Machine learning-enabled composition optimization and industrial production of heat-treatment-free high-strength ductile iron

कास्ट आयरन (ढलवां लोहा) एक ऐसा पदार्थ है जो सभ्यता जितना ही पुराना है, फिर भी यह आधुनिक उद्योग का एक प्रमुख आधार बना हुआ है। यह वह भारी, टिकाऊ धातु है जो इंजन ब्लॉक, पानी के पाइप और निर्माण मशीनरी के फ्रेम में पाई जाती है। इस सामग्री को जो चीज़ विशेष बनाती है, वह न केवल इसकी मजबूती है, बल्कि इसकी संरचना के भीतर एक छिपा हुआ गुण भी है: ग्रेफाइट के सूक्ष्म गोले। कास्ट आयरन के पुराने, फ्लेकी (परतदार) संस्करणों में, कार्बन के ये टुकड़े छोटी दरारों की तरह काम करते थे, जिससे धातु भंगुर हो जाती थी और टूटने के प्रति संवेदनशील हो जाती थी। उन फ्लेक्स को गोलों में बदलकर, इंजीनियरों ने डक्टाइल आयरन (तन्य लोहा) बनाया, जो एक ऐसी सामग्री है जो बिना टूटे मुड़ और खिंच सकती है, जो मजबूती और भार सहने की शक्ति का एक दुर्लभ संयोजन प्रदान करती है। दशकों तक, इस सामग्री में उच्चतम स्तर की मजबूती प्राप्त करने के लिए, सांचे में धातु डालने के बाद एक लंबे, ऊर्जा-गहन दूसरे चरण की आवश्यकता होती थी। 'हीट ट्रीटमेंट' (ऊष्मा उपचार) के रूप में जाने जाने वाले इस अतिरिक्त चरण में, धातु को सटीक तापमान पर बेक करना शामिल था ताकि इसकी आंतरिक संरचना को पुनर्गठित किया जा सके। प्रभावी होने के बावजूद, इसने विनिर्माण प्रक्रिया में महत्वपूर्ण समय, लागत और ऊर्जा जोड़ दी।

किलू यूनिवर्सिटी ऑफ टेक्नोलॉजी और लिनकिंग जिन्गुआंग मशीनरी मैन्युफैक्चरिंग के शोधकर्ताओं की एक टीम ने अब उस बेकिंग चरण को पूरी तरह से छोड़ने का तरीका खोज लिया है। उन्होंने सफलतापूर्वक डक्टाइल आयरन का एक नया नुस्खा विकसित किया है जो सीधे सांचे से ही मजबूत और लचीला होकर निकलता है, जिसमें बाद में गर्म करने की कोई आवश्यकता नहीं होती। इसे हासिल करने के लिए, उन्होंने एक आधुनिक उपकरण का सहारा लिया: मशीन लर्निंग। पारंपरिक तरीके के रूप में, जिसमें रासायनिक मिश्रण का अनुमान लगाया जाता था, उसका परीक्षण किया जाता था और बार-बार प्रक्रिया को दोहराया जाता था, इसके बजाय उन्होंने कंप्यूटर एल्गोरिदम का उपयोग किया ताकि यह विश्लेषण किया जा सके कि विभिन्न सामग्रियां आपस में कैसे क्रिया करती हैं। नियंत्रित प्रयोगों की एक श्रृंखला से डेटा को इन एल्गोरिदम में फीड करके, टीम ने उन तत्वों का सटीक संतुलन पहचान लिया जिसकी आवश्यकता एक ऐसी सूक्ष्म संरचना बनाने के लिए थी जो स्वाभाविक रूप से प्रदर्शन के लिए अनुकूलित हो। परिणाम एक उच्च-शक्ति वाली सामग्री है जो कठोर औद्योगिक मानकों को पूरा करती है और साथ ही उस ऊर्जा और समय की बचत करती है जो आमतौर पर धातु के गुणों को बाद में सुधारने के लिए आवश्यक होता है।

बिना हीट ट्रीटमेंट के इस सामग्री को बनाने की चुनौती पिघलने की नाजुक रसायन विज्ञान में निहित है। डक्टाइल आयरन की मजबूती और लचीलापन दो मुख्य चीजों पर निर्भर करता है: ग्रेफाइट गोलों का आकार और संख्या, और धातु का मैट्रिक्स जो उन्हें थामे रखता है। यदि धातु बहुत तेजी से ठंडी होती है या इसमें रासायनिक संतुलन गलत होता है, तो यह भंगुर हो सकती है या इसमें अवांछित कठोर स्थान विकसित हो सकते हैं। पारंपरिक रूप से, इंजीनियर पर्लाइट नामक एक मजबूत, परतदार संरचना को प्रोत्साहित करने के लिए तांबा (कॉपर), क्रोमियम और मैंगनीज जैसे तत्वों को मिलाते थे, जो लोहे के स्टील जैसे बैकबोन के रूप में कार्य करता है। हालांकि, इन तत्वों को बहुत अधिक मिलाने से धातु भंगुर हो सकती है, जबकि बहुत कम मिलाने से यह बहुत नरम रह जाती है। वह सटीक "स्वीट स्पॉट" (अनुकूल बिंदु) खोजना जहाँ मजबूती और लचीलापन सह-अस्तित्व में हों, एक जटिल पहेली है क्योंकि ये तत्व अकेले कार्य नहीं करते हैं; वे एक-दूसरे के साथ ऐसे तरीकों से प्रभाव डालते हैं जिन्हें सरल नियमों के साथ अनुमान लगाना कठिन है।

