印度理工学院孟买分校的研究人员成功开发出预测模型，该模型能够在制造开始前，就计算出3D打印部件在烧结过程中引发的收缩与变形。

这项由机械工程系Gurminder Singh教授领导的研究，主要聚焦于炉内烧结增材制造工艺，其成果已分别针对陶瓷和铜材料的应用发表。

该工艺的一个主要挑战在于热处理过程中的收缩，这会导致最终部件的尺寸发生显著变化。研究表明，通过此模型，可以在设计阶段就准确预测最终零件的几何形状，从而避免反复的物理测试，带来诸多积极影响。

在针对陶瓷材料的研究中，研究人员Pranith Kumar Reddy Puchakayla和Prasanna Gandhi教授与Singh合作，使用了3 mol%的氧化钇稳定氧化锆材料，并在模拟中将其在加热过程视为粘性流体。

研究团队测量了不同温度区间内材料的密度和粘度变化，并将数据输入模拟进行验证。验证针对圆柱体、工字型截面和分支状“松树”三种几何形状进行，模型预测最终尺寸的误差范围仅为0.8%到2.03%。

Singh解释道，粘度主导着打印过程中的行为，指示了材料流动的难易程度、层间堆叠效果以及部件内储存的内部应力大小。而相对密度则主导着烧结前的行为，指示了固体材料与孔隙的体积比例，烧结前密度越低，意味着收缩和变形越大。

团队在模拟中施加负重以模拟真实的机械载荷条件，这能捕捉到更接近真实工业部件行为的热机械变形，而非纯粹的热收缩。

在针对铜材料的研究中，研究人员Sri Bharani Ghantasala和Singh开发了一个混合模型。他们利用八次烧结实验的实验数据和计算机生成数据，训练了一个拥有七个输入变量的人工神经网络。

通过SHAP分析，团队确定工艺时间和加热速率是影响最终零件几何形状的主导因素。该混合模型匹配实验结果的准确率高达98%，且在预测复杂悬垂几何形状的最终形态时，表现优于传统计算机模型。

Singh评论道，这标志着该领域从试错式的烧结转向了基于模型的可预测制造，是先进增材制造科学的一次重大范式转变。这类框架最终可导向智能CAD工具，届时预测的收缩场将自动应用于设计，直接生成经过预补偿的几何形状。