Die Wissensdatenbank mit Begriffen rund um's Thema Kunststoff
In diesem kostenfreien Onlinenachschlagewerk finden Sie zahlreiche Begriffserklärungen zum Werkstoff Kunststoff. Diese sind gerade auch für Quereinsteiger eine kleine Starthilfe in die umfangreiche Welt der Kunststoffverarbeitung.
SKZ entwickelt IR-Technik zur Sicherung der 3D-Druckqualität
Das SKZ entwickelt in einem laufenden Forschungsprojekt eine zerstörungsfreie Inline-Prüftechnik für 3D-gedruckte Bauteile auf Basis der passiven Thermografie. Die zuverlässige Detektion von gezielt erzeugten Fehlermerkmalen ist bereits möglich.
Temperaturverlauf eines fehlerfreien und eines fehlerhaften Druckbereichs (links) und Falschfarbenbild einer Thermografie Aufnahme während der FFF (rechts) (Foto: SKZ)
Mittels Inline-Thermografie können Fehler im 3D-Druckprozess frühzeitig erkannt werden
Die steigende Nachfrage nach additiv gefertigten Bauteilen erfordert auch in der Produktion eine zunehmend besser werdende Qualitätskontrolle, um die Effizienz der teils aufwendigen Produktionsprozesse zu optimieren. Besonders bei großräumigen Drucken sind auftretende Fehler oftmals mit hohen Zeiteinbußen verbunden. Deshalb ist eine kontinuierliche und quantifizierende Prozesskontrolle perspektivisch unverzichtbar. Beim weitverbreiteten Verfahren der Fused Filament Fabrication (FFF) weist die Thermografie aufgrund der Kombination der Messung der Filamenttemperatur und der großflächigen Abbildung des Druckobjekts große Potenziale auf. Das SKZ entwickelt deshalb in der Forschungsgruppe "Zerstörungsfreie Prüfung" eine Inline-Messtechnik basierend auf passiver Thermografie, die eine dauerhafte Kontrolle der mittels FFF hergestellten Bauteile ermöglicht.
Den Fehler erkennen, solange er noch heiß ist
In den Versuchen konnte gezeigt werden, dass sich gezielt erzeugte Fehlermerkmale in den aufgenommenen Temperaturverläufen zuverlässig erkennen lassen. Klassische Fehlermerkmale wie Unterextrusion oder eine schlechte Schichthaftung lassen sich durch Abweichungen in den Abkühlkurven klar von den Referenzschichten unterscheiden. Die Aufnahme der Videosequenzen erfolgte mit Kameras, die von der Firma Optris GmbH freundlicherweise zur Verfügung gestellt wurden. Die generierten Messdaten können anhand klassischer Auswertealgorithmen in fehlerbehaftete und fehlerfreie Bereiche eingeteilt werden und bilden damit die Grundlage eines Datensatzes zum Training eines neuronalen Netzes. Dadurch wird eine Klassifizierung in i.o. und n.i.o. Objekte ermöglicht. Interessierte Unternehmen können sich kostenlos am Projekt beteiligen und Ihre Produkte am entwickelten Messsystem testen oder deren Eignung zum Einsatz im System validieren lassen.
Das Vorhaben 21677 N wird über die Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF) im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert und legt besonderen Wert auf die Bedürfnisse von KMU.
Ansprechpartner:
