Qualitätssicherung Wie KI die additive Fertigung verbessert

Künstliche Intelligenz kann den Druckprozess verbessern und das Ergebnis stabilisieren. Dadurch wird die additive Fertigung noch interessanter für die Serienproduktion.

Anbieter zum Thema

ViscoTec Pumpen- u. Dosiertechnik GmbH

MISSION ADDITIVE

Qualitätssicherung in der additiven Fertigung hat viel mit dem Druckprozess zu tun. Um den zu verbessern und Fehldrucken vorzubeugen, setzen Druckerhersteller, Anwender und Forschung auf künstliche Intelligenz (KI). Denn KI kann …

• eine reproduzierbare Bauteilqualität sichern;

• Kosten verringern, beispielsweise durch Früherkennung von fehlerhaften Bauvorgängen;

• den nachgelagerten Prüfaufwand reduzieren;

• eine höhere Planungssicherheit in der Produktionsplanung und -steuerung bieten;

• die Vorarbeit zur Prozessregelung leisten.

Eine KI-basierte additive Fertigung kann also die Druckergebnisse verbessern, die Qualität sichern und somit Grundlagen für Reproduzierbarkeit und Serienfertigung schaffen. Dazu sollten allerdings nicht nur die Daten aus dem Drucker gesammelt werden, sondern auch die Umgebungseinflüsse.

Die 3D-Drucker des amerikanischen Unternehmens Markforged sind über die Cloud vernetzt. Sensoren sammeln die Metadaten der Produktion, also die Geschwindigkeit des Extruders oder den Druck, mit dem das Material aus der Düse kommt. Die Sensoren senden ihre Daten in die Cloud. Dort werden sie mit einer KI analysiert und ausgewertet. Werden Fehler oder unsaubere Druckvorgänge entdeckt, steuert die KI gegen und schickt ein Softwareupdate an die Drucker.

KI gegen Color Bleeding

Auch den 3D-Druck mit mehreren Farben kann man per maschinellem Lernen verbessern, beispielsweise beim Multi-Jetting-Verfahren. Hier entstehen Bauteile, indem die gefärbten Harze per UV-Licht ausgehärtet werden, etwa um chirurgische Modelle nachzubilden. Dabei können Farben ineinanderlaufen – in alle drei Dimensionen. Dahin ist die Präzision des gedruckten Körperteil-Modelle. Wissenschaftler der Computer Graphics Group (CGG) der tschechischen Charles University haben daher einen Algorithmus entwickelt, der eben dieses Verlaufen von Farben (Color Bleeding) eindämmt.

Schon länger bekannt ist, dass man mit einer vorgelagerten Simulation den Materialauftrag so verbessern kann, dass Schärfe und Kontrast bestmöglich gegeben sind. Normalerweise wird simuliert, wie sich das UV-Licht ausbreitet. Das sind komplexe Berechnungen, die mehrere Stunden dauern. Die Forscher der Charles University nutzen Deep Neural Networks (Deep Learning) dafür. Der Algorithmus sagt genauer voraus, wie sich eine Oberfläche durch die frisch aufgetragenen Materialien verändert. Die Methode simuliert zwar weniger Muster des Bauteils als die bisherigen Ansätze, aber diese sind auf alle Stellen des Teils übertragbar. Sagen die Forscher. Bei ihrem Test konnten sie das Referenzobjekt innerhalb von 30 Stunden modellieren anstatt in 3.000 Stunden.

Forschungsprojekte für eine Überwachung des Druckprozesses im Bauraum gibt es einige. Besonders Pulverbettverfahren mit Metall sind im Fokus. Vergangenen Sommer gestartet ist das Projekt ATLAMP (Aktive Thermografie mit Laseranregung für die additive Fertigung-Projekt) der Bundesanstalt für Materialforschung und -prüfung (BAM). Passive optische Tomografie und aktive Laserthermografie werden als bildgebende Verfahren kombiniert und mittels Machine Learning interpretiert. So sollen beispielsweise Risse direkt während des AM-Prozesses erfasst und durch Parameteranpassungen korrigiert werden – während des Baujobs.

Weitere Artikel über Auftragsfertigung und Fertigungseinrichtungen finden Sie in unserem Themenkanal Fertigung.

(ID:47912323)