Eine neu entwickelte Methode wird hohe Qualitätsstandards in additiven Fertigungsprozessen sicherstellen

Additive Fertigungsprozesse verbessern sich weiterhin dank innovativer Anstrengungen und wachsender Akzeptanz. Diese Woche markiert einen wichtigen Meilenstein für die Branche, da eine Gruppe von Forschern der University of Illinois Urbana-Champaign ein Papier im Journal of Intelligent Manufacturing veröffentlicht hat, das eine neue Methode zum Training von Deep-Machine-Learning-Modellen zur effektiveren Erkennung von Defekten demonstriert. Hier ist, was Sie wissen müssen.

Additive Fertigung ist die Zukunft

Der 3D‑Druck‑Markt wird laut einer von BCG veröffentlichten Studie weiter wachsen. Der Bericht prognostiziert, dass der Markt für additive Fertigung bis 2030 +95 Mrd. $ erreichen wird. Dieses Wachstum wird durch niedrigere Kosten, höhere Verfügbarkeit, verringerte technische Barrieren und die Integration von KI angetrieben.

Bemerkenswerterweise können die heutigen 3D‑Druck‑Prozesse und -Geräte komplexere Bauteile herstellen als ihre Vorgänger. Diese Geräte ermöglichen es Ingenieuren, bislang nie gesehene Innovationen zu entwickeln. Natürlich wird es mit zunehmender Komplexität der Drucke schwieriger, Defekte zu erkennen, insbesondere bei Drucken mit internen Mechanismen.

Reduzierte Ausfälle in additiven Fertigungsprozessen

Es ist das eine, wenn ein 3D‑Druck bei einem Konsumgüterartikel fehlschlägt. Das kann dem Unternehmen und dem Verbraucher Geld und Zeit kosten. Es ist ein ganz anderes Szenario, wenn ein 3D‑gedrucktes Teil ein entscheidendes Bauteil in Luft‑ oder Medizinanwendungen ist. Hier sind die Einsätze viel höher und die Qualitätskontrolle muss außergewöhnlich sein.

Wesentlich für Qualität

Beim Druck komplexer dreidimensionaler Formen mit bestimmten internen Merkmalen kann es unmöglich sein, eine ordnungsgemäße Qualitätsprüfung durchzuführen, ohne massive Verzögerungen zu verursachen und Röntgen‑Computertomographie‑Scans (CT) zu verwenden. In der Vergangenheit hat dieses Problem dazu geführt, dass 3D‑gedruckte Komponenten in bestimmten Anwendungen eingeschränkt waren.

Quelle – University of Illinois Urbana-Champaign

Diese Scans sind kostenintensiv und zeitaufwendig. Daher besteht ein großer Bedarf an einer zuverlässigeren und effektiveren Strategie, um festzustellen, wann ein 3D‑Druck Defekte aufweist. Die Forscher stellten fest, dass sie die enorme Menge an CT‑Scans aus Datenbanken nutzen könnten, um eine Bibliothek potenzieller Fehlermuster zu erstellen.

Eine neue Studie zeigt eine bessere Option

In ihrem Papier “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography” erklären die Forscher, wie sie einen hochwirksamen KI‑Algorithmus programmierten, der Defekte in Drucken exakt erkennen kann, ohne Röntgenstrahlen einsetzen zu müssen. Ihre Studie zeigte beeindruckende Ergebnisse und gibt Hoffnung, dass additive Fertigung in Zukunft zum Industriestandard werden könnte.

Drucken der Testteile

Das Team musste komplexe Drucke erstellen, die Druck und Hitze standhalten. Daher entschieden sie, dass eine Düse mit 3D‑Innenstrukturen das beste Testobjekt wäre. Interessanterweise sind 3D‑gedruckte Düsen sehr beliebt, weil sie spezifische Designmerkmale besitzen, die den Fluss steuern und den Druck unter bestimmten Bedingungen anpassen können.

