ERANET KI-gestütztes, generatives 3D-Drucken (MANUNET-AIgent3D)

Problemstellung
Anspruchsvolle Bauteile, z. B. im Medizin-, Luftfahrt- oder Energiebereich, werden aus hochtemperaturbeständigem, thermoplastischem Kunststoff hergestellt, der den hohen Ansprüchen an die Bauteileigenschaften und -qualität genügt. Die Fertigung erfolgt über 3D-Druck und zwar über das Schmelzschichtverfahren (FDM = Fused Deposition Modeling). Bisher weist dieser Prozess jedoch noch eine geringe Produktivität auf, da Druckaufträge typischerweise lange dauern und das Scheitern eines Druckauftrags nicht automatisch erkannt wird. Die Ursache liegt zum einen an der beschränkten Möglichkeit, alle Daten der Sensoren und Kameras im Drucker kontinuierlich zu überwachen und zum anderen an der langen Anpassungszeit der Prozesse an kleine Materialänderungen. Mittels künstlicher Intelligenz (KI) können frühzeitig fehlerhafte Druckaufträge erkannt werden, wodurch die Gesamtanlageneffektivität gesteigert und die Produktionskosten gesenkt werden können.

Ziel
Das Ziel des deutsch-niederländischen ERA-Net-MANUNET Forschungsprojektes AI-gent3D ist die Entwicklung einer automatischen Datenverknüpfung und Datenaufbereitung von unterschiedlichen Datenquellen und -typen für den Kunststoff-3D-Druck. Im Anschluss erfolgt die Implementierung in drei KI-Anwendungen. Dadurch können die Prozessbedingungen und die Qualität der gedruckten Teile verbessert, die Produktivität der Drucker erhöht und der Lernzyklus beim Drucken neuer Materialien verkürzt werden. Zusätzlich besteht das Potenzial, prozessnahe Vorhersagen zur Produktqualität und Wartungsintervallen direkt an den Druckern vorzunehmen und schnell anzupassen.

Vorgehensweise
Der Lösungsweg gliedert sich in iterativ zu durchlaufende Arbeitsschritte. Zunächst erfolgt eine Analyse über allgemeine Szenarien für den Einsatz von KI in 3D-Druck-Prozessen und die Ableitung von Anforderungen. Auf dieser Grundlage wird die automatische Datenverknüpfung und Datenaufbereitung entwickelt, die als Input für die drei zu entwickelnden KI-Anwendungen dient. Zusammen mit von Domänenexperten gekennzeichneten Daten entsteht die Basis für die parallele Erarbeitung der Umsetzungen: KI-basierte Prozessparametereinstellung, Vorhersage der Produktqualität während der Verarbeitung und der vorausschauenden Wartung (Predictive Maintenance) sowie Vorhersage des Maschinenstatus. Diese werden anschließend implementiert und im Hinblick auf die zu Beginn definierten Anforderungen validiert und evaluiert. Um die Anwendbarkeit in weiteren 3D-Druck-Szenarien zu ermöglichen, erfolgt abschließend eine Generalisierung der Ergebnisse und deren Integration in einen zentralen Speicher mit Methoden und Bibliotheken, die in ähnlichen 3D-Druck-Problemstellungen eingesetzt werden können.

Ergebnisse und Anwendungspotenzial
Durch die Projektergebnisse wird eine Verbesserung der Prozesseinstellungen erzielt und somit eine höhere und gleichmäßigere Qualität der gedruckten Produkte erreicht. Dies ermöglicht zukünftig eine anspruchsvollere Produktpalette bei einer Steigerung der Ressourceneffizienz. Zusätzlich ermöglicht das Frühwarnsystem für Wartungen und die Erkennung eines Fehlers während des Druckens eine erhöhte Produktivität und geringere Kosten. Die Partner aus den Niederlande und Deutschland können die Ergebnisse direkt verwerten. Insgesamt kann ein zusätzlicher positiver Einfluss auf das aktuelle Wachstum des 3D-Druck-Marktes erwartet werden.

• dida Datenschmiede GmbH
• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein