Tue Jun 18 2019

06 18

AM maakt kennis met superlegeringen

27/05/2019

Door Ad Spijkers

Onderzoekers aan het Fraunhofer-Institut für Werkstoff- und Strahltechnik (IWS) in Dresden hebben nieuwe methoden ontwikkeld, waardoor meer materialen dan toe nu toe bruikbaar zijn in de additive manufacturing.


     

Daartoe moeten de ingenieurs eerst de gangbare 3D printers verbeteren, zodat deze machines ook sterke en extreem thermisch bestande legeringen kunnen verwerken. De onderzoekers kunnen daarbij bogen op gedegen ervaringen met het laser-poeder-depositielassen en gebruiken ze kunstmatige intelligentie (KI). Het doel is, dat additive productiesystemen voor metalen onderdelen tien keer sneller worden en ook met superlegeringen kunnen werken.

Laser-poeder-depositielassen

Om meerdere materialen in de additieve productie te kunnen gebruiken, hebben de ingenieurs van het Fraunhofer IWS over tientallen jaren het laser-poeder-depositielassen verfijnd. In deze methode voert een installatie verschillende poeders in een proceszone in. Daar smelt een laser het poeder en last het op een werkstukoppervlakte op. Aldus ontstaat laag voor laag de gewenste vorm.

Een voordeel van additieve methoden is, dat gebruikers het proces aan de eisen van high performance materialen kunnen aanpassen. Zo lukt het bijvoorbeeld om legeringen op nikkelbasis te printen, die met traditionele methoden maar moeilijk zijn te lassen en te verwerken. Dat functioneert echter alleen wanneer temperatuur, poedersoorten, toevoerapparaten en andere instellingen precies kloppen.

In het kader van het Fraunhofer-project 'futureAM – Next Generation Additive Manufacturing' verzamelen de onderzoekers met hoge bemonstersnelheden talrijke sensordata. Dit genereert echter grote hoeveelheden data (big data) die voor mensen moeilijk te doorgronden zijn.

KI leert beslissen

Om toch verborgen verbanden in deze stroom aan signalen te vinden, maken de onderzoekers gebruik van geavanceerde methoden uit kunstmatige intelligentie en machine learning. Speciale analyse-algoritmen verbinden bijvoorbeeld de gemeten sensorwaarden met de poederdatabank van het instituut en evalueren andere procesparameters.

In de loop van de tijd leren de machines daardoor zelfstandig beslissingen te nemen. Zo herkennen ze bijvoorbeeld zelf of een lichte toename van de temperatuur in het lasproces is te tolereren of dat er direct moet worden tegengestuurd voordat het complete onderdeel wordt afgekeurd.

Een voorbeeld betreft vliegtuigmotoren. Ze zouden heter en efficiënter kunnen werken wanneer de meeste materialen het niet bij temperaturen rond 1200°C zouden begeven. Er bestaan weliswaar materialen die bestand zijn tegen dergelijke hoge temperaturen, maar ze zijn zeer duur en kunnen slechts moeilijk met traditionele methoden worden bewerkt. De additieve productie moet dit dilemma oplossen.

(Foto: Fraunhofer IWS Dresden)