Konkret stellte das Team für die Studie 227 resin‑basierte AM‑Düsen her. Auf den ersten Blick sahen all diese Einheiten makellos aus. Einige der Düsen enthielten jedoch eigens konstruierte Defekte, die später verwendet wurden, um zu prüfen, ob der Algorithmus korrekt funktioniert. Diese Defekte wurden tief im Inneren der Düse platziert, um sicherzustellen, dass die Studie für die KI eine echte Herausforderung darstellt.

Deep Machine Learning

Die Forscher nutzten einen KI‑Ansatz namens Deep Machine Learning. Diese Lernform verwendet Computersimulationen, um Millionen von Szenarien zu reproduzieren. Jedes Szenario erzeugt einzigartige Daten, die der KI helfen, die Situation in Zukunft zu erkennen und darauf zu reagieren.

In dieser Studie begannen die Ingenieure damit, dem KI‑Algorithmus die prominenten Online‑Defekt‑CT‑Scandaten zuzuführen. Anschließend scannten sie eine Reihe von Drucken und erzeugten 100.334 Querschnitts‑Bildschnitte. Diese Bildsammlung bildete die erste Kontrollgruppe. Bemerkenswerterweise stellte die Gruppe eine Defektrate von 13,6 % in den Drucken sicher.

Vision Transformer (ViT) Modell

Der nächste Schritt war der Beginn der Simulationen. Die Ingenieure ließen den Algorithmus 50 K synthetische Defektsimulationen basierend auf den eingegebenen Daten ausführen. Die Fehler umfassten eine vielfältige Auswahl an Formen, Größen, Positionen und Tiefen. Diese Daten wurden anschließend auf defektfreie Teile überlagert, um eine Vergleichsbasis zu schaffen.

Fähige Lösung

Der KI‑Algorithmus scannte anschließend die 227 3D‑Teile auf Defekte. Bemerkenswerterweise waren keine der Defekte in den Teilen identisch mit denen im Bild, das zur Programmierung des Algorithmus verwendet wurde. Daher musste die KI Entscheidungen ausschließlich auf Basis ihrer eigenen Befunde und Daten treffen. Sie erledigte diese Aufgabe effizient und markierte damit einen bedeutenden Fortschritt im Sektor.

Ergebnisse

Die Ergebnisse dieser Studie haben viele in der Branche begeistert. Der KI‑Algorithmus bestimmte mit 90 % Genauigkeit, welche Teile Defekte aufwiesen und welche korrekt gedruckt wurden. Beeindruckend ist, dass die KI sogar Defekte fand, die andere derzeit in der Industrie eingesetzte KI‑Modelle übersehen hatten.

Vorteile, die Deep‑Learning‑KI den additiven Fertigungsprozessen bringt

Es gibt zahlreiche Gründe, warum diese Forschung den Sektor revolutionieren kann. Deep‑Learning‑Protokolle haben bereits in anderen Bereichen Effizienz und Innovation vorangetrieben. Jetzt kann diese fortschrittliche Technologie genutzt werden, um die Datenmodellierung zu beschleunigen, die Sicherheit zu erhöhen und gleichzeitig fortschrittlichere Deep‑Learning‑Modelle zu schaffen, die mit den heute verwendeten komplexen Druckprozessen Schritt halten.

Genauigkeit

Einer der größten Vorteile dieser Forschung ist die Genauigkeitsrate von 90 %. Für Hersteller bedeutet es ein großes Upgrade, wenn eine KI 90 % der Defekte in der Produktionslinie erkennt. Dieser Algorithmus wird die Notwendigkeit von CT‑Scans nur für die kritischsten Komponenten eliminieren. Dadurch wird Innovation gefördert, da komplexere Designs erstellt und über Simulationen getestet werden können.

Niedrigere Kosten

Dieses Deep‑Learning‑KI‑Modell wird die Kosten und den Zeitaufwand senken, die nötig sind, um fortgeschrittene KI‑Modelle zur Erkennung von 3D‑Druck‑Fehlern zu trainieren. Diese Modelle werden sich kontinuierlich verbessern, je mehr Daten verfügbar werden. Daher ist eine Erfolgsrate von 90 % ein guter Ausgangspunkt für die Forscher. Zukünftige Innovationen könnten diese Rate auf bis zu 99 % steigern und die Kosten für Hersteller branchenweit senken.

