Echtzeitfähige Regelung von 3D-Druckprozessen
Defekterkennung mithilfe von Laserlichtschnitt-Sensoren und künstlicher Intelligenz.
Additive Fertigungsprozesse zeichnen sich durch ihre Flexibilität und Möglichkeiten zur individuellen Produktion aus. Jedoch weisen solche AM-Technologien in der Breite noch keine Serienreife auf, was damit zusammenhängt, dass sie häufig keine reproduzierbare und beherrschbare Fertigung von hochqualitativen Bauteilen zulässt und somit ein hoher Aufwand für die Qualifizierung der produzierten Bauteile erfordert ist. Vor diesem Hintergrund wird im Rahmen des DFG-geförderten Forschungsprojekts „SmoPa3D - Sensorgestützte modellbasierte Parametrierung von 3D-Druckprozessen“, dessen zweite Projektphase im November 2021 startet, untersucht, wie sich durch Integration von Laserlichtschnitt-Sensoren die Qualität des Drucks im Prozess erfassen und sich diese Kenntnis für eine echtzeitfähige modellprädiktive Regelung verwenden lässt. Hierdurch werden die Druckprozesse dazu befähigt, die Qualität trotz plötzlicher Störungen oder ungeeigneter Parametrierung zu gewährleisten und Druckabbrüche zu vermeiden.
Das Projekt, das unter der Leitung von Robert Schmitt an der RWTH Aachen durchgeführt wird, schließt an die erste Projektphase an, in der eine automatische Defekterkennung mithilfe von Laserlichtschnitt-Sensoren implementiert wurde. Dieses Messsystem erfasst die einzelnen Bauteilschichten mit einer Auflösung von fünfzig Mikrometern und bildet ein digitales Modell des Bauteilzustands. Durch den Vergleich mit dem Soll-Modell können Abweichungen erkannt werden, welche gegebenenfalls zu einer verminderten Qualität des Bauteils führen. Mittels Methoden des maschinellen Lernens konnte das Projektteam zeigen, dass eine Vorhersage qualitätsrelevanter Merkmale des finalen Bauteils möglich ist.
Aufbauend auf diesen Erkenntnissen soll jetzt eine echtzeitfähige Prozessregelung entwickelt und implementiert werden. Auftretende Abweichungen sollen hierzu nicht nur erkannt, sondern zusätzlich nach Güte und Art kategorisiert werden. Anschließend werden auf Basis dieser Daten und der Stellparameter des Druckers qualitätsrelevante Merkmale nachfolgender Schichten geschätzt, um schwerwiegende Defekte, welche zu verminderter Bauteilqualität oder Druckabbruch führen, vorhersagen zu können.
Diese Kenntnis soll zur Implementierung einer Prozessregelung genutzt werden, welche eine dynamische Korrektur des Maschinencodes oder der Stellparameter vorsieht. Eine automatische Optimierung des Druckers wird so noch während des Drucks ermöglicht. Durch die datengetriebene Regelung von 3D-Druckprozessen versprechen sich die Forscher eine höhere Akzeptanz für den industriellen Einsatz dieser Technologien und dadurch eine ressourceneffizientere Produktion durch Materialeinsparungen und Vermeidung von Überproduktion.
RWTH Aachen / RK
Weitere Infos
