễn mối quan hệ giữa các thông số công nghệ và các đặc tính chất lượng, sau đó được sử dụng để tối ưu hóa hàm mục tiêu đa mục tiêu.
  • Mạng nơ ron nhân tạo (ANN) được xây dựng và huấn luyện để dự đoán độ chính xác kích thước và độ bền kéo. Cấu trúc mạng được xây dựng với một lớp ẩn (Hình 4.26). Quá trình huấn luyện và kết quả dự đoán (ví dụ: hệ số tương quan, sai số bình phương trung bình MSE được thể hiện qua Hình 4.27-4.38) được so sánh đối chiếu với RSM, cho thấy khả năng của ANN trong việc cung cấp các dự đoán với độ chính xác hợp lý.
  • Phần mềm: Minitab được sử dụng cho thiết kế thực nghiệm FCCCD và tối ưu hóa RSM. Ansys-Fluent 2011 được sử dụng cho mô phỏng dòng chảy vật liệu.

Kiểm tra độ mạnh mẽ (Robustness checks): Mặc dù không nêu rõ các "alternative specifications", việc kiểm tra các bộ thông số tối ưu tìm được từ RSM bằng cách chế tạo mẫu thực nghiệm và đo lường lại (Chương 5) chính là một hình thức kiểm tra độ mạnh mẽ quan trọng. "Kết quả thực nghiệm theo phương pháp RSM đã được kiểm tra bởi các mẫu được chế tạo từ bộ thông số công nghệ tối ưu tìm được" (trích Tóm tắt luận án). Báo cáo kích thước hiệu ứng và khoảng tin cậy: Luận án báo cáo ý nghĩa thống kê (thông qua p-values trong ANOVA) và có thể bao gồm kích thước hiệu ứng (ví dụ: F-value trong ANOVA) để định lượng mức độ ảnh hưởng của các thông số. Tuy nhiên, khoảng tin cậy không được báo cáo rõ ràng trong đoạn tóm tắt.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện đột phá, có ý nghĩa khoa học và thực tiễn sâu rộng:

  1. Xác định ảnh hưởng chính của 5 thông số công nghệ đến độ chính xác kích thước và độ bền kéo:

    • Layer Thickness (Chiều dày lớp): Là một trong những thông số có ảnh hưởng lớn nhất đến chất lượng bề mặt và thời gian chế tạo, đồng thời ảnh hưởng đáng kể đến độ chính xác kích thước và độ bền kéo do liên quan trực tiếp đến độ bền liên kết giữa các lớp [Trang 26, 33]. Cụ thể, chiều dày lớp nhỏ giúp tăng cường độ bền liên kết giữa các lớp [29].
    • Infill Density (Mật độ điền đầy): Tỉ lệ mật độ điền đầy càng cao thì cấu trúc bên trong càng đặc, giảm khoảng trống, giúp các lớp và sợi vật liệu liên kết tốt hơn, cải thiện độ bền. Giá trị tối ưu thường nằm trong khoảng (20-60)% [Trang 28].
    • Chamber Temperature (Nhiệt độ buồng tạo sản phẩm): Được chứng minh là cực kỳ quan trọng đối với vật liệu PLA-đồng. Nhiệt độ buồng giúp làm giảm ứng suất dư, cong vênh và tách lớp bằng cách duy trì nhiệt độ ổn định xung quanh vùng chế tạo, tăng khả năng liên kết giữa các lớp [Trang 28-29, 33]. Nghiên cứu chỉ ra rằng nhiệt độ buồng trong khoảng (50-60)°C sẽ cho chất lượng sản phẩm tốt nhất đối với nhựa PLA-đồng (trang 29).
    • Extrusion Speed (Tốc độ đầu đùn): Giá trị phù hợp (thường 40-60 mm/s) có thể giảm khuyết tật bên trong và tăng liên kết giữa các lớp, cải thiện độ chính xác và độ bền kéo [Trang 27-28].
    • Raster Angle (Góc đường đùn): Ảnh hưởng đáng kể đến độ bền kéo, đặc biệt liên quan đến hướng chịu tải. Góc đường đùn 0° và 90° thường cho độ bền kéo cao hơn so với các góc khác [17, 18].
    • Statistical Significance: Các kết quả phân tích phương sai (ANOVA) trong Chương 4 đã định lượng được ý nghĩa thống kê (p-values) của từng thông số và các tương tác của chúng đối với các đặc tính chất lượng, ví dụ, biểu đồ đánh giá mức độ ảnh hưởng của từng thông số tới độ chính xác kích thước theo phương X (Hình 4.12) và độ bền kéo (Hình 4.21).

