3 Daten, die die Qualitätskontrolle in PBF revolutionieren
Beim Übergang vom Prototyping zur Massenproduktion erfordert der metallische 3D-Druck Qualitätskontrollsysteme, die über die einfache visuelle Überwachung oder die Black-Box-KI hinausgehen. Herkömmliche Techniken liefern keine kalibrierten und wiederholbaren Daten, die für zuverlässige Echtzeitentscheidungen erforderlich sind.
Die Einschränkung traditioneller Techniken
Die aktuellen Überwachungstechniken liefern nicht genügend Daten für zuverlässige Echtzeitentscheidungen.
Die meisten metallischen Pulverbett-Fusionssysteme (PBF) verwenden heute eine Kombination aus optischer Bildgebung, Infrarotkameras, Fotodioden oder KI-gestützter Anomalieerkennung. Diese Werkzeuge bieten Sichtbarkeit, sind aber grundsätzlich subjektiv und nicht kalibriert.
In der traditionellen Fertigung basieren Qualitätsentscheidungen niemals nur auf subjektiver Überwachung. Bearbeitete Komponenten werden mit Messschiebern, KMG und Messwerkzeugen überprüft, die nachvollziehbare und einheitenbasierte Daten liefern. Der 3D-Druck hingegen hat jahrelang versucht, die Qualität aus relativen Signalen abzuleiten, die von Maschine zu Maschine variieren.
- Nicht kalibrierte und subjektive Daten von Kameras und optischen Sensoren
- Unmöglichkeit, Ergebnisse zwischen verschiedenen Maschinen zu vergleichen
- Abhängigkeit von Black-Box-KI ohne Rückverfolgbarkeit
- Nachbearbeitungsinspektion, die über 50% des Teilewerts kosten kann
Wenn additive Fertigungsprogramme wachsen, wird diese Lücke zu einem Geschäftsrisiko. Die Nachbearbeitungsinspektion kann mehr als die Hälfte der Kosten eines qualifizierten Metallbauteils ausmachen und wird in einigen Fällen physisch unmöglich, wie bei großen Luftfahrtkomponenten.
Kalibrierte Messungen: das Herz des neuen Ansatzes
Techniken wie die Fringe Inspection ermöglichen objektive und wiederholbare Daten.
Phase3D hat einen anderen Ansatz entwickelt: Anstatt den Prozesszustand indirekt zu schätzen, misst es direkt das dreidimensionale Oberflächenprofil jeder Schicht während des Baus. Das Fringe Inspection System wendet strukturierte Lichtmetrologie auf die additive Fertigung an.
Für das Laser-Pulverbettschmelzen liefert dies quantitative Messungen der Pulverschichtgleichmäßigkeit, der Topologie der geschmolzenen Oberfläche und der tatsächlichen Schichtdicke. Da diese Messungen kalibriert und einheitenbasiert sind, können sie zwischen Maschinen, Materialien und Standorten verglichen werden.
| Ansatz | Datentyp | Vergleichbarkeit | Industrielle Nutzung |
|---|---|---|---|
| Optische Überwachung | Relativ, nicht kalibriert | Begrenzt | Indikativ |
| Anomalieerkennung mit künstlicher Intelligenz | Black-Box, subjektiv | Keine | Allgemeine Warnung |
| Franseninspektion | Kalibriert, einheitenbasiert | Vollständig | Prozessentscheidungen |
Ein konkretes Beispiel ist die Erkennung von Spritzern (Spatter). Anstatt Spritzer mittels künstlicher Intelligenz als “gut” oder “schlecht” zu klassifizieren, misst das System die tatsächliche Höhe der auf der Oberfläche abgelagerten Partikel. Dieser objektive Datenwert ermöglicht die Festlegung wiederholbarer und vergleichbarer Schwellenwerte.
Echtzeitdaten für sofortige Entscheidungen
Die Automatisierung der Qualitätskontrolle während des Prozesses reduziert Fehler und Nachbearbeitungskosten.
Wenn relevante Anomalien gemessen und kontrolliert werden, wird die Qualifizierung zu einem kontinuierlichen Prozess anstatt zu einem teuren Endhindernis. Kalibrierte Daten verwandeln die additive Fertigung von einem überwachten in einen gesteuerten Prozess.
Ein kürzlich patentiertes Verfahren (EP4717376A1) schlägt die Verwendung von Kalibrierelementen vor, die in den freien Räumen des CAD-Modells platziert werden. Diese Elemente replizieren die kritischen Merkmale des Teils und werden zuerst hergestellt, sodass Abweichungen erkannt und Parameter angepasst werden können, bevor die eigentlichen Merkmale gedruckt werden.
Wenn der Prozess gemessen wird, wird die Qualität vorhersagbar. Wenn die Qualität vorhersagbar ist, wird die additive Fertigung wirklich industriell und skalierbar.
