Numerical modeling of manufacturing processes using advanced particle finite element methods

Abstract

Los avances recientes en la ciencia de materiales y las técnicas de fabricación han incrementado la necesidad de herramientas de modelado predictivo para abordar los desafíos asociados con comportamientos geométricos y materiales complejos. Esta tesis presenta un enfoque numérico robusto para simular procesos de fabricación, centrándose en el comportamiento mecánico y la optimización de procesos. Utilizando el Método de Elementos Finitos de Partículas (PFEM), que incorpora técnicas avanzadas de remallado, la investigación enfrenta retos como grandes deformaciones y no linealidades. Una contribución clave es el desarrollo de modelos constitutivos plásticos mejorados para materiales metálicos, integrados en el PFEM para procesos de mecanizado y procesos asistidos por vibración ultrasónica (UV-asistidos). Estas mejoras permiten simulaciones y validaciones más precisas en escalas macro y micro. Los resultados, detallados en cinco publicaciones revisadas por pares, demuestran la eficacia de estos modelos en el avance de la simulación y optimización de procesos de fabricación.

Recent advances in material science and manufacturing techniques have increased the need for predictive modeling tools to address the challenges of complex geometric and material behaviors. This thesis introduces a robust numerical approach to simulate manufacturing processes, focusing on mechanical behavior and process optimization. Using the Particle Finite Element Method (PFEM), which incorporates advanced remeshing techniques, the research addresses challenges like large deformations and nonlinearities. A key contribution is the development of enhanced plastic constitutive models for metallic materials, integrated into PFEM for machining and ultrasonic vibration-assisted (UV-assisted) processes. These improvements enable more accurate simulations and validations across macro and micro scales. The outcomes, detailed in five peer-reviewed publications, demonstrate the efficacy of these models in advancing manufacturing process simulations and optimization.