Verbesserte Prozesssimulation durch maschinelles Lernen beim Laser-Pulverbett-Fusionieren (LPBF)
Auf einen Blick
- Projektleiter/in : Dr. Thomas Mayer
- Stellv. Projektleiter/in : Prof. Dr. Robert Eberlein
- Projektteam : Bianca Egli, Matthias Huber, Ibrahim Kuon, Maurus Sonderegger
- Projektvolumen : CHF 690'307
- Projektstatus : abgeschlossen
- Drittmittelgeber : Innosuisse (Innovationsprojekt / Projekt Nr. 50397.1 IP-ENG)
- Projektpartner : ABB Schweiz AG, Sauber Engineering AG
- Kontaktperson : Thomas Mayer
Beschreibung
Das Projekt zielt darauf ab, spezielle Kalibrierungsverfahren und -teile zu entwickeln und zu implementieren, die auf kritische Anwendungen von ABB und Sauber zugeschnitten sind, um die Genauigkeit der Verformungsvorhersagen für bestimmte Komponenten zu verbessern. Anschließend wird maschinelles Lernen eingesetzt, um die Simulationen auch außerhalb des kalibrierten Bereichs zu verbessern. Diese Genauigkeit und Flexibilität sind entscheidend für die erfolgreiche Kompensation beliebiger Geometrien in der Industrie.Die prozesssimulationsgestützte Verzugskompensation wird eingesetzt, um die Produktivität und Rentabilität des Laser Powder Bed Fusion (LPBF) zu verbessern und die Durchlaufzeiten zu reduzieren. Es werden spezielle Kalibrierungsverfahren entwickelt und durch Methoden des maschinellen Lernens erweitert, um eine allgemeine Anwendbarkeit zu gewährleisten.