Mit künstlicher Intelligenz das Bauteilversagen 3D-gedruckter Metallteile vorhersagen

Schnell und flexibel hergestellt: 3D-gedruckte Metallteile bieten der Industrie viele Vorteile. Aufgrund ihrer Porosität ist ihr Verhalten, sowohl unter statischen als auch dynamischen Belastungen, sehr schwierig vorherzusagen. Mit Hilfe künstlicher Intelligenz (KI) und dem kombinierten Know-how aus Materialwissenschaft und Computertomographie ist es einem Projektteam von maXerial, OST, inspire und RhySearch gelungen, das Bauteilversagen simulativ zu bestimmen.

 

3D-gedruckte Teile aus Metall sind werkzeuglos und flexibel in der Geometrie herzustellen. Deshalb finden sie immer mehr Verwendung, sowohl im Maschinenbau als auch in der Automobil-Branche oder in der Vakuumtechnik. Doch Poren, Risse und andere Materialfehler, die bei der Fertigung entstehen, können zum Versagen oder zum Ausfall der Komponenten – und damit unter Umständen des gesamten Systems – führen.

Normalerweise wird ein neues Bauteil in der Entwicklung mit aufwändigen Zugversuchen getestet – wobei für jeden Versuch ein neues, leicht verändertes Teil gefertigt, bzw. in diesem Fall gedruckt, werden muss. Das ist enorm aufwändig, verlängert die Entwicklungszeit und verbraucht viel Ressourcen. Die Röntgen-Computertomographie (CT) ermöglicht es zwar, äussere und innere Materialfehler zerstörungslos zu analysieren, doch ist es kaum möglich, die dabei anfallenden riesigen Datenmengen ohne Hochleistungscomputer auszuwerten und für eine Vorhersage des Bauteilverhaltens heranzuziehen.

 

Kombination aus Materialwissenschaft und Computertomographie

In einem vom Amt für Volkswirtschaft des Fürstentums Liechtenstein finanzierten Innovationsscheck bündelten maXerial, RhySearch, die Fachhochschule OST sowie inspire ihr Know-How aus additiver Fertigung, spanender Fertigung, Materialwissenschaft und Computertomografie zu einem Projektteam. «Die Idee war: Wenn man die Porosität genügend genau simulieren könnte, so könnte man bereits in der Konstruktionsphase berechnen, unter welchen Belastungen und an welcher Stelle das Bauteil bricht», erklärt Dr. Thomas Liebrich von RhySearch.

Das Projektteam setzte sich zwei Ziele:

• ein datengestütztes Materialmodell zu entwickeln, mit dem bei 3D-gedruckten Bauteilen das Versagen unter statischen Belastungen vorhergesagt werden kann;
• eine Cloud-basierte Datenbanklösung mit einem benutzerfreundlichen, browserbasierten Interface aufzubauen, die es der Industrie ermöglicht, CT-Scans auch ohne leistungsstarke Rechner und Spezialwissen auszuwerten.

 

Vorhersagen dank künstlicher Intelligenz

Für das Modell druckte das Kompetenzzentrum inspire zunächst Proben mit standardisierten Geometrien, aber unterschiedlichen Fertigungsparametern und somit unterschiedlicher Porosität. Deren Materialfehler und Inhomogenitäten wurden anschliessend bei maXerial in Vaduz mittels CT charakterisiert.

«Anschliessend kombinierten wir die im CT ermittelten Daten mit modernen Datenanalysemethoden, beispielsweise künstlicher Intelligenz (KI), und verschiedenen Versagensmodellen. Damit ist es uns gelungen, das Versagen bzw. den Versagensort der Proben vorherzusagen», erklärt Dr. Patrick Bleiziffer, CIO und Mitgründer von maXerial.

Um die Ergebnisse der Versuche zu verifizieren, wurden die Proben im quasi-statischen Zugversuch am Institut für Mikrotechnik und Photonik, Gruppe Materials Engineering, der Fachhochschule OST analysiert.

 

Kürzere Entwicklungszeit für 3D gedruckte Bauteile

Dank dieses gemeinschaftlichen Projektes von maXerial, inspire, Fachhochschule OST und RhySearch verkürzt sich die Zeit zwischen Konstruktionsphase und Inbetriebnahme enorm. Zudem werden so CT-Dienstleistungen für einen grösseren Kundenkreis, insbesondere KMU, zugänglich.