इस पहेली को हल करने के लिए, शोधकर्ताओं ने पहले ऑर्थोगोनल प्रयोगों की एक श्रृंखला आयोजित की। यह विभिन्न सामग्रियों के संयोजनों का परीक्षण करने का एक व्यवस्थित तरीका है ताकि यह देखा जा सके कि किसका सबसे अधिक प्रभाव पड़ता है। उन्होंने छोटे बैचों में कॉपर, सिलिकॉन, क्रोमियम और मैंगनीज की मात्रा को बदला, और मापा कि प्रत्येक परिवर्तन ने धातु की अंतिम मजबूती और खिंचाव को कैसे प्रभावित किया। डेटा से पता चला कि कॉपर मजबूती बढ़ाने के लिए सबसे शक्तिशाली घटक था, जबकि सिलिकॉन ने यह सुनिश्चित करने में सबसे महत्वपूर्ण भूमिका निभाई कि धातु बिना टूटे खिंच सके। मैंगनीज, जो अन्य मिश्र धातुओं में उपयोग किया जाता है, ने इस विशिष्ट सीमा में बहुत कम प्रभाव दिखाया। इस प्रारंभिक स्क्रीनिंग ने उन्हें क्षेत्र का एक मोटा नक्शा तो दे दिया, लेकिन यह एक आदर्श संयोजन खोजने के लिए पर्याप्त नहीं था। तत्वों के बीच की अंतःक्रियाएं इतनी जटिल थीं कि एक साधारण 'ट्रायल-एंड-एरर' दृष्टिकोण से उन्हें कुशलतापूर्वक हल नहीं किया जा सकता था।

यहीं पर मशीन लर्निंग रणनीति ने नियंत्रण संभाला। टीम ने अपने प्रारंभिक प्रयोगों के डेटा का उपयोग ऐसे कंप्यूटर मॉडल को प्रशिक्षित करने के लिए किया जो नए रासायनिक मिश्रणों के परिणाम की भविष्यवाणी करने में सक्षम थे। उन्होंने एल्गोरिदम को पैटर्न पहचानने के लिए प्रशिक्षित किया, न केवल व्यक्तिगत तत्वों में, बल्कि इस बात में भी कि वे तत्व मिलकर कैसे कार्य करते हैं। उन्होंने इसमें विशेष गणितीय विवरण भी जोड़े कि तत्व एक-दूसरे के साथ कैसे क्रिया करते हैं, जिससे कंप्यूटर पिघलने की सूक्ष्म रसायन विज्ञान को समझ सके। इन प्रशिक्षित मॉडलों का उपयोग करते हुए, शोधकर्ताओं ने इष्टतम नुस्खे की खोज की। कंप्यूटर ने हजारों आभासी संयोजनों का परीक्षण किया, जो उस विशिष्ट मिश्रण की तलाश कर रहा था जो लचीलापन बनाए रखते हुए मजबूती को अधिकतम कर सके। एल्गोरिदम ने एक लक्षित संरचना की पहचान की जिसने कॉपर, सिलिकॉन, क्रोमियम और मैंगनीज को इस तरह संतुलित किया जैसा कि मानवीय अंतर्ज्ञान शायद ही कभी पकड़ पाता।

रासायनिक नुस्खा हाथ में होने के बाद, टीम अपने सिद्धांत का वास्तविक दुनिया में परीक्षण करने के लिए फाउंड्री फ्लोर पर पहुंची। उन्होंने न केवल सामग्रियां बदलीं; बल्कि उन्होंने धातु बनाने की प्रक्रिया को भी परिष्कृत किया। उन्होंने मैग्नीशियम और अन्य तत्वों वाले एक विशेष तार को पिघले हुए लोहे में डालने के लिए एक पूरी तरह से स्वचालित प्रणाली का उपयोग किया। यह चरण महत्वपूर्ण है क्योंकि यह लोहे में मौजूद कार्बन को वांछित गोलाकार आकार में बदल देता है बजाय फ्लेक्स के। यह सुनिश्चित करने के लिए कि ये गोले यथासंभव छोटे और अधिक संख्या में हों, उन्होंने 'ट्रिपल इनोक्यूलेशन' नामक तकनीक का उपयोग किया। इसमें तीन अलग-अलग चरणों में विशिष्ट रासायनिक एजेंटों को मिलाना शामिल था: एक बार लैडल (कलश) में, एक बार धातु के बहते समय, और एक बार जब वह सांचे में प्रवेश करता है। यह बहु-चरणीय दृष्टिकोण एक फाइन-ट्यूनिंग तंत्र की तरह कार्य करता था, जिससे मानक विधियों की तुलना में कहीं अधिक सघन जनसंख्या वाले सूक्ष्म ग्रेफाइट गोले और अधिक समान आंतरिक संरचना तैयार हुई।

