Usean attribuutin päätöksentekomenetelmien hyödyntäminen metallien 3D-tulostusmenetelmän valinnassa

Abstract

Ainetta lisäävä valmistus, eli 3D-tulostus, on suhteellisen uusi ja vähän käytetty valmistusmenetelmä, joka perustuu kiinteiden kappaleiden muodostamiseen kerroksittain. Erityisesti metallien 3D-tulostuksen hidas valmistusnopeus ja korkeat kustannukset tekevät siitä teolliseen massatuotantoon epäkäytännöllisen perinteisiin, ainetta poistaviin, valmistusmenetelmiin verrattuna. 3D-tulokstukselle ominainen etu on kuitenkin sen kyky valmistaa hyvin monimutkaisia geometrioita, joiden valmistus olisi perinteisillä valmistusmenetelmillä äärimmäisen haastavaa tai mahdotonta. 3D-tulostusmenetelmiä on saatavilla useita erilaisia, joten päätettäessä valmistaa metallinen osa 3D-tulostamalla on erittäin tärkeää valita parhaiten osalta vaaditut kriteerit täyttävä 3D-tulostusmenetelmä. Päätöksenteko-ongelmien apuvälineenä voidaan käyttää usean attribuutin päätöksentekomenetelmiä (MADM).

Tämä kandidaatintyö suoritettiin kirjallisuuskatsauksena, joka sisältää esimerkkiosion yleisimpien MADM-päätöksentekomenetelmien käytöstä 3D-tulostusmenetelmän valitsemiseen. Työn on tarkoitus toimia ohjeena analyyttisen hierarkiaprosessin (AHP) ja TOPSIS-menetelmän käyttöön metallien 3D-tulostusmenetelmän valitsemiseksi. Työtä ei missään tapauksessa tule käyttää oikeana 3D-tulostusmenetelmien välisenä analyysina, vaan pelkästään menetelmien toimintaa demonstroivana ohjeena.

Ensin kirjallisuuskatsauksessa esitellään metallien 3D-tulostusmenetelmien tuomia etuja sekä vertaillaan menetelmien toimintaperiaatteita ja eroavaisuuksia toisiinsa nähden. Seuraavaksi työssä esitellään usean attribuutin päätöksentekomenetelmät ja käsitellään AHP- ja TOPSIS-menetelmien toimintaa yksityiskohtaisesti. Seuraavaksi esitellään 3D-tulostuksen käyttöä lentokoneen komponenttien valmistuksessa ja valitaan työssä suoritetuille esimerkkianalyyseille lentokoneen siiven siipikaari valmistettavaksi valituksi komponentiksi. Tulostusmenetelmien arviointiosiossa suoritetaan AHP- ja TOPSIS-analyysit selkeästi ja päädytään tuloksiin.

Esimerkkianalyysin tuloksena arvioitiin, että AHP soveltuu paremmin laajuudeltaan maltillisiin päätöksenteko-ongelmiin, missä eroavaisuudet menetelmien välillä saattavat olla suuriakin. TOPSIS-menetelmän käyttöä puolestaan suositellaan tilanteisiin, missä kriteerien ja vaihtoehtojen lukumäärä on suuri ja erot vaihtoehtojen välillä pienemmät.