Echtzeit-Defekterkennung in der additiven Fertigung

Im Subprojekt zur Ressourcenoptimierung in der additiven Fertigung wird in Zusammenarbeit mit der Technischen Hochschule Rosenheim eine Echtzeit-Defekterkennung mit Fehlerklassifikation mittels künstlicher neuronaler Netze umgesetzt.

Durch frühzeitige Erkennung lassen sich Prozessparameter rechtzeitig anpassen und fehlerhafte Bauteile vermeiden, deren Entsorgung oder Recycling den Energieverbrauch erhöht.

Bild links: Früherkennung eines winzigen Defekts im additiven Fertigungsprozess. Bild rechts: Sichtbarer Schaden im gleichen Druck, ausgelöst durch den kleinen Anfangsfehler. (Quelle: FH Kempten, CC BY, HKE).

Die Klassifikation ermöglicht eine gezielte Prozessoptimierung und unterstützt eine nachhaltige Fertigung. Da Defekte Festigkeit, Maßgenauigkeit, Oberflächenqualität und Funktion beeinträchtigen, werden Ursache-Wirkungs-Zusammenhänge analysiert, Defekttypen identifiziert und deren Einfluss reduziert. Es bestehen zudem Gespräche mit Industriepartnern zur praktischen Umsetzung.