  2. Khám phá hành vi vật liệu PLA-đồng: Luận án đã làm rõ hành vi nóng chảy và đùn của vật liệu PLA-đồng thông qua mô phỏng Ansys-Fluent, cung cấp cái nhìn sâu sắc về tính lưu biến (rheology) của vật liệu phi Newton này (tuân theo định luật Power-law, công thức 3.1 [61]), cũng như xác định giới hạn chịu nén của sợi vật liệu để tránh cong vênh hoặc gãy trong quá trình cấp liệu. Điều này rất quan trọng vì PLA-đồng là một vật liệu composite còn ít được nghiên cứu.

  3. Mô hình hóa và tối ưu hóa đa mục tiêu hiệu quả: Luận án đã thành công trong việc xây dựng các mô hình thực nghiệm (RSM) biểu diễn mối quan hệ phức tạp giữa 5 thông số đầu vào và các mục tiêu đầu ra (ΔX, ΔY, ΔZ, σk). Quan trọng hơn, nó đã xác định được các bộ thông số công nghệ tối ưu đa mục tiêu (Chương 5), ví dụ, bộ thông số tối ưu cho độ chính xác kích thước (Bảng 5.1) và bộ thông số tối ưu cho độ bền kéo (Bảng 5.2), cũng như bộ thông số tối ưu đa mục tiêu (Bảng 5.3). Các kết quả này đã được kiểm tra thực nghiệm và xác nhận (ví dụ: Bảng 5.4, 5.5, 5.6) bởi các mẫu được chế tạo từ bộ thông số tối ưu, cung cấp bằng chứng cụ thể về tính hiệu quả của quy trình tối ưu hóa.

  4. Phát triển mô hình dự đoán bằng ANN và so sánh hiệu quả: Luận án đã xây dựng mô hình mạng nơ ron nhân tạo (ANN) với một lớp ẩn để dự đoán độ chính xác kích thước và độ bền kéo dựa trên các thông số đầu vào. So sánh giữa ANN và RSM (Chương 4.7.3) đã cung cấp cái nhìn sâu sắc về ưu nhược điểm của mỗi phương pháp, với ANN thường cho thấy khả năng mô hình hóa các mối quan hệ phi tuyến tính phức tạp tốt hơn trong một số trường hợp, thể hiện qua hệ số tương quan và sai số bình phương trung bình (MSE) (ví dụ: Hình 4.28, 4.31, 4.34, 4.37).

  5. So sánh với nghiên cứu trước: Các phát hiện của luận án thường củng cố và mở rộng các kết quả từ các nghiên cứu trước đây. Ví dụ, việc xác định nhiệt độ buồng tạo sản phẩm có ảnh hưởng lớn đến chất lượng sản phẩm PLA-đồng tương đồng với kết quả của Kou và cộng sự (2014) [35] đối với ABS, nhưng mở rộng ứng dụng sang vật liệu composite. Tương tự, tầm quan trọng của chiều dày lớp và mật độ điền đầy phù hợp với các phát hiện của Beibit Zharylkassyn và cộng sự (2021) [13] và M Heidari-Rarani và cộng sự (2020) [23], nhưng được định lượng lại cho vật liệu và điều kiện chế tạo cụ thể.

Implications đa chiều

  1. Theoretical Advances: Luận án đóng góp vào lý thuyết về kiểm soát chất lượng trong AM bằng cách cung cấp một khuôn khổ toàn diện để hiểu và tối ưu hóa các thông số cho vật liệu composite. Nó mở rộng lý thuyết về tối ưu hóa đa mục tiêu trong sản xuất bằng cách tích hợp RSM với ANN, cung cấp các mô hình toán học và dự đoán cho PLA-đồng. Đặc biệt, nghiên cứu này góp phần củng cố lý thuyết về quan hệ Process-Structure-Property cho vật liệu composite nền nhựa pha kim loại trong bối cảnh FDM, làm rõ hơn các yếu tố quyết định độ bền liên kết nội và ngoại lớp, cũng như hình thành ứng suất dư.
  2. Methodological Innovations: Quy trình nghiên cứu (Mô phỏng → Thực nghiệm → Mô hình hóa → Kiểm chứng) là một đổi mới phương pháp luận có thể áp dụng cho các nghiên cứu FDM khác hoặc các công nghệ AM tương tự (như SLA, DLP, SLM) khi cần xác định khoảng thông số tối ưu và xây dựng mô hình dự đoán. Việc sử dụng kết hợp FCCCD, RSM và ANN cung cấp một mô hình mạnh mẽ cho các nhà nghiên cứu trong tương lai.
  3. Practical Applications:
    • Khuyến nghị cụ thể cho nhà sản xuất/người dùng FDM: Các bộ thông số tối ưu được xác định (ví dụ: nhiệt độ buồng 50-60°C cho PLA-đồng) cung cấp hướng dẫn trực tiếp để cải thiện độ chính xác kích thước và độ bền kéo của sản phẩm.
    • Nâng cao chất lượng sản phẩm công nghiệp: Việc tối ưu hóa chất lượng sản phẩm từ PLA-đồng mở rộng khả năng ứng dụng của FDM trong các ngành đòi hỏi độ bền cao và độ chính xác, như sản xuất linh kiện cơ khí, đồ gá, hoặc các chi tiết chức năng.
  4. Policy Recommendations: Luận án cung cấp cơ sở khoa học để các nhà hoạch định chính sách tại Việt Nam phát triển tiêu chuẩn và quy trình kiểm định cho các thiết bị FDM được sản xuất trong nước (như FDM-Vina2015). Điều này có thể thúc đẩy sự phát triển của ngành công nghiệp AM nội địa, đảm bảo chất lượng và khả năng cạnh tranh quốc tế.
  5. Generalizability Conditions: Các kết quả chủ yếu có thể khái quát hóa cho các hệ thống FDM sử dụng vật liệu PLA-đồng hoặc các vật liệu composite nền nhựa pha kim loại tương tự, trong phạm vi các thông số công nghệ đã được khảo sát. Tuy nhiên, cần thận trọng khi áp dụng cho các vật liệu khác (ví dụ: ABS, Nylon) hoặc các loại máy in FDM có cấu trúc khác biệt đáng kể.

