• Projektstart: 01.07.2019
• Projektende: 30.09.2022
• Laufzeit: 3,25 Jahre
• Projektträger: 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 geschätzt (BCG 2017). Daraus lässt sich ableiten, dass traditionelle Fertigungsverfahren in gewissen Bereichen durch additive Fertigungsverfahren ergänzt oder auch gänzlich ersetzt werden. Das Laserstrahlschmelzen stellt aktuell das mit Abstand relevanteste additive Fertigungsverfahren für die industrielle Produktion vom Metallbauteilen dar (Wohlers 2018). Es bietet die Möglichkeit 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 Einflussgrößen (z. B. Anlagenzustand, Pulverzustand, Datenvorbereitung) auf die Bauteilqualität, kann es zu Prozessabweichungen und daraus folgenden Fehlern kommen (Rehme 2010). Daher werden die Bauteile häufig nachgelagert aufwändig geprüft. Zielsetzung des Projektvorhabens ProSi-3D ist es daher die Prozesssicherheit beim Laserstahlschmelzen signifikant zu steigern. Als Lösungsansatz werden zwei Herangehensweisen auf verschiedenen Detailebenen verfolgt, die auch als T-Modell verstanden werden können.

Erstens ermöglicht es der schichtweise Aufbauprozess jeden Punkt im Bauteil bei der Verfestigung und danach zu beobachten. Daher bieten sich Prozessüberwachungsmethoden grundsätzlich 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 können. Somit kann die Eignung der Sensoren für unterschiedliche Fehlerbilder sowie sich ergänzende Kombinationen von Sensoren abgeleitet werden. Für die Auswertung der komplexen Datenmengen wird weiterführend ein digitales Überwachungsdaten-Auswertungs-Tool entwickelt, in dem die Überwachungsdaten strukturiert gesammelt und mit unterschiedlichen Auswertemethoden analysiert werden. Hierbei werden neben statistischen Kennzahlen auch verschiedene Ansätze des maschinellen Lernens genutzt. Das Tool ermöglicht 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 Maßnahmen zur Qualitätssicherung (QS) entlang der Prozesskette typische Fehlerbilder vermeiden können. Vor allem bei den Einflussgrößen vor dem Laserstrahlschmelz-Prozess (z. B. Anlagenzustand, Pulverzustand, Fehler bei der Datenvorbereitung) bietet sich die Möglichkeit, durch geeignete Maßnahmen Fehler a priori zu vermeiden. Basierend auf einer systematischen Ursache-Wirkungs-Analyse von Prozessabweichungen (Ursachen) und Bauteilfehlern (Wirkungen) werden geeignete Qualitätssicherungsmaßnahmen abgeleitet und im Laufe des Projektes experimentell evaluiert. Daraus wird ein Gesamtkonzept zur Qualitätssicherung in der LBM-Prozesskette entwickelt, welches qualitätsrelevante Einflüsse entlang der Prozesskette berücksichtigt und auf die Reproduzierbarkeit über größere Stückzahlen abzielt. Durch die beiden Ansätze können erhebliche Kosten- und Zeitvorteile erzielt werden. Denn durch eine Früherkennung von Prozessabweichungen oder Bauteilfehlern können Maßnahmen zur Reaktion auf diese Abweichungen vorgenommen werden. So lassen sich Aufwände durch nachgelagerte Bauteilprüfung deutlich reduzieren und auch Ausschussraten können 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 befähigen die Technologie zur breiteren Anwendung.

Der Lehrstuhl für Produktionsinformatik beschäftigt sich in diesem Forschungsvorhaben zum einen mit der Qualifizierung der In-Prozess-Überwachungssensorik. 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.