Vollautomatisierte Systeme

Deep‑Learning‑Modelle kombiniert mit additiven Fertigungsprozessen ermöglichen die vollständige Automatisierung des Herstellungsprozesses. Bereits heute gibt es industrielle Metall‑3D‑Drucker, die Produkte für fortgeschrittene Anwendungen herstellen. Diese Geräte waren bislang nicht gut darin, ihre eigenen Produkte zu prüfen, was normalerweise menschliches Eingreifen erforderte.

Der von diesem Team entwickelte KI‑Algorithmus könnte dieses Problem lösen, indem er diesen Systemen ermöglicht, intern zu produzieren und gleichzeitig die Qualitätskontrolle durchzuführen. Er könnte zudem mit einem Recycling‑Prozess gekoppelt werden. Stellen Sie sich vor, die KI recycelt defekte Teile automatisch, sobald sie erkannt werden. Solche intelligenten Fertigungssysteme werden eines Tages an der Spitze der vierten industriellen Revolution stehen.

Zukunft der additiven Fertigung

Die Zukunft der additiven Fertigung sieht vielversprechend aus. Diese Geräte finden Anwendung in zahlreichen Branchen, darunter Luft‑ und Raumfahrt, Biotechnologie und Medizin. Hier sind einige der Hauptgründe, warum industrieller 3D‑Druck in den letzten drei Jahren so populär geworden ist.

Niedrigere Kosten‑Einheiten

Einer der Hauptgründe, warum diese Geräte immer häufiger eingesetzt werden, ist, dass sie jetzt günstiger in Anschaffung und Betrieb sind. Hersteller stehen stärker im Wettbewerb, was zu mehr Innovation und niedrigeren Preisen führt. Dadurch können Unternehmen additive Fertigung kostengünstiger in ihre Modelle integrieren, die Effizienz steigern und Abfall reduzieren.

Innovative Materialien

Eine weitere bedeutende Innovation ist die Entwicklung neuer Druckmaterialien. Verbundstoffe und Metalle können nun verwendet werden, um langlebigere Bauteile zu erzeugen. Einige additive Fertigungseinheiten können komplexe Designs drucken, die mehrere Materialien kombinieren. Diese Materialien sind leichter und stärker als je zuvor und werden daher in immer mehr Branchen Anwendung finden.

KI‑Upgrades für additive Fertigungsprozesse

KI ist einer der wichtigsten Treiber dafür, dass additiver Druck zu einer täglichen Aufgabe werden könnte. KI‑Modelle wurden für nahezu jeden Schritt des Prozesses entwickelt. Zusätzlich könnten KI‑Chatbots das Erklären Ihrer 3D‑Druck‑Konzepte so einfach machen wie das Versenden einer SMS. Sie werden bereits eingesetzt, um den Erstellungsprozess zu optimieren und Abfall zu reduzieren.

Diese neueste Forschung integriert KI in das Backend der Qualitätskontrolle. Diese Integration war die letzte Komponente, die nötig war, um ein vollständig autarkes 3D‑Druck‑Ökosystem zu schaffen. In Zukunft werden diese Geräte ihre Produkte erstellen, drucken und testen, ohne menschliches Eingreifen.

Bioprinter

Eine der größten Innovationen im 3D‑Druck ist die Entwicklung von Bio‑3D‑Druckern. Diese Geräte können Biomaterialien wie Zellen und Muskelgewebe drucken. Diese Einheiten werden bereits eingesetzt, um winzige weiche Roboter zu erzeugen, die sich zu Clustern zusammenfinden und schwierige Aufgaben wie Wasseraufbereitung übernehmen können.

3D‑Drucker im Weltraum

Eine weitere coole Innovation, die den additiven Fertigungssektor erreicht hat, sind Drucker, die in Mikrogravitäts‑Umgebungen arbeiten können. Das Gerät wurde von der ESA (European Space Agency) entwickelt und letzte Woche erfolgreich getestet. Im Gegensatz zu seinen erdgebundenen Gegenstücken musste diese Einheit vollständig eingeschlossen sein, um Hitze oder Dämpfe am Entweichen zu hindern.

In Zukunft werden Weltraumreisende eine Möglichkeit benötigen, das zu drucken, was sie benötigen. Sie werden zu weit von der Erde entfernt sein, um auf Raketenlieferungen zu vertrauen, und es wird Szenarien geben, in denen maßgeschneiderte und nie zuvor genutzte Werkzeuge unverzichtbar werden. Deshalb fließt viel Investition aus dem Luft‑ und Raumfahrtsektor in den Markt.

Top Additive Manufacturing Firms

Es gibt viele additive Hersteller, die derzeit tätig sind. Diese Unternehmen prägen die Zukunft des 3D‑Drucks und tragen zu einer nachhaltigeren Existenz mit weniger Abfall bei. Hier sind einige Unternehmen, die von der vorgestellten Defekt‑Forschung profitieren könnten.

1. Stratasys

SSYS Preisdiagramm

Stratasys ist seit 2010 in der 3D‑Druck‑Branche tätig. Aufgrund seiner hochwertigen Lösungen hat der Hersteller erfolgreich in die Luft‑ und Raumfahrt, Medizin, Automobilindustrie und den Konsumgüterbereich expandiert. Derzeit verfügt das Unternehmen über eine beliebte Software‑Suite, die die Design‑Effizienz und den Einsatz verbessert.

Die Stratasys‑Aktie hat in ihren mehr als 14‑jährigen Handelsjahren einige Auf‑ und Abschwünge erlebt. Trotz zahlreicher Marktereignisse wie COVID‑19 hat Stratasys sich behauptet. Es bleibt eine beliebte Option für die 3D‑Fertigung und erweitert kontinuierlich seine Aktivitäten. Daher ist es eine kluge Ergänzung für jedes Portfolio.

2. Xometry

XMTR Preisdiagramm

Xometry ist ein neuer Akteur im 3D‑Druck‑Markt. Das Unternehmen, das einen Marktplatz für 3D‑Druck‑Prototypen, Fertigung und mehr anbietet, erweitert ständig sein Ökosystem. Heute kann Xometry auf über +5 k Lieferanten und +8 k Käufer verweisen.

Die einzigartige Kombination aus On‑Demand‑3D‑Druck und Marktplatz, die Kreativen und Entwicklern ROI‑Möglichkeiten bietet, lässt viele Analysten eine glänzende Zukunft vorhersagen. Derzeit hat die Aktie eine schwache Performance gezeigt, hat sich jedoch perfekt positioniert, um künftig den traditionellen Fertigungssektor zu integrieren, was potenziell Milliarden an Umsatz bedeuten könnte. Daher lohnt sich ein Blick auf XMTR.

Researchers

Die Studie “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography” wurde an der University of Illinois Urbana-Champaign durchgeführt. Sie wurde geleitet von Professor Miles Bimrose, Sameh Tawfick und William King aus dem Fachbereich Mechanical Science and Engineering an der Illinois. Zusätzlich beteiligten sich Chenhui Shao von der University of Michigan, Davis McGregor von der University of Maryland sowie Tianxiang Hu, Jiongxin Wang und Zuozhu Liu von der Zhejiang University.

Additive Manufacturing Processes Continue to Improve

Ständige Innovationen machen den Markt für additive Fertigung jeden Tag wettbewerbsfähiger. In Zukunft könnten 3D‑Drucker überall Anwendung finden. Die erfinderischen Köpfe hinter dem Vision Transformer (ViT)-Modell, diese Produkte werden sicherer denn je.

Erfahren Sie mehr über andere coole Entwicklungen in der additiven Fertigung.