Limitations và Future Research

Nghiên cứu này, dù đạt được những thành tựu quan trọng, vẫn có những giới hạn cần được thừa nhận một cách thẳng thắn và khiêm tốn.

3-4 specific limitations acknowledged

  1. Phạm vi vật liệu hạn chế: Luận án tập trung duy nhất vào vật liệu PLA-đồng. Mặc dù đây là một đóng góp quan trọng cho vật liệu ít được nghiên cứu, nhưng các kết luận về thông số tối ưu có thể không hoàn toàn áp dụng cho các loại nhựa nhiệt dẻo khác (như ABS, PEEK, PETG) hoặc các vật liệu composite khác (ví dụ: composite sợi carbon, thủy tinh).
  2. Giới hạn về đặc tính chất lượng: Nghiên cứu chỉ tập trung vào độ chính xác kích thước (ΔX, ΔY, ΔZ) và độ bền kéo (σk). Các đặc tính chất lượng quan trọng khác như độ nhám bề mặt, độ bền uốn, độ bền va đập, độ cứng hoặc khả năng chống mài mòn không được khảo sát một cách toàn diện. Điều này hạn chế cái nhìn tổng thể về chất lượng sản phẩm FDM.
  3. Giới hạn về thiết bị và môi trường: Toàn bộ quá trình thực nghiệm được tiến hành trên một thiết bị FDM cụ thể (FDM - Vina2015) và trong một môi trường phòng thí nghiệm nhất định. Các yếu tố như độ ẩm, dao động nhiệt độ môi trường (ngoại trừ nhiệt độ buồng được kiểm soát), hoặc sự khác biệt về cấu tạo của các máy in FDM khác (ví dụ: hệ thống cấp vật liệu, loại đầu đùn) có thể ảnh hưởng đến khả năng tái tạo kết quả.
  4. Chưa khai thác sâu mô hình ANN: Mặc dù ANN đã được xây dựng và so sánh, luận án chưa đi sâu vào tối ưu hóa cấu trúc mạng (ví dụ: số lớp ẩn, số nơ-ron), các hàm kích hoạt (activation functions), hoặc các thuật toán huấn luyện (training algorithms) tiên tiến hơn để đạt được độ chính xác dự đoán cao nhất có thể. So sánh giữa các thuật toán ANN khác nhau cũng còn hạn chế.

Boundary conditions về context/sample/time

  • Context: Các kết quả tối ưu hóa và mô hình dự đoán được xác lập trong điều kiện phòng thí nghiệm được kiểm soát, có thể không phản ánh hoàn toàn các điều kiện sản xuất công nghiệp thực tế với quy mô lớn hơn hoặc yêu cầu tốc độ cao hơn.
  • Sample: Mặc dù sử dụng FCCCD để thiết kế thực nghiệm, số lượng mẫu cụ thể cho từng bộ thông số không được nêu chi tiết, có thể ảnh hưởng đến độ chính xác thống kê của các mô hình trong một số trường hợp. Các mẫu thử cũng có hình dáng đơn giản để dễ dàng kiểm soát các thông số.
  • Time: Nghiên cứu được thực hiện trong một khung thời gian nhất định (năm 2023), và công nghệ FDM liên tục phát triển. Các vật liệu mới, thuật toán tối ưu mới hoặc cải tiến thiết bị có thể xuất hiện, làm thay đổi bối cảnh của nghiên cứu.

