印度理工学院孟买分校的研究人员开发了预测模型，能够在制造开始前计算出3D打印部件在烧结过程中引起的收缩和变形。

这项工作由机械工程系的Gurminder Singh教授领导，并发表在两篇涵盖陶瓷和铜的研究中，重点关注炉烧结增材制造。该过程的缺点之一是热处理期间打印部件的显著尺寸变化由收缩导致。研究表明，最终部件几何形状可以在设计阶段确定，而不是通过反复的物理测试，这一发现可能具有许多积极的影响。

在陶瓷研究中，研究人员Pranith Kumar Reddy Puchakayla和Prasanna Gandhi教授与Singh合作，使用3 mol%氧化钇稳定的氧化锆，将材料在加热过程中建模为粘性流体。该团队测量了不同温度区间的密度和粘度变化，这些数据输入到一个仿真中，该仿真针对三种几何形状进行了验证：圆柱体、工字形截面和分支状的"松树"结构。该模型预测最终尺寸的误差范围仅为0.8%至2.03%。

"粘度控制着打印过程中的行为，并指示材料流动的容易程度、层堆叠的好坏以及打印部件内部储存了多少内应力，"Singh表示。"另一方面，相对密度控制着烧结前的行为，并指示存在多少固体材料以及存在多少孔隙体积。烧结前密度越低，意味着收缩和变形越大。重量载荷施加是为了模拟真实的机械加载条件。没有重量，仅观察到纯热收缩。有重量时，则捕获了热机械变形，这更接近真实工业部件的行为。"

在铜研究中，研究员Sri Bharani Ghantasala和Singh为铜开发了一个混合模型。他们在8个烧结实验的试验数据和计算机生成数据上训练了一个人工神经网络，涉及7个输入变量。使用SHAP分析，团队确定了工艺时间和加热速率是影响最终部件几何形状的主导因素。该混合模型以98%的成功率匹配了实验结果，并且在预测复杂悬垂几何形状的最终形状时优于传统的计算机模型。

"这将该领域从试错式烧结推向基于预测、基于模型的制造，这代表了先进增材制造科学的重大范式转变，"Singh评论道。"这种类型的框架最终可以产生智能CAD工具，其中预测的收缩场自动应用于设计，并直接生成预补偿的几何形状。"