de.wedoany.com-Bericht: Das Oak Ridge National Laboratory (ORNL) in den USA hat kürzlich ein technisches Verfahren vorgestellt, das Fehler während des 3D-Drucks großer Kunststoffteile in Echtzeit erkennen und beheben kann. Dieses System überwacht kontinuierlich den Prozesszustand und passt die Parameter automatisch an, um die Ausschussrate zu senken, die Herstellungskosten zu reduzieren und so die wirtschaftliche Tragfähigkeit der additiven Fertigung in industriellen Anwendungen zu verbessern.
Rund um die Druckdüse sind Sensoren und Wärmebildkameras angebracht, die ununterbrochen Temperaturdaten des aufgetragenen Materials erfassen. Eine Steuerung nutzt Computer Vision – ein Teilbereich der Künstlichen Intelligenz, der es Maschinen ermöglicht, Bilder zu verstehen – um Abweichungen zwischen den gemessenen Werten und den idealen Produktionsbedingungen zu vergleichen. Sobald erkannt wird, dass die Temperatur einer Schicht vom optimalen Bereich abweicht, korrigiert das System automatisch die Druckgeschwindigkeit, um eine ausreichende Verschmelzung zwischen den Schichten und die Beibehaltung der Bauteilform zu gewährleisten. Laut dem Entwicklungsteam kann dieser Mechanismus Formfehler und Materialverschwendung wirksam reduzieren.
Die Validierung erfolgte an einem großen Industriedrucker, wobei ein sechseckiges Bauteil gedruckt wurde, das größer als ein Lkw-Reifen war. Während des Experiments wurde die Druckgeschwindigkeit absichtlich verringert, sodass die gemessene Materialtemperatur etwa 30 % unter dem Sollwert lag. Die Steuerung erkannte die Anomalie und passte die Prozessparameter selbstständig an, um die Fertigungsbedingungen wieder in den normalen Bereich zu bringen.
Projektleiter Kris Villez wies darauf hin, dass die Kerninnovation dieser Technologie darin besteht, dass das System den Prozess während des Betriebs beobachten und sofort reagieren kann – eine Vorgehensweise, die der eines menschlichen Bedieners vor Ort nahekommt. Ein weiteres herausragendes Merkmal ist die Flexibilität: Die Steuerung muss nicht für verschiedene Maschinentypen, Kunststoffsorten oder Bauteilgeometrien speziell trainiert werden, sondern kann an eine Vielzahl großer Drucker und Materialkombinationen angepasst werden. Das Team hat außerdem mithilfe von maschinellem Lernen einen digitalen Zwilling des Fertigungsprozesses erstellt, der virtuelle Tests neuer Materialien und Geometrien vor der eigentlichen Produktion ermöglicht.
Das Forschungsteam ist der Ansicht, dass durch die Automatisierung der Überwachung Fachkräfte ihre Energie auf höherwertige Tätigkeiten wie Designoptimierung und Prozessverbesserung konzentrieren können. Diese Technologie könnte die großflächige Anwendung des 3D-Drucks in Industriebereichen wie Kühlcontainern, Schiffsformen und Bauteilen vorantreiben.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