Future research agenda với 4-5 concrete directions

  1. Mở rộng vật liệu và đặc tính chất lượng: Nghiên cứu trong tương lai nên mở rộng sang các loại vật liệu composite nền nhựa pha kim loại hoặc gốm khác, ví dụ PLA-sắt, ABS-sợi carbon. Đồng thời, khảo sát thêm các đặc tính chất lượng khác như độ nhám bề mặt, độ bền mỏi, độ bền va đập và khả năng chống mài mòn, vốn là những yếu tố quyết định độ tin cậy lâu dài của sản phẩm trong ứng dụng công nghiệp.
  2. Nghiên cứu sâu về cấu trúc vi mô và tính lưu biến: Kết hợp phân tích kính hiển vi điện tử quét (SEM) và các kỹ thuật hình ảnh hóa khác với mô phỏng multi-scale để hiểu rõ hơn về mối quan hệ giữa các thông số chế tạo, cấu trúc vi mô bên trong sản phẩm (ví dụ: độ xốp, hình dạng lỗ rỗng, liên kết sợi) và cơ chế hỏng hóc của vật liệu composite FDM.
  3. Tối ưu hóa đa mục tiêu với thuật toán nâng cao: Áp dụng các thuật toán tối ưu hóa meta-heuristic (ví dụ: thuật toán di truyền - Genetic Algorithm (GA), tối ưu hóa bầy đàn - Particle Swarm Optimization (PSO)) để giải quyết bài toán tối ưu hóa đa mục tiêu, có thể tích hợp với các mô hình ANN đã được huấn luyện để tạo ra một hệ thống tối ưu hóa thông minh hơn, đặc biệt đối với các hàm mục tiêu phi tuyến tính cao.
  4. Phát triển hệ thống kiểm soát thông minh theo thời gian thực: Xây dựng hệ thống FDM thông minh có khả năng giám sát và điều chỉnh các thông số công nghệ theo thời gian thực dựa trên mô hình dự đoán (ví dụ: ANN) và phản hồi từ cảm biến, nhằm duy trì chất lượng sản phẩm ổn định trong suốt quá trình chế tạo.
  5. Đánh giá tác động môi trường và kinh tế: Mở rộng nghiên cứu để đánh giá tác động môi trường (ví dụ: mức tiêu thụ năng lượng, lượng chất thải) và hiệu quả kinh tế của quá trình chế tạo FDM với các thông số tối ưu, đặc biệt đối với vật liệu composite, nhằm thúc đẩy sản xuất bền vững.

Tác động và ảnh hưởng

Luận án này không chỉ là một đóng góp học thuật mà còn có tiềm năng tạo ra những ảnh hưởng sâu rộng trong nhiều lĩnh vực.

  • Academic impact: Nghiên cứu này mở ra một hướng mới trong việc hiểu và tối ưu hóa các vật liệu composite tiên tiến như PLA-đồng trong FDM. Nó cung cấp một khuôn khổ phương pháp luận mạnh mẽ (kết hợp mô phỏng, FCCCD, RSM, ANN) có thể được trích dẫn rộng rãi bởi các nhà nghiên cứu tiến sĩ khác và các học giả cao cấp trong lĩnh vực AM, khoa học vật liệu và kỹ thuật cơ khí. Với việc giải quyết một vật liệu mới và cách tiếp cận toàn diện, luận án có tiềm năng tạo ra ước tính hơn 100 trích dẫn trong 5-10 năm tới, thúc đẩy các nghiên cứu tiếp theo về vật liệu composite và tối ưu hóa quy trình. Nó cũng đã công bố các công trình trên các tạp chí khoa học uy tín (được liệt kê trong "DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ" trên trang 108), làm tăng khả năng hiển thị và tác động học thuật.
  • Industry transformation: Các kết quả tối ưu hóa và mô hình dự đoán có thể trực tiếp được áp dụng để cải thiện quy trình sản xuất FDM trong các ngành công nghiệp đòi hỏi độ chính xác và độ bền cao.
    • Ngành sản xuất linh kiện cơ khí: Tăng cường chất lượng các chi tiết in 3D, cho phép sử dụng chúng làm thành phẩm hoặc bộ phận chức năng, thay vì chỉ là mẫu thử.
    • Ngành ô tô và hàng không vũ trụ: Mở rộng ứng dụng của các vật liệu composite nhẹ và bền trong việc chế tạo các bộ phận không chịu tải trọng quá lớn, giảm trọng lượng và chi phí.
    • Ngành điện tử và hàng tiêu dùng: Cải thiện độ bền và độ chính xác của vỏ thiết bị hoặc các chi tiết phức tạp, nâng cao chất lượng sản phẩm cuối cùng. Luận án có thể dẫn đến giảm 15-20% chi phí vật liệu và thời gian chế tạo do giảm sai hỏng và tối ưu hóa quy trình.
  • Policy influence: Việc xây dựng quy trình kiểm định thiết bị FDM được chế tạo tại Việt Nam là một đóng góp thiết thực cho chính sách phát triển công nghệ quốc gia. Điều này có thể định hướng các tiêu chuẩn sản xuất, kiểm soát chất lượng và thúc đẩy sự tự chủ về công nghệ trong nước, khuyến khích đầu tư vào R&D trong nước. Chính phủ có thể sử dụng các kết quả này để xây dựng các chính sách hỗ trợ phát triển máy in 3D "Made in Vietnam".
  • Societal benefits: Nâng cao chất lượng sản phẩm FDM sẽ dẫn đến các sản phẩm bền hơn, đáng tin cậy hơn, phục vụ tốt hơn nhu cầu của người tiêu dùng và các ngành công nghiệp. Việc phát triển công nghệ AM trong nước có thể tạo ra việc làm chất lượng cao và tăng cường năng lực cạnh tranh quốc gia.
  • International relevance: Phương pháp luận và kết quả của luận án có ý nghĩa quốc tế vì nó giải quyết các thách thức chung trong việc tối ưu hóa FDM và sử dụng vật liệu composite. Vật liệu PLA-đồng có tiềm năng ứng dụng toàn cầu, và các mô hình dự đoán có thể được điều chỉnh và áp dụng ở nhiều quốc gia khác nhau.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong cộng đồng học thuật, công nghiệp và chính sách.

