SmoPa3D – Sensorgestützte modellbasierte Parametrisierung von 3D-Druckprozessen

Steckbrief

Eckdaten

Laufzeit:
01.11.2021 bis 31.10.2023
Organisationseinheit:
Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement, Model-based Systems, Quality Intelligence
Fördergeber:
Deutsche Forschungsgemeinschaft DFG
Status:
Laufend

Kontakt

Telephone

work Phone
+49 241 80 25466

E-Mail

Kontakt

Name

Hanna Brings

Wissenschaftliche Angestellte

Telefon

work
+49 160 90158534

E-Mail

E-Mail
 

Additive Fertigungsprozesse zeichnen sich durch ihre Flexibilität und Möglichkeiten zur individuellen Produktion aus. Für eine industrielle Produktion sind sie aufgrund schwankender Produktqualität und begrenztem Prozesswissen jedoch nicht resilient genug. Das Ziel des Forschungsvorhabens ist es, durch Implementierung einer real-time Regelung die Prozessautomatisierung zu erhöhen und eine reproduzierbar hohe Bauteilqualität zu erreichen.

Das Forschungsprojekt SmoPa3D setzt hier mit einem prozessintegrierten Messsystem und einer modellprädiktiven Regelung an. Im ersten Teil des Forschungsvorhabens wurde ein Messsystem aus Laserlichtschnittsensoren in einen 3D-Drucker eingebaut, das die einzelnen Bauteilschichten mit einer Auflösung von 50 µm erfasst. Durch einen Vergleich mit dem Soll-Modell können Abweichungen in der Filamentgeometrie bestimmt werden. Die Abweichungen einer Versuchsreihe wurden anschließend als Grundlage verwendet, um Methoden des maschinellen Lernens zur Vorhersage von Qualitätsparametern zu nutzen.

Auf diesen Erkenntnissen aufbauend soll in der zweiten Förderperiode die Prozessregelung entwickelt und implementiert werden. Einerseits wird das bestehende System verbessert: Nach dem bisherigen Proof-of-Concept werden die Programmcodes so weit angepasst, dass die Datenverarbeitung echtzeitfähig, zwischen dem Druck von zwei Schichten, stattfinden kann. Andererseits müssen die Machine Learning Algorithmen weiterentwickelt werden, sodass die Geometrieabweichungen nicht nur erkannt werden, sondern nach Güte und Art kategorisiert werden. Auf Basis dieser Daten und der Stellparameter des Druckers werden die Qualitätskenngrößen der folgenden Schichten prädiziert. Als letzter Schritt wird eine Prozessregelung implementiert, die die Kenntnis der prädizierten Entwicklung einer Fehlerkategorie auf die finale Bauteilqualität zur dynamischen Kompensierung des Maschinencodes oder der Stellparameter nutzt.