Motivation
Im Zuge von Industrie 4.0 mit „Losgröße 1“ spielen der 3D-Druck als form- und werkzeugloses Fertigungsverfahren eine wichtige Rolle bei der Reduzierung der Gesamtkosten eines Bauteils. Um den 3D-Druck von großen Strukturen zu realisieren, werden Industrieroboter und DED-Verfahren (Directed Energy Deposition, z.B. Laser- oder Elektronenstrahl, um das Material zu schmelzen) eingesetzt. Noch heute sind diese roboterbasierten 3D-Druckprozesse allerdings komplex zu modellieren. Es besteht noch keine vollautomatisierte Lösung, die zuverlässig die Prozessplanung übernimmt und damit das Potenzial der Automatisierung in der Fertigung ausschöpft. Darüber hinaus erschwert das Fehlen eines ganzheitlichen Online-Prozessüberwachungs- und Steuerungssystems eine breitere Industrialisierung und Qualifizierung der DED-Prozesse.
Ziele und Vorgehen
Das Ziel dieses Forschungsprojekts ist, die genannte Problemstellung mittels Künstlicher Intelligenz (KI) zu lösen. Hierfür wird ein vollautomatisiertes Roboter-Datenvorbereitungssystem entwickelt, welches die Vorteile des Maschinellen Lernens (ML) nutzt. Darüber hinaus wird ein sensorgestütztes Online-Überwachungs- und Steuerungssystem entwickelt, welches ebenfalls auf einem ML-Algorithmus beruht. Die Ergebnisse werden in einer 3D-Druck-Suite zusammengefasst und an einem Funktionsprototyp demonstriert.
Innovationen und Perspektiven
Um die Qualität Schicht für Schicht sicherzustellen und Ausschuss während des roboterbasierten 3D-Druckens zu vermeiden, wird in diesem Projekt eine Online-Überwachung und -Steuerung durch zwei unabhängige KI-Einheiten entwickelt. Die erste KI-Einheit ermöglicht die automatische Erstellung von Roboterbahnen auf der Grundlage verschiedener Bahnvarianten, um den optimalen Roboterpfad zu ermitteln. Die auf Bildverarbeitung basierende zweite KI-Einheit steuert das 3D-Drucksystem dann während des Prozesses mit korrigierten Bahn- und Prozessparametern für jede Schicht. Dies wird auf einem 6-Achs-Industrieroboter basierenden Laser-Pulver-Auftragsschweißprozess demonstriert, wodurch der Prozess und das System für eine automatisierte Entscheidungsfindung nachvollziehbarer und erklärbarer gestaltet werden.