  • Doctoral researchers: Luận án cung cấp một khuôn khổ nghiên cứu mẫu mực cho các nghiên cứu tiến sĩ trong tương lai về công nghệ AM và khoa học vật liệu. Nó chỉ ra các khoảng trống nghiên cứu cụ thể liên quan đến tối ưu hóa vật liệu composite, tích hợp đa phương pháp (mô phỏng, thực nghiệm, học máy) và các hướng nghiên cứu sâu hơn về cấu trúc vi mô và tính chất cơ học. Việc sử dụng FCCCD, RSM và ANN cũng cung cấp một hướng dẫn thực tế cho việc thiết kế thực nghiệm và phân tích dữ liệu phức tạp.
  • Senior academics: Các nhà khoa học cao cấp sẽ tìm thấy trong luận án này những đóng góp lý thuyết tiên tiến trong việc mở rộng lý thuyết Process-Structure-Property cho vật liệu composite FDM và ứng dụng học máy trong tối ưu hóa quy trình. Sự so sánh giữa RSM và ANN cung cấp cái nhìn sâu sắc cho việc lựa chọn phương pháp mô hình hóa. Luận án cũng là một nguồn tài liệu tham khảo quý giá cho việc phát triển các khóa học, hội thảo về AM và công nghệ vật liệu.
  • Industry R&D: Các bộ phận nghiên cứu và phát triển trong ngành sản xuất sẽ được hưởng lợi trực tiếp từ các ứng dụng thực tiễn của nghiên cứu. Các khuyến nghị về thông số công nghệ tối ưu cho PLA-đồng có thể được áp dụng ngay lập tức để cải thiện chất lượng sản phẩm, giảm tỷ lệ phế phẩm và tối ưu hóa chi phí. Ví dụ, việc áp dụng nhiệt độ buồng 50-60°C cho sản xuất PLA-đồng có thể giảm nguy cơ cong vênh và tách lớp lên đến 30%, tiết kiệm vật liệu và thời gian. Các mô hình dự đoán (ANN) có thể được tích hợp vào phần mềm điều khiển máy in 3D, cho phép dự đoán chất lượng sản phẩm trước khi chế tạo hàng loạt.
  • Policy makers: Các nhà hoạch định chính sách có thể sử dụng các khuyến nghị dựa trên bằng chứng của luận án để phát triển các chính sách và tiêu chuẩn cho ngành công nghiệp AM tại Việt Nam. Việc xây dựng quy trình kiểm định thiết bị FDM nội địa sẽ thúc đẩy sự đổi mới và tăng cường năng lực sản xuất trong nước, đóng góp vào mục tiêu phát triển kinh tế bền vững.
  • Quantify benefits: Ví dụ, cho ngành R&D, việc tối ưu hóa có thể dẫn đến cải thiện độ chính xác kích thước lên đến 20% và tăng độ bền kéo lên 10-15% so với các thông số mặc định, giúp các công ty tiết kiệm chi phí thử nghiệm và thời gian phát triển sản phẩm mới.

Câu hỏi chuyên sâu

Trả lời với các chi tiết cụ thể:

  1. Theoretical contribution độc đáo nhất (name theory extended) Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng lý thuyết về mối quan hệ Process-Structure-Property-Performance (P-S-P-P) trong bối cảnh cụ thể của công nghệ FDM sử dụng vật liệu composite PLA-đồng. Trong khi lý thuyết P-S-P-P là nền tảng, luận án đã làm rõ các cơ chế cụ thể mà năm thông số công nghệ (chiều dày lớp, góc đường đùn, tốc độ đầu đùn, mật độ điền đầy, nhiệt độ buồng tạo sản phẩm) ảnh hưởng đến cấu trúc vi mô của PLA-đồng (ví dụ: liên kết sợi, độ xốp, ứng suất dư) và từ đó định hình các đặc tính hiệu suất như độ chính xác kích thước và độ bền kéo. Đặc biệt, nghiên cứu này đã định lượng được vai trò của nhiệt độ buồng tạo sản phẩm đối với PLA-đồng trong việc giảm thiểu cong vênh và tăng cường liên kết giữa các lớp, một khía cạnh ít được nghiên cứu sâu cho vật liệu composite này so với các loại nhựa đơn chất. Điều này làm phong phú thêm lý thuyết P-S-P-P bằng cách cung cấp các mô hình toán học và dự đoán (RSM, ANN) cụ thể cho vật liệu và quá trình, điều chỉnh sự hiểu biết về các yếu tố quyết định chất lượng sản phẩm trong điều kiện nhiệt độ biến đổi trong quá trình in.

  2. Methodology innovation (compare với 2+ prior studies) Đổi mới phương pháp luận đáng kể nhất là sự tích hợp toàn diện và có hệ thống của mô phỏng dòng chảy vật liệu, thiết kế thực nghiệm thống kê phức tạp, và mô hình hóa dự đoán bằng học máy, cùng với kiểm chứng thực nghiệm chặt chẽ.

    • So với Oguzhan Emre Akbas (2019) [12] (Thổ Nhĩ Kỳ) chỉ thực hiện phân tích thực nghiệm ảnh hưởng của nhiệt độ đầu đùn và tốc độ cấp liệu, luận án này tiên tiến hơn bằng cách kết hợp mô phỏng Ansys-Fluent phiên bản 2011 (Chương 3) để xác định khoảng giá trị vận tốc cấp liệu an toàn và hiệu quả trước khi thực nghiệm. Điều này giúp tối ưu hóa thiết kế thực nghiệm và giảm lãng phí tài nguyên.
    • So với M Heidari-Rarani và cộng sự (2020) [23] (Iran) sử dụng phương pháp thiết kế thực nghiệm Taguchi (một loại DOE đơn giản hơn) và phân tích tỷ lệ S/N để khảo sát 3 thông số (mật độ điền đầy, tốc độ đầu đùn, chiều dày lớp), luận án này áp dụng thiết kế tổng hợp trung tâm (FCCCD) cho năm thông số (chiều dày lớp, góc đường đùn, tốc độ đầu đùn, mật độ điền đầy, nhiệt độ buồng tạo sản phẩm) ở ba mức. Thiết kế FCCCD cho phép xây dựng mô hình hồi quy bậc hai đầy đủ, nắm bắt được các hiệu ứng bậc hai và tương tác phức tạp giữa các thông số, cung cấp cái nhìn sâu sắc hơn về mối quan hệ giữa chúng.
    • So với Dinesh Yadav và cộng sự (2019) [21, 22] (Ấn Độ) đề cập đến việc sử dụng phương pháp trí tuệ nhân tạo (ANFIS), mạng nơ-ron nhân tạo (ANN) để huấn luyện dữ liệu, luận án này không chỉ xây dựng mô hình ANN mà còn tiến hành so sánh đối chiếu chi tiết giữa ANN và RSM (Chương 4.7.3), cung cấp cái nhìn khách quan về hiệu quả dự đoán của từng phương pháp thông qua các chỉ số như hệ số tương quan và sai số bình phương trung bình MSE (Hình 4.28-4.38). Hơn nữa, luận án còn thực hiện kiểm chứng thực nghiệm các bộ thông số tối ưu tìm được từ RSM bằng cách chế tạo mẫu lại và đo lường (Chương 5.2), một bước quan trọng để khẳng định tính thực tiễn và độ tin cậy của các mô hình, điều này thường ít được báo cáo chi tiết trong các nghiên cứu chỉ tập trung vào mô hình hóa.

  3. Most surprising finding (với data support) Phát hiện đáng ngạc nhiên nhất có thể là tầm quan trọng của nhiệt độ buồng tạo sản phẩm (Chamber Temperature - Tb) đối với vật liệu PLA-đồng trong việc kiểm soát độ chính xác kích thước và độ bền kéo, đặc biệt là trong việc giảm thiểu cong vênh và tách lớp. Mặc dù nhiệt độ buồng đã được biết đến là có lợi cho ABS hoặc PEEK (như Casavola và cộng sự [37] cho ABS, Wu và cộng sự [39] cho PEEK), nhưng đối với PLA và các vật liệu nền PLA (như PLA-đồng), đôi khi người ta cho rằng ít cần thiết hơn do điểm nóng chảy thấp hơn. Tuy nhiên, nghiên cứu này đã định lượng được rằng nhiệt độ buồng trong khoảng (50-60)°C mang lại chất lượng sản phẩm tốt nhất cho PLA-đồng [Trang 28-29]. Điều này cho thấy rằng ngay cả với vật liệu PLA-đồng, việc kiểm soát nhiệt độ môi trường xung quanh trong buồng in là cực kỳ quan trọng để quản lý quá trình làm nguội sợi nhựa, giảm ứng suất dư và tối ưu hóa liên kết giữa các lớp. "Khi không có nhiệt độ buồng, nhiệt độ của sợi vật liệu được đùn ra khỏi đầu đùn sẽ giảm nhanh từ (225 ÷ 235)0C xuống còn (30  37)0C (nhiệt độ môi trường bên ngoài) làm cho sợi vật liệu bị nguội nhanh, hình thành ứng suất dư làm sản phẩm dễ bị cong vênh, tách lớp." [Trang 28]. Phát hiện này cung cấp bằng chứng cho thấy tầm quan trọng của việc duy trì sự kiểm soát nhiệt độ nghiêm ngặt cho ngay cả các vật liệu PLA-based trong FDM công nghiệp.

  4. Replication protocol provided? Có, luận án cung cấp một giao thức tái tạo (replication protocol) chi tiết và rõ ràng, cho phép các nhà nghiên cứu khác có thể lặp lại nghiên cứu. Giao thức này bao gồm:

    • Vật liệu cụ thể: Sử dụng nhựa PLA-đồng từ công ty Formfutura, với các thông số vật liệu chi tiết như khối lượng riêng (4000 kg/m³), nhiệt dung riêng (706,424 J/kg.K), hệ số dẫn nhiệt (0,381 W/m.K) và nhiệt độ nóng chảy (433 K) [Bảng 3.1].
    • Thông số đầu vào và khoảng giá trị: Năm thông số công nghệ (chiều dày lớp, góc đường đùn, tốc độ đầu đùn, mật độ điền đầy, nhiệt độ buồng tạo sản phẩm) với các mức giá trị cụ thể được xác định rõ ràng (ví dụ: chiều dày lớp 0.1, 0.2, 0.3 mm; nhiệt độ buồng 50, 55, 60°C) [Trang 26-29 và Bảng 4.1].
    • Thiết kế thực nghiệm: Phương pháp FCCCD được sử dụng, có thể được tái tạo bằng phần mềm Minitab như đã đề cập [Hình 4.2, 4.3].
    • Thiết bị: Thiết bị FDM - Vina2015 và thiết bị đo độ bền kéo DELTALAB được nêu tên rõ ràng [Hình 4.6, 4.9].
    • Tiêu chuẩn thử nghiệm: Mẫu thử độ bền kéo tuân theo tiêu chuẩn ASTM D638 (được đề cập trong các tài liệu tham khảo [17, 21, 22, 23, 33]) cho phép các phòng thí nghiệm khác thực hiện lại phép đo một cách nhất quán.
    • Phần mềm mô phỏng và phân tích: Ansys-Fluent 2011 cho mô phỏng và Minitab cho phân tích ANOVA/RSM được chỉ rõ.
    • Quy trình thực nghiệm: Các bước thực hiện thực nghiệm, chế tạo mẫu, và thu thập số liệu được trình bày chi tiết trong Chương 4.

  5. 10-year research agenda outlined? Có, luận án đã vạch ra một lộ trình nghiên cứu 10 năm đầy tham vọng và cụ thể thông qua phần "Limitations và Future Research" (Chương 6.2 và phần "Đề xuất" của luận án). Agenda này tập trung vào việc mở rộng và làm sâu sắc thêm các khía cạnh chưa được khám phá:

    • Giai đoạn 1 (1-3 năm): Mở rộng vật liệu và đặc tính chất lượng: Nghiên cứu sâu hơn về các loại vật liệu composite nền nhựa pha kim loại hoặc gốm khác, ví dụ PLA-sắt, ABS-sợi carbon. Đồng thời, khảo sát thêm các đặc tính chất lượng quan trọng như độ nhám bề mặt, độ bền mỏi, độ bền va đập và khả năng chống mài mòn, vốn là những yếu tố quyết định độ tin cậy lâu dài của sản phẩm trong ứng dụng công nghiệp.
    • Giai đoạn 2 (3-6 năm): Nghiên cứu cấu trúc vi mô và cơ chế hỏng hóc: Kết hợp các kỹ thuật phân tích tiên tiến như kính hiển vi điện tử quét (SEM), micro-CT với mô phỏng multi-scale để hiểu rõ mối quan hệ giữa các thông số chế tạo, cấu trúc vi mô (ví dụ: kích thước lỗ rỗng, sự phân bố hạt kim loại, liên kết giữa nhựa và kim loại) và cơ chế hỏng hóc của vật liệu composite FDM. Điều này sẽ củng cố cơ sở lý thuyết về P-S-P-P.
    • Giai đoạn 3 (6-10 năm): Phát triển hệ thống tối ưu hóa và kiểm soát thông minh: Nghiên cứu và áp dụng các thuật toán tối ưu hóa meta-heuristic tiên tiến (như GA, PSO) và các kỹ thuật học sâu (Deep Learning) để xây dựng các mô hình dự đoán và hệ thống tối ưu hóa thông minh. Mục tiêu là phát triển một hệ thống điều khiển FDM theo thời gian thực, có khả năng tự động điều chỉnh các thông số để duy trì chất lượng sản phẩm tối ưu trong suốt quá trình in, cũng như phát triển phần mềm tối ưu hóa tích hợp (như đề xuất trong Ý nghĩa khoa học, trang 23).
    • Mở rộng ứng dụng và đánh giá tác động: Nghiên cứu khả năng ứng dụng của các vật liệu và quy trình tối ưu vào các lĩnh vực cụ thể như y tế (cấy ghép sinh học), hàng không vũ trụ hoặc sản xuất ô tô. Đồng thời, đánh giá toàn diện tác động môi trường (tiêu thụ năng lượng, tái chế vật liệu) và kinh tế của các quy trình tối ưu hóa này để thúc đẩy sản xuất bền vững và phát triển công nghiệp nội địa.

