Kurz und Knapp

  • In der am Fraunhofer IWS Dresden entwickelten Prozess- und Materialdatenbank sind alle Details zu den gefertigten Bauteilen hinterlegt.
  • Ein Forschungsteam des Fraunhofer IWS hat eine Methode entwickelt, wie industrielle 3D-Drucker durch Künstliche Intelligenz lernen, mit Superlegierungen zurechtkommen.
  • Die additiven Fertigungsmaschinen können dann schneller und effizienter Hochleistungsmaterialien verarbeiten, die zur Herstellung von Triebwerkteilen gebraucht werden.

Additive Maschinen lernen mittels KI Superlegierungen zu verarbeiten

Die Industrie 4.0 setzt neue Standards in der Fertigungstechnologie. Möglicherweise sind bald auch bessere Flugzeugtriebwerke in Sicht. Die Triebwerke könnten viel heißer und effizienter arbeiten, wenn nicht die meisten Materialien bei Temperaturen um etwa 1200 Grad versagen würden. Zwar existieren Werkstoffe, die derart hohe Temperaturen aushalten, aber diese sind kostenintensiv und lassen sich nur schwer mit traditionellen Methoden verarbeiten. Die additive Fertigung, auch „Additive Manufacturing“ (AM) genannt, soll dieses Dilemma lösen. Industrielle AM-Maschinen, eine leistungsfähigere Variante des privaten 3D-Druckers, könnten durch günstigere Bauweise solche Teile herstellen.
Wie genau das geht, erklärt Michael Müller vom Fraunhofer-Institut für Werkstoff- und Strahltechnik (IWS) in Dresden: „Mittels Laser-Pulver-Auftragschweißens können wir verschiedene Pulver zeitgleich oder nacheinander mit genau einstellbaren Förderraten in die Prozesszone bringen.“ Ganze Komponenten aus einem einzigen Material zu konstruieren, sei allerdings wenig effektiv. Das Bauteil sei nicht an allen Punkten derselben Hitze ausgesetzt. „Besser wäre es, das teure, hochbeanspruchbare Material nur dort zu verwenden, wo es richtig heiß wird“, sagt Müller. Dies ließe sich mit additiven Fertigungsanlagen realisieren. Voraussetzung sei, dass diese gelernt haben, die benötigten Superlegierungen zu verarbeiten.

Das Fraunhofer-Leitprojekt „futureAM“ hat durch den Einsatz Künstlicher Intelligenz (KI) neue Methoden entwickelt, um mehr Werkstoffe als bisher in der additiven Fertigung nutzbar zu machen. Zudem sollen die Anlagen zehnmal schneller werden. Dazu müssten die gängigen industriellen 3D-Drucker verbessert werden, um auch sehr feste und extrem hitzebeständige Legierungen verarbeiten zu können.

Im Laser-Pulver-Auftragschweißen fördert eine Anlage verschiedene Zusatzpulver in eine Prozesszone. Dort schmilzt ein Laser die Pulver und schweißt sie auf eine Werkstückoberfläche auf. So entsteht Schicht für Schicht die gewünschte Form. Das funktioniere aber nur, wenn Temperatur, Pulversorten, Förderrate und andere Einstellungen genau stimmen, sagt Michael Müller. „Nur wenn wir die Stellschrauben genau justieren, können wir die richtige Rezeptur finden.“

Dabei helfen die gesammelten Sensordaten des „futureAM“-Projekts. Die großen Datenmengen („Big Data“) sind für Menschen jedoch nur schwer zu durchschauen. Hier kommen KI und Maschinelles Lernen ins Spiel: Spezielle Analyse-Algorithmen verknüpfen die ausgemessenen Sensorwerte mit der Pulverdatenbank des Instituts und werten weitere Prozessparameter aus. Mit der Zeit lernen die Maschinen, ob sich ein leichter Temperaturanstieg im Schweißprozess tolerieren lässt oder ob sie sofort gegensteuern müssen, bevor das ganze Bauteil zum Ausschuss wird.Bis zum Sommer 2020 wollen das IWS und fünf weitere Fraunhofer-Institute im Verbundprojekt „futureAM“ diese Expertise in die Prozesskette der additiven Fertigung integrieren und an handfesten Bauteilen demonstrieren.

 

23.05.2019

Metadaten zu diesem Beitrag

Mehr zum Themenfeld:

Schlagworte zu diesem Beitrag: