Maschinen-Lernalgorithmus für selbstkorrigierende Metall-3D-Drucker

Forscher des College of Engineering an der Carnegie Mellon University (CMU) in Pennsylvania kombinierten 3D-Druck mit einem Maschinen-Lernalgorithmus und entwickelten daraufhin eine Echtzeit-Prozessüberwachung, welche Anomalien während des 3D-Drucks von Metallen finden kann.

Dass der 3D-Druck von Metallen eine der schwierigsten Disziplinen in der Welt der additiven Fertigung darstellt, ist kein Geheimnis. Eben zu diesem Thema finden sich etliche Forschungen, um grundliegende Ursachen von Fehlern im 3D-Druck mit Metallen zu finden. Vor allem bei der Herstellung von Luftfahrtkomponenten sind Schwachstellen wie Spritzer oder Mikrorisse nicht tolerierbar. Zwei Forscher des College of Engineering an der Carnegie Mellon University (CMU) fanden nun jedoch einen Weg, um solche Fehler schon während des 3D-Druck erkennen zu können.

Durch die Kombination aus 3D-Druck mit einem eigens entwickelten Maschinen-Lernalgorithmus konnte das Forscher-Paar, bestehend aus Luke Scime, Absolvent des CME-Departments für Maschinenbau (MechE), und Jack Beuth, dem Leiter des NextManufacturing Centers, eine Echtzeit-Prozessüberwachung entwickeln, welche Anomalien schon während des 3D-Drucks erkennt und meldet. Dies könnte eine bahnbrechende Innovation im Metall-3D-Druck darstellen und künftig zu selbstkorrigierenden Metall-3D-Druckern führen. Entwickelt wurde dieser Algorithmus während der Verwendung einer Laser-Pulverbett-Fusionstechnologie.

Zwar bietet der Markt schon einige Überwachungssysteme, jedoch verfügen diese meist nicht über die Fähigkeit der automatischen Analyse.

“Eine der größten Hürden zwischen der Herstellung eines Teils, das gut aussieht, und dem tatsächlichen Einsetzen in ein Flugzeug besteht darin sicherzustellen, dass das Teil, das du produzierst, keine Fehler aufweist,” kommentiert Scime.

Unter dem Begriff Computer Vision ist Scimes’ Algorithmus in der Lage, Bilder des Pulverbetts zu analysieren und bestimmte Merkmale zu extrahieren. Diese Merkmale werden im nächsten Schritt gruppiert und über diverse Analyseebenen verglichen. So entsteht im letzten Schritt ein Fingerabdruck des Bildes. Der Maschinen-Lernalgorithmus wurde vorab mit einer Art vormarkierter Bilderdatenbank ausgestattet und kann die nun extrahierten Bilder mit den vorhandenen abgleichen, um Anomalien zu isolieren und festzustellen.

Diese Forschung wurde bereits in der Zeitschrift Additive Manufacturing unter dem Titel “Anomalieerkennung und -klassifizierung in einem Laserpulverbett-Additivherstellungsverfahren unter Verwendung eines ausgebildeten Computer-Vision-Algorithmus” publiziert.

In dem Artikel heißt es:

“Diese Arbeit stellt einen Ansatz zur in-situ-Überwachung und Analyse von Pulverbettbildern vor, der das Potenzial hat, Bestandteil eines Echtzeit-Kontrollsystems in einer LPBF-Maschine zu werden. Insbesondere wird ein Computer-Vision-Algorithmus verwendet, um Anomalien, die während der Pulverausbreitungsstufe des Prozesses auftreten, automatisch zu erfassen und zu klassifizieren. Erkennung und Klassifizierung von Anomalien werden unter Verwendung eines unbeaufsichtigten maschinellen Lernalgorithmus implementiert, der auf einer mittelgroßen Trainingsdatenbank von Bildflecken arbeitet. Die Leistung des endgültigen Algorithmus wird evaluiert und seine Nützlichkeit als eigenständiges Softwarepaket wird anhand mehrerer Fallstudien demonstriert.”

Die Ergebnisse dieser Forschung sind ein großer Schritt in Richtung Revolutionierung von Metall-3D-Druck. Der Einsatz von Computer Vision könnte Metall-3D-Druck zu einer zuverlässigen sowie sicheren Methode für die industrielle Fertigung zu machen.

“Der heilige Gral ist es, dies in einer Echtzeitumgebung zu implementieren, in der Sie automatisch Daten analysieren, etwas dagegen tun und dann weitermachen. Worauf es wirklich ankommt, ist: können wir es erkennen, verstehen, dass es ein Problem ist, und dann entwerfen, was wir Verarbeitungsparameter nennen, um etwas anderes zu tun, als wir tun, um die Menge an Verzug zu reduzieren?,” erzählt Scime.

Nach Aussage von Scime könnte diese selbstkorrigierende Automatisierung in vielen Bereichen eingesetzt werden. Das Hauptziel besteht darin, einen 3D-Drucker zu entwickeln, welcher Warnungen an den Benutzer sendet, sobald Anomalien auftreten. So kann schnell reagiert und Fehler behoben werden. In weiterer Folge soll der 3D-Drucker durch den Maschinen-Lernalgorithmus selbstständig einfache Korrekturen vornehmen können.