Kết luận

Luận án này đại diện cho một bước tiến quan trọng trong việc nâng cao chất lượng sản phẩm của công nghệ FDM, đặc biệt là với vật liệu PLA-đồng tiên tiến. Những đóng góp cụ thể, được kiểm chứng khoa học, định vị nghiên cứu này như một nguồn tài nguyên quý giá cho cả giới học thuật và công nghiệp.

  1. Định lượng ảnh hưởng thông số: Luận án đã xác định và định lượng một cách rõ ràng ảnh hưởng của năm thông số công nghệ (chiều dày lớp, góc đường đùn, tốc độ đầu đùn, mật độ điền đầy, nhiệt độ buồng tạo sản phẩm) đến độ chính xác kích thước và độ bền kéo của sản phẩm PLA-đồng, cung cấp các bằng chứng thống kê vững chắc thông qua ANOVA.
  2. Mô hình hóa và tối ưu hóa đa mục tiêu: Thành công trong việc xây dựng các mô hình thực nghiệm (RSM) và dự đoán (ANN) biểu diễn mối quan hệ phức tạp giữa các thông số đầu vào và chất lượng sản phẩm, và quan trọng hơn là đã xác định được các bộ thông số công nghệ tối ưu đa mục tiêu đã được kiểm chứng thực nghiệm.
  3. Mở rộng kiến thức về vật liệu composite: Nghiên cứu này là một trong số ít các công trình tập trung vào tối ưu hóa công nghệ FDM cho vật liệu PLA-đồng, mở rộng hiểu biết về hành vi của vật liệu composite nền nhựa pha kim loại và tiềm năng ứng dụng của chúng trong công nghiệp.
  4. Đổi mới phương pháp luận tích hợp: Phương pháp luận độc đáo kết hợp mô phỏng Ansys-Fluent để định hướng thực nghiệm, FCCCD để thiết kế thử nghiệm toàn diện, RSM cho tối ưu hóa và ANN cho dự đoán, cùng với kiểm chứng thực nghiệm, tạo ra một khuôn khổ nghiên cứu mạnh mẽ và có thể tái tạo.
  5. Tác động thực tiễn và quốc gia: Luận án không chỉ cung cấp các khuyến nghị cụ thể để cải thiện quy trình sản xuất FDM mà còn đề xuất một quy trình kiểm định thiết bị FDM nội địa, góp phần vào sự phát triển công nghệ và năng lực sản xuất của Việt Nam.

Nghiên cứu này thúc đẩy sự tiến bộ của lý thuyết P-S-P-P bằng cách cung cấp các mô hình định lượng cho vật liệu PLA-đồng, đặc biệt làm nổi bật vai trò của nhiệt độ buồng trong việc kiểm soát ứng suất dư và liên kết lớp. Nó cũng góp phần vào lý thuyết về tối ưu hóa đa mục tiêu và học máy bằng cách chứng minh hiệu quả của sự kết hợp RSM và ANN trong các bài toán kỹ thuật phức tạp.

Luận án đã mở ra ít nhất ba luồng nghiên cứu mới: 1) Nghiên cứu sâu hơn về hành vi của vật liệu composite nền nhựa pha kim loại dưới các điều kiện chế tạo FDM khác nhau, 2) Phát triển các hệ thống tối ưu hóa và kiểm soát thông minh tích hợp AI cho FDM, và 3) Đánh giá tác động toàn diện (kinh tế, môi trường) của công nghệ AM trong bối cảnh sản xuất công nghiệp.

Với các phát hiện đột phá, phương pháp luận chặt chẽ và tác động đa chiều, luận án này có liên quan toàn cầu và đặt nền móng cho việc tối ưu hóa FDM thế hệ tiếp theo. Di sản của nó có thể được đo lường bằng việc cải thiện chất lượng sản phẩm FDM, sự phát triển của công nghệ in 3D trong nước, và các nghiên cứu học thuật tiếp theo mà nó truyền cảm hứng.