Sensorik und KI für modellbasierte Regelung in der additiven Fertigung

Prüfung im 3D-Druck

Im Rahmen des Forschungsprojektes SmoPa3D untersucht das WZL der RWTH Aachen, wie sich durch Integration von Laserlichtschnittsensoren die Qualität des Drucks im Prozess erfassen und sich diese Kenntnis für eine echtzeitfähige modellprädiktive Regelung verwenden lässt.
Beim Forschungsprojekt SmoPa3D wird untersucht, wie sich durch Integration von Laserlichtschnittsensoren die Qualität des Drucks im Prozess erfassen und für eine echtzeitfähige modellprädiktive Regelung verwenden lässt. (Bild: Werkzeugmaschinenlabor WZL der RWTH Aachen University)

Additive Manufacturing (AM) zeichnet sich durch Flexibilität und Möglichkeiten zur individuellen Produktion aus und findet besonders im Leichtbau und der Sonderfertigung Einsatz. Jedoch weisen AM-Technologien in der Breite noch keine Serienreife auf, was daran liegt, dass die Technologie häufig noch keine reproduzierbare und beherrschbare Fertigung von hochqualitativen Bauteilen zulässt und somit ein hoher Aufwand für die Qualifizierung der produzierten Bauteile notwendig ist. Daher wird im Rahmen des Forschungsprojektes SmoPa3D (Sensorgestützte modellbasierte Parametrierung von 3D-Druckprozessen) untersucht, wie sich durch Integration von Laserlichtschnittsensoren 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 am Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement durchgeführt wird, schließt an die erste Projektphase an, in der eine automatische Defekterkennung mithilfe von Laserlichtschnittsensoren implementiert wurde. Das Messsystem erfasst die einzelnen Bauteilschichten mit einer Auflösung von 50µm 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 Machine Learning konnte das Projektteam zeigen, dass eine Vorhersage qualitätsrelevanter Merkmale des finalen Bauteils möglich ist. Aufbauend auf diesen Erkenntnissen soll in der kommenden Förderperiode 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 der Daten und 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, während des Drucks, ermöglicht. In den kommenden zwei Jahren Projektlaufzeit erwarten die Forscher eine erfolgreiche Implementierung einer echtzeitfähigen Regelung an einem FDM-Drucker.

Werkzeugmaschinenlabor WZL der RWTH Aachen University

Das könnte Sie auch Interessieren

Weitere Beiträge

Bild: iNOEX GmbH
Bild: iNOEX GmbH
Messen leicht gemacht

Messen leicht gemacht

Neue radargestützte Messtechnik ermöglicht es, qualitativ hochwertigere Rohre mit weniger Material zu extrudieren. Mit einem automatisierten geschlossenen Regelkreis lässt sich zudem ein höherer Output und weniger Ausschuss erreichen, was die Kosten erheblich senken kann.

mehr lesen
Bild: IPF Electronic GmbH
Bild: IPF Electronic GmbH
Für alle Fälle

Für alle Fälle

Sensorlösungen sollten bestmöglich auf die jeweilige Applikation und damit auf die zu erfassenden Objekte sowie Materialien abgestimmt sein. Das gilt auch für die Detektion transparenter Objekte, was allerdings in der Praxis oftmals eine echte Herausforderung sein kann, die sich aber dennoch mit den richtigen Technologien meistern lässt.

mehr lesen
Bild: Hengstler GmbH
Bild: Hengstler GmbH
Präzision am 
Teststand

Präzision am Teststand

In der Fahrzeugtechnik geht der Trend zu Antrieben mit hohen Drehzahlen – insbesondere bei Elektroautos. Die Hersteller von Motorprüfständen müssen deshalb ihre Anlagen aufrüsten. Ein Anbieter stattet seine Systeme künftig mit Absolutwertgebern von Hengstler aus: Sie erfassen die Position und Geschwindigkeit von Motoren selbst bei 25.000 Umdrehungen pro Minute sicher und exakt.

mehr lesen
Bild: PIL Sensoren GmbH
Bild: PIL Sensoren GmbH
Um die 
Ecke messen

Um die Ecke messen

In vielen industriellen Anwendungen ist die Abstandsmessung und Objekterkennung per Ultraschall aufgrund geringer Irritabilität und unkomplizierter Installation unter erschwerten Bedingungen anderen Sensortechnologien klar überlegen. So bietet PIL für seine Sensoren einfach montierbare Reflektorwinkel an, die eine flexible Positionierung und die bedarfsspezifische Ausrichtung der Schallkeule ermöglichen.

mehr lesen
Bild: Optris GmbH
Bild: Optris GmbH
Auf der richtigen Seite

Auf der richtigen Seite

Mit dem Bottom-Up-Glas-Inspektionssystem von Optris gibt es einen neuen Ansatz für die Temperaturmessung bei der Herstellung von Low-E-Glas. Zwei unterhalb der Härtungsanlage installierte Infrarotkameras messen die Temperatur auf der nicht beschichteten Seite des Glases mit hohem Emissionsgrad.

mehr lesen