Entwicklung einer künstlichen Intelligenz für die in-situ Qualitätskontrolle in der additiven Fertigung durch multimodale Prozessüberwachung (SenseAI)

Problemstellung
Durch ihre große Formenvielfalt und Auswahl an unterschiedlichen Materialen bieten 3D-Druck-Verfahren ein enormes Potenzial für verschiedenste Fertigungsaufgaben. Eine zentrale Herausforderung für die Etablierung von pulverbettbasierten additiven Verfahren in der industriellen Anwendung stellt die prozessbegleitende Qualitätskontrolle dar. Sie ermöglicht es, innerhalb des Produktionsprozesses Rückschlüsse auf die gefertigte Bauteilintegrität und -qualität zu ziehen. Bislang erfordern die Schwankungen der Bauteilqualität und der damit verbundene hohe Anteil an Ausschuss eine kostenintensive nachgelagerte Prüfung mittels Computertomographie (CT), welche die Wettbewerbsfähigkeit von Metall-3D-Druck-Verfahren entscheidend hemmen.

Zielsetzung
Ziel des Projektes SenseAI ist die Weiterentwicklung und Fusion mehrerer sich ergänzender Sensortechnologien zu einer Multisensorik, die zur Überwachung des 3D-Druck-Prozesses in eine Fertigungsanlage integriert wird. Mit dieser Demonstratoranlage lassen sich die vielseitigen qualitätsrelevanten Prozessmerkmale des additiven Herstellungsprozesses simultan erfassen und überwachen. Zur Sicherung, Verarbeitung und Interpretation der Sensordaten wird ein KI-basiertes Datenbank- und Analysetool entwickelt, welches eine automatisierte und ortsaufgelöste Vorhersage von Bauteildefekten ermöglicht. Dadurch kann eine zuverlässige Aussage über die Bauteilqualität ohne Einsatz von teuren, nachgelagerten CT-Untersuchungen getroffen werden.

Vorgehensweise
Im ersten Schritt wird eine integrierte Multisensorik entwickelt, welche die Erfassung der thermischen Prozesssignatur, die 3D-topographische Überwachung der Bauebene sowie die Aufnahme der Maschinendaten ermöglicht. Die erzeugten Messdaten werden in einer Datenbank gespeichert und durch eine räumliche Zuordnung der Daten zu einem 3D-Prozessabbild fusioniert. Auf dieser Grundlage wird eine künstliche Intelligenz zur automatischen Identifikation von Defekten entwickelt und trainiert. Für eine Fehler-Erkennung bilden CT-Prüfdaten gedruckter Probekörper die Grundlage und erlauben dadurch die Zuordnung der Sensordaten zu realen Defekten. Zur Validierung der Entwicklungen werden auf der Demonstratoranlage Bauteile aus repräsentativen Anwendungsfällen additiv gefertigt und untersucht. Die dabei erfassten Daten werden mit dem Analysetool ausgewertet und eine Defektvorhersage vorgenommen. Zusätzlich durchgeführte CT-Untersuchungen des Bauteiles erlauben die Ermittlung tatsächlich vorhandener Bauteildefekte und einen Abgleich mit den auf den Sensordaten basierenden Defektprognosen. Dadurch wird die Zuverlässigkeit der entwickelten Technologie sichergestellt.

Ergebnisse und Anwendungspotenzial
Durch die Ergebnisse von SenseAI wird erreicht, dass die pulverbettbasierte additive Fertigung im industriellen Einsatz durch die gesteigerte und effiziente Qualitätskontrolle wettbewerbsfähig wird. Betreiber von additiven Fertigungsanlagen können durch den Einsatz der Projektergebnisse Produkte, wie sicherheitskritische Bauteile in Branchen, in denen diese Verfahren bereits etabliert sind (u. a. der Medizintechnik, der Luft- und Raumfahrt sowie der Automobilbranche), zu wettbewerbsfähigen Konditionen produzieren und dadurch neue Märkte erschließen.

• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein
• Q2web GmbH
• Raytrix GmbH
• ThetaScan GmbH