Dieser Ansatz reduziert drastisch die Abhängigkeit von teuren Nachbearbeitungsinspektionen. Bei komplexen oder großen Bauteilen, bei denen eine vollständige Inspektion unmöglich sein kann, wird die Fähigkeit, die Qualität während des Baus zu überprüfen, essenziell.
Die vollständige Rückverfolgbarkeit erfordert auch digitale Infrastrukturen, die in der Lage sind, Prozessdaten, Pulvercharge, Maschinenparameter und Inspektionsergebnisse zu verknüpfen. Software wie amsight konzentriert sich genau darauf: Rohdaten in nutzbare Nachweise für Audits und Qualifizierung umzuwandeln.
Fazit
Die Zukunft der Qualitätskontrolle in der additiven Fertigung basiert auf messbaren und vergleichbaren Daten, nicht auf Intuition oder undurchsichtigen Modellen. Mit der Reifung der additiven Fertigungsstrategien wird der Wettbewerbsvorteil von denen definiert, die mit Vertrauen im industriellen Maßstab produzieren können.
Die objektive Inspektion verwandelt den 3D-Druck von einem überwachten in einen gesteuerten Prozess. Wenn Anomalien präzise gemessen werden, wird die Qualifizierung kontinuierlich und die Produktion zuverlässig.
Möchten Sie verstehen, wie Sie ein intelligentes Inspektionssystem in Ihre Metallproduktion integrieren können? Der Übergang zu kalibrierten und rückverfolgbaren Daten stellt den nächsten notwendigen Schritt dar, um die metallische additive Fertigung vom Prototyping zur zertifizierten Serienproduktion zu führen.
articolo scritto con l'ausilio di sistemi di intelligenza artificiale
Fragen & Antworten
Warum sind traditionelle Überwachungstechniken für die Massenproduktion in PBF unzureichend?
Traditionelle Techniken basieren auf optischer Bildgebung, Infrarotkameras und Fotodioden, die relative, nicht kalibrierte und subjektive Daten liefern. Diese Instrumente ermöglichen es nicht, Ergebnisse zwischen verschiedenen Maschinen zu vergleichen oder zuverlässige Echtzeitentscheidungen zu treffen. In der traditionellen Fertigung basieren Entscheidungen hingegen auf rückführbaren und einheitenbasierten Messinstrumenten.
Was ist Fringe Inspection und welche Vorteile bietet es gegenüber traditionellen optischen Systemen?
Fringe Inspection ist eine von Phase3D entwickelte Technik, die die Metrologie mit strukturiertem Licht anwendet, um das dreidimensionale Profil jeder Schicht während des Aufbaus direkt zu messen. Im Gegensatz zu traditionellen optischen Systemen liefert es kalibrierte und einheitenbasierte Daten, die objektive Vergleiche zwischen Maschinen, Materialien und Standorten ermöglichen.
Was ist das Problem der Black-Box-KI bei der Qualitätskontrolle des Metall-3D-Drucks?
Die Black-Box-KI klassifiziert Anomalien subjektiv, ohne rückführbare Daten zu liefern oder die Entscheidungsgrundlage zu erklären. Dies macht es unmöglich, wiederholbare und vergleichbare Schwellenwerte festzulegen, was die Zuverlässigkeit für zertifizierte industrielle Prozesse einschränkt.
Wie funktioniert das patentierte Verfahren EP4717376A1 für die prozessinterne Kalibrierung?
Das Patent sieht die Einbettung von Kalibrierelementen in die freien Bereiche des CAD-Modells vor, die die kritischen Merkmale des Bauteils nachbilden. Diese Elemente werden vor dem eigentlichen Bauteil gefertigt, was die Erkennung von Abweichungen und die Echtzeitregelung der Prozessparameter ermöglicht.
Warum stellt die Inspektion nach dem Prozess eine Grenze für die industrielle Additivfertigung dar?
Die Inspektion nach dem Prozess kann mehr als 50 % des Bauteilwerts kosten und wird für große oder komplexe Komponenten, wie beispielsweise im Luft- und Raumfahrtbereich, physisch unmöglich. Zudem ermöglicht sie kein Eingreifen während des Aufbaus, wodurch die Qualifizierung zu einem kostspieligen Hindernis am Ende wird.
Wie verwandeln kalibrierte Daten den 3D-Druck von einem überwachten zu einem gesteuerten Prozess?
Kalibrierte Daten liefern objektive und wiederholbare Messungen der Schichtuniformität, der Oberflächentopologie und der tatsächlichen Dicke. Dies ermöglicht die Festlegung präziser Schwellenwerte, den Vergleich von Ergebnissen zwischen verschiedenen Maschinen und das Treffen von Echtzeit-Prozessentscheidungen, wodurch die Qualität vorhersagbar und die Produktion skalierbar wird.
