Verbesserung der additiven Fertigung durch Wärmebildtechnik

Apr 19, 2023

Seit über einem Jahrzehnt verlässt sich die Bauindustrie auf die additive Fertigung, um Architekturmodelle, Prototypen und Endverbrauchsteile zu erstellen. Dieses Verfahren, bei dem Teile schichtweise mit einem 3D-Drucker aufgebaut werden, ermöglicht es Benutzern, geometrisch komplexe Teile schnell zu bauen, den Produktionsprozess zu automatisieren und je nach Anwendung bestimmte Materialien zu verwenden.

Während die additive Fertigung das Potenzial hat, die Arbeitssicherheit zu erhöhen und die Produktivität in der Bauindustrie zu steigern, haben strukturelle Mängel, die während des Bauprozesses entstehen, eine breite Akzeptanz dieses Ansatzes verhindert.

Forscher des Argonne National Laboratory des US-Energieministeriums (DOE) haben kürzlich eine neue Methode zur Erkennung und Vorhersage von Defekten in 3D-gedruckten Materialien entwickelt, die den additiven Fertigungsprozess verändern könnte.

In ihrer Studie verwendeten Wissenschaftler von Argonne, der University of Virginia und mehreren anderen Institutionen verschiedene bildgebende Verfahren, um die Bildung von Poren in 3D-gedruckten Metallen in Echtzeit zu erkennen. Die von den Forschern verwendeten Metallproben wurden mithilfe eines Prozesses namens Laser-Pulver-Bett-Fusion hergestellt, bei dem Metallpulver von einem Laser erhitzt und dann in die richtige Form geschmolzen wird. Dieser Ansatz führt jedoch häufig zur Bildung von Poren, die die Leistung eines Teils beeinträchtigen können.

Viele Maschinen für die additive Fertigung verfügen über Wärmebildsensoren, die den Bauprozess überwachen. Diese Sensoren können jedoch die Bildung von Poren übersehen, da sie nur die Oberfläche der zu konstruierenden Teile abbilden. Die einzige Möglichkeit, Poren in dichten Metallteilen direkt zu erkennen, ist die Verwendung intensiver Röntgenstrahlen, wie sie an der Advanced Photon Source von Argonne eingesetzt werden.

Die Röntgengeräte von Argonne können mehr als eine Million Bilder pro Sekunde aufnehmen, wodurch die Forscher die Porenbildung in Echtzeit beobachten konnten. Anschließend verglichen sie Röntgenbilder der Porenbildung mit den von der additiven Fertigungsmaschine erzeugten Wärmebildern. Sie entdeckten, dass in einem Metallteil gebildete Poren deutliche thermische Signaturen an der Oberfläche verursachen, die von Wärmebildkameras erkannt werden können.

Nachdem die Forscher thermische Signaturen identifiziert hatten, die von additiven Fertigungsmaschinen erkannt werden können, trainierten sie ein maschinelles Lernmodell, um die Bildung von Poren in 3D-Metallen vorherzusagen. Sie validierten das Modell mithilfe von Daten aus den Röntgenbildern, von denen sie wussten, dass sie die Entstehung von Poren in den von ihnen verwendeten Metallproben genau widerspiegelten.

Anschließend testeten sie, ob ihr Modell thermische Signale erkennen und die Porenbildung in einem neuen Satz von Proben vorhersagen konnte. Die Wissenschaftler fanden heraus, dass ihre neue Methode eine nahezu perfekte Vorhersage der Porenbildung in Echtzeit ermöglichte.

Viele Maschinen für die additive Fertigung auf dem Markt verfügen zwar bereits über Sensoren, diese sind jedoch bei weitem nicht so genau wie die von den Forschern entwickelte Methode. Doch anstatt neue Maschinen für die additive Fertigung bauen zu müssen, kann die Methode problemlos in bestehende kommerzielle Systeme implementiert werden, die über Wärmebildkameras verfügen.

Die Integration dieser neuen Methode in aktuelle Maschinen kann Benutzern helfen, zu erkennen, wo während des Druckvorgangs Poren entstehen, und ihnen die Informationen liefern, die sie benötigen, um entweder Parameter anzupassen oder den Druckvorgang ganz zu stoppen. In einigen Fällen kann eine Maschine die Fertigung eines Teils automatisch stoppen, wenn ein schwerwiegender Fehler frühzeitig im additiven Fertigungsprozess erkannt wird, wodurch Benutzer Zeit, Material und Geld sparen.

Auch nach dem Drucken eines Teils kann die neue Methode den Anwendern zugutekommen, da sie beim Inspektionsprozess Zeit sparen. Konkret wird von der Maschine eine Protokolldatei erstellt, die dokumentiert, wo sich Porendefekte innerhalb eines Teils befinden könnten. Prüfer können diese Protokolldatei dann verwenden, um bestimmte Stellen zu untersuchen, anstatt jeden Aspekt des Teils zu analysieren.

Das ultimative Ziel bei der Entwicklung dieses Ansatzes besteht darin, ein System zu schaffen, das Fehler nicht nur erkennt, sondern diese auch während des additiven Fertigungsprozesses repariert.

Für die Zukunft planen die Forscher, Sensoren zu untersuchen, die andere Arten von Defekten erkennen können. Sie hoffen, ein umfassendes System zu entwickeln, das den Benutzern nicht nur sagen kann, wo Fehler auftreten könnten, sondern auch, um welche Art von Fehler es sich handelt und wie er behoben werden kann.

Argonne National Laboratory

Tel.: +1 630 252 2000

www.anl.gov

Twitter

LinkedIn

Youtube

Instagram

Speichern Sie meinen Namen, meine E-Mail-Adresse und meine Website in diesem Browser für den nächsten Kommentar.

D