इस संयुक्त दृष्टिकोण के परिणाम आश्चर्यजनक थे। नया डक्टाइल आयरन, जिसे बिना किसी हीट ट्रीटमेंट के उत्पादित किया गया था, ने 974 मेगापास्कल की तन्यता शक्ति (tensile strength), 613 मेगापास्कल की यील्ड स्ट्रेंथ और 6.2 प्रतिशत का बढ़ाव (elongation) प्राप्त किया। ये आंकड़े इस सामग्री को औद्योगिक डक्टाइल आयरन के उच्चतम ग्रेड की श्रेणी में मजबूती से रखते हैं, जो आमतौर पर सबसे कठिन अनुप्रयोगों के लिए आरक्षित होते हैं। धातु न केवल भारी भार उठाने के लिए पर्याप्त मजबूत थी, बल्कि झटकों को बिना टूटे सोखने के लिए पर्याप्त लचीली भी थी। सूक्ष्मदर्शी परीक्षण ने पुष्टि की कि आंतरिक संरचना बिल्कुल वैसी ही थी जैसी शोधकर्ताओं को उम्मीद थी: पर्लाइट की एक महीन, समान व्यवस्था जो पूर्ण गोलाकार ग्रेफाइट गोलों को घेरे हुए थी। ग्रेफाइट के गोले पारंपरिक कास्टिंग की तुलना में छोटे और अधिक संख्या में थे, जिसने सामग्री में तनाव को समान रूप से वितरित करने में मदद की।

इस परियोजना की सफलता इस बात को रेखांकित करती है कि उन्नत सामग्रियों को डिजाइन करने का तरीका बदल रहा है। लंबे समय तक, नई मिश्र धातुएं बनाना अनुमान और पुनरावृत्ति की एक धीमी, महंगी प्रक्रिया थी। मशीन लर्निंग को औद्योगिक कास्टिंग के साथ एकीकृत करके, शोधकर्ताओं ने प्रदर्शित किया कि डेटा सटीकता और गति के साथ सामग्रियों के निर्माण का मार्गदर्शन कर सकता है। उन्होंने दिखाया कि एक ऐसा रासायनिक संयोजन डिजाइन करना संभव है जो ठंडा होने की प्रक्रिया के दौरान स्वाभाविक रूप से वांछित संरचना में विकसित हो जाए, जिससे उस ऊर्जा-गहन हीट ट्रीटमेंट की आवश्यकता समाप्त हो जाती है जो इतने लंबे समय से उद्योग का एक मानक हिस्सा रहा है। यह दृष्टिकोण न केवल धातु के प्रदर्शन में सुधार करता है; यह उत्पादन की अर्थशास्त्र को मौलिक रूप से बदल देता है। हीट ट्रीटमेंट चरण को हटाकर, निर्माता अंतिम उत्पाद की गुणवत्ता बनाए रखते हुए या उसमें सुधार करते हुए, भाग बनाने में लगने वाले समय को काफी कम कर सकते हैं, अपनी ऊर्जा खपत को कम कर सकते हैं और लागत में कटौती कर सकते हैं।

इस कार्य के निहितार्थ केवल धातु के एक बैच तक सीमित नहीं हैं। यह एक व्यावहारिक ब्लूप्रिंट प्रदान करता है कि कैसे फाउंड्री उद्योग अधिक टिकाऊ और बुद्धिमान विनिर्माण की ओर बढ़ सकता है। सामग्री के गुणों को उसके ढलने से पहले ही अनुमान लगाने और नियंत्रित करने की क्षमता का अर्थ है कि कचरे को न्यूनतम किया जा सकता है और प्रदर्शन को अधिकतम किया जा सकता है। शोधकर्ताओं ने पुष्टि की कि उनकी विधि औद्योगिक उत्पादन के पैमाने पर काम करने योग्य है, जिसमें आधुनिक फाउंड्री में पहले से उपलब्ध उपकरणों और प्रक्रियाओं का उपयोग किया गया है। वे किसी विदेशी, अपुष्ट तकनीक पर निर्भर नहीं थे, बल्कि मौजूदा उपकरणों के स्मार्ट अनुप्रयोग पर निर्भर थे। परिणाम एक उच्च-प्रदर्शन वाली सामग्री है जो भारी मशीनरी से लेकर महत्वपूर्ण बुनियादी ढांचे तक सब कुछ में उपयोग के लिए तैयार है, जो यह सिद्ध करती है कि सामग्रियों के विज्ञान का भविष्य पारंपरिक शिल्प कौशल और आधुनिक डेटा विज्ञान के मिलन में निहित है।