• Projektstart: 01.07.2019
• Projektende: 30.09.2022
• Laufzeit: 3,25 Jahre
• Projekttr?ger: Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie

Ziel des Projektes ProSi-3D ist es, die Prozessicherheit des Laserstrahlschmelzen (engl. Laser Beam Melting - LBM) signifikant zu steigern.

?

Das weltweite Marktvolumen additiver Fertigungsverfahren wird bis 2025 auf rund 51?Mrd. USD gesch?tzt (BCG 2017). Daraus l?sst sich ableiten, dass traditionelle Fertigungsverfahren in gewissen Bereichen durch additive Fertigungsverfahren erg?nzt oder auch g?nzlich ersetzt werden. Das Laserstrahlschmelzen stellt aktuell das mit Abstand relevanteste additive Fertigungsverfahren für die industrielle Produktion vom 威尼斯赌博游戏_威尼斯赌博app-【官网】lbauteilen dar (Wohlers 2018). Es bietet die M?glichkeit komplexe Bauteile in geringen Stückzahlen wirtschaftlich zu fertigen. Eine zentrale Hürde für die weitere Etablierung der Verfahren in der industriellen Produktion stellt die Prozesssicherheit des Verfahrens dar. Aufgrund von Abweichungen der diversen Einflussgr??en (z.?B. Anlagenzustand, Pulverzustand, Datenvorbereitung) auf die Bauteilqualit?t, kann es zu Prozessabweichungen und daraus folgenden Fehlern kommen (Rehme 2010). Daher werden die Bauteile h?ufig nachgelagert aufw?ndig geprüft. Zielsetzung des Projektvorhabens ProSi-3D ist es daher die Prozesssicherheit beim Laserstahlschmelzen signifikant zu steigern. Als L?sungsansatz werden zwei Herangehensweisen auf verschiedenen Detailebenen verfolgt, die auch als T-Modell verstanden werden k?nnen.

?

Erstens erm?glicht es der schichtweise Aufbauprozess jeden Punkt im Bauteil bei der Verfestigung und danach zu beobachten. Daher bieten sich Prozessüberwachungsmethoden grunds?tzlich für das LBM an. Das Ziel in diesem Bereich besteht darin, verschiedene Prozessüberwachungssensoren auf einer Anlage zu vereinen und zu bewerten, inwieweit diese gezielt eingebrachten Prozessabweichungen identifizieren k?nnen. Somit kann die Eignung der Sensoren für unterschiedliche Fehlerbilder sowie sich erg?nzende Kombinationen von Sensoren abgeleitet werden. Für die Auswertung der komplexen Datenmengen wird weiterführend ein digitales ?berwachungsdaten-Auswertungs-Tool entwickelt, in dem die ?berwachungsdaten strukturiert gesammelt und mit unterschiedlichen Auswertemethoden analysiert werden. Hierbei werden neben statistischen Kennzahlen auch verschiedene Ans?tze des maschinellen Lernens genutzt. Das Tool erm?glicht die Früherkennung von Prozessabweichungen und die damit verbundene Identifikation von Risikoindikatoren. Damit legt es auch die Grundlage für eine zukünftige Prozessregelung.

?

Zweites wird auf übergeordneter Ebene untersucht, welche Ma?nahmen zur Qualit?tssicherung (QS) entlang der Prozesskette typische Fehlerbilder vermeiden k?nnen. Vor allem bei den Einflussgr??en vor dem Laserstrahlschmelz-Prozess (z.?B. Anlagenzustand, Pulverzustand, Fehler bei der Datenvorbereitung) bietet sich die M?glichkeit, durch geeignete Ma?nahmen Fehler a priori zu vermeiden. Basierend auf einer systematischen Ursache-Wirkungs-Analyse von Prozessabweichungen (Ursachen) und Bauteilfehlern (Wirkungen) werden geeignete Qualit?tssicherungsma?nahmen abgeleitet und im Laufe des Projektes experimentell evaluiert. Daraus wird ein Gesamtkonzept zur Qualit?tssicherung in der LBM-Prozesskette entwickelt, welches qualit?tsrelevante Einflüsse entlang der Prozesskette berücksichtigt und auf die Reproduzierbarkeit über gr??ere Stückzahlen abzielt. Durch die beiden Ans?tze k?nnen erhebliche Kosten- und Zeitvorteile erzielt werden. Denn durch eine Früherkennung von Prozessabweichungen oder Bauteilfehlern k?nnen Ma?nahmen zur Reaktion auf diese Abweichungen vorgenommen werden. So lassen sich Aufw?nde durch nachgelagerte Bauteilprüfung deutlich reduzieren und auch Ausschussraten k?nnen verringert werden. Eine Früherkennung von Fehlern verbessert weiterhin die Planungssicherheit in der Produktionsplanung und -steuerung. Somit leisten die Ergebnisse einen positiven Beitrag zur Wirtschaftlichkeit des LBM und bef?higen die Technologie zur breiteren Anwendung.

?

Der Lehrstuhl für Produktionsinformatik besch?ftigt sich in diesem Forschungsvorhaben zum einen mit der Qualifizierung der In-Prozess-?berwachungssensorik. Dabei sollen Sensoren hinsichtlich ihrer Identifikation definierter Prozessabweichungen bewerten werden. Zum anderen werden einzelne Algorithmen zur Auswertung der generierten Sensordaten entwickelt. Desweiteren entwirft der Lehrstuhl für Produktionsinformatik ein Konzept zur qualitativen Bewertung zur Wirksamkeit der Kombination von Sensoren und Auswertungsmodellen.

?

?