Generation of representative powder particle packing in 2D/3D: which tool for which application?

Resumo Técnico: Geração de Empacotamento Representativo de Partículas de Pó em 2D/3D

Definição do Problema
Na metalurgia do pó, manufatura aditiva (especificamente Laser Powder Bed Fusion e Binder Jetting) e física granular, a geração de um empacotamento de partículas esféricas realista e denso é um pré-requisito para simulações numéricas. Esta configuração inicial serve como o Elemento de Volume Representativo (RVE) a partir do qual processos subsequentes — como sinterização, densificação ou evolução da poça de fusão — são inicializados. Apesar da natureza crítica deste estado inicial, a seleção de um gerador de empacotamento carece de um benchmark sistemático. Um empacotamento representativo deve satisfazer cinco critérios simultâneos: (i) admissibilidade física (sem sobreposição de partículas), (ii) equilíbrio gravitacional (balanço de força e momento), (iii) fidelidade à Distribuição de Tamanho de Partícula (PSD) alvo, (iv) uma densidade relativa ($\phi$) condizente com referências experimentais, e (v) viabilidade computacional. A literatura existente frequentemente negligencia as condições (i) e (ii) em algoritmos puramente geométricos ou falha em fornecer um framework unificado para comparar ferramentas através destas restrições.

Metodologia
Os autores realizaram o benchmark de quatro implementações de código aberto ou acadêmicas, representando duas famílias de algoritmos que satisfazem as condições (i) e (ii) por construção:

1. Métodos Geométricos Sequenciais:
   • D&R (Dropping-and-Rolling): As partículas são posicionadas sequencialmente, rolando sobre vizinhos já assentados para atingir um mínimo local na energia potencial gravitacional.
   • D&R-ME (Moving-Enlarging): Uma variante de pós-processamento do D&R que desloca partículas em direção ao baricentro de seus vizinhos de Delaunay e infla os raios para aumentar a densidade, embora possa alterar ligeiramente a PSD alvo.
2. Métodos Dinâmicos (Método de Elementos Discretos - DEM):
   • LAMMPS: Simula o assentamento de partículas sob gravidade até que limiares de energia cinética sejam atingidos.
   • dp3D: Simula a compressão isostática de um domínio periódico até que um limiar de taxa de deformação volumétrica seja alcançado.

As ferramentas foram avaliadas em quatro configurações: empacotamento lognormal 2D, empacotamento bimodal binário 3D, empacotamento lognormal 3D (utilizando um pó de grau industrial IN718 para MIM) e um estudo paramétrico de tamanho de domínio 3D.

Métricas Principais e Avaliação

• Fidelidade da PSD: Medida utilizando a distância de Hellinger ($H$), independente da largura de classe, tanto para distribuições ponderadas pelo número quanto pela superfície/volume.
• Densidade Relativa ($\phi$): Calculada em um sub-bloco central de 90% ($B_{90}$) para mitigar efeitos de borda, utilizando um estimador de volume clipado para considerar partículas que se projetam para fora do sub-domínio. Isto foi comparado contra uma referência de carga sólida experimental ($\phi_{exp} = 0,62$) derivada pelo método de Arquimedes.
• Custo Computacional: Medido como tempo de execução (wall-clock time) em uma única estação de trabalho.

Principais Resultados

• Troca entre Densidade vs. Velocidade: Em 3D, os códigos DEM (dp3D e LAMMPS) alcançaram os empacotamentos mais densos, mas foram computacionalmente caros. Para aproximadamente 20.000 partículas, o D&R rodou 1.800 vezes mais rápido que o dp3D, mas resultou em uma densidade relativa 9% menor ($\phi \approx 0,64$ vs. $\phi \approx 0,72$ para o dp3D no caso sem adesão/sem fricção).
• Fidelidade da PSD:
  • O dp3D e o D&R/D&R-ME reproduziram fielmente as PSDs ponderadas pelo número e pelo volume.
  • O LAMMPS exibiu uma truncagem sistemática da cauda de partículas grandes (falhando em gerar partículas $>11$ $\mu$m, apesar de um máximo alvo de $50$ $\mu$m), atribuída ao seu estágio de discretização de pré-processamento, e não à física do DEM em si. Esta limitação o desqualificou para distribuições altamente polidispersas neste estudo.
• Robustez Bimodal: Em estudos bimodais binários 3D, os métodos DEM tornaram-se impraticáveis em altas razões de tamanho ($\rho \ge 20$) devido a limites de memória (dp3D) ou resolução de discretização insuficiente (LAMMPS). O D&R permaneceu utilizável até $\rho=20$, embora tenha mostrado quedas anômalas de densidade em $\rho=40$ devido ao seu critério de parada fixo ($N_{max}=200$ tentativas falhas), impedindo que partículas pequenas circundassem completamente as grandes.
• Mecanismos de Controle: O dp3D permite a prescrição direta de uma densidade relativa alvo via incrementos de compressão. O LAMMPS oferece apenas controle indireto via parâmetros de adesão e fricção. O D&R e o D&R-ME carecem de alavancas diretas para ajustar a densidade uma vez que a PSD é fixada, embora o D&R-ME produza densidades marginalmente superiores ao D&R padrão.

Significância e Alegações
O artigo afirma fornecer o primeiro benchmark unificado para geradores de empacotamento de pó que impõe estritamente a admissibilidade física e o equilíbrio gravitacional. Os autores concluem que a seleção da ferramenta deve ser orientada pela aplicação:

• O D&R é recomendado para prototipagem rápida e RVEs grandes onde uma densidade moderada é suficiente, oferecendo uma vantagem massiva de velocidade.
• dp3D/LAMMPS são necessários quando um estado de alta densidade prescrito e fidelidade rigorosa da PSD são exigidos, apesar do custo computacional.
• O D&R-ME serve como um intermediário de baixo custo para uma densidade ligeiramente superior, caso pequenos desvios na PSD sejam aceitáveis.
• Um método híbrido é proposto: utilizar o D&R para gerar um estado inicial, seguido de compressão isostática via dp3D para atingir a densidade alvo, o que é substancialmente mais rápido do que rodar o dp3D do zero.

Os autores observam que, embora estes empacotamentos sirvam como estados iniciais idealizados, eles não capturam a mecânica de deposição específica do processo (ex: efeitos do recoater em LPBF). Sugere-se que trabalhos futuros validem estes empacotamentos contra dados de tomografia experimental usando descritores de vizinhança (número de coordenação, função de distribuição radial) e estendam o framework para morfologias não esféricas.