AIQuAM3D – Embedded Artificial Intelligence for Quality Assurance in Additive Manufacturing and for Advanced 3D Material Characterization

Die Additive Fertigung gewinnt aufgrund der Flexibilität und Anpassungsfähigkeit, die sie für Produktdesign und Produktionsprozesse bietet, zunehmend an industrieller Aufmerksamkeit. Insbesondere bei sicherheitskritischen Anwendungen steht jedoch die mangelnde Prozessqualifizierung einer massiven industriellen Einführung der Additiven Fertigung noch im Wege. Kommerzielle Systeme arbeiten in der Regel ohne geschlossene Prozesskontrolle, was die zerstörungsfreie Prüfung zu einem fast obligatorischen Schritt für die Zulassung von additiv gefertigten Bauteilen macht. Bei metallischen Werkstoffen ist die Synchrotron-Mikro-Computertomographie (SR-µCT) aufgrund der hohen Energie der Röntgenstrahlung (d. h. höhere Eindringtiefe, kürzere Messzeiten) besonders geeignet. Allerdings sind Synchrotronanlagen und die damit verbundenen Möglichkeiten noch sehr weit von der industriellen Realität entfernt.

Das Projekt »AIQuAM3D« ist ein binationales Projekt der angewandten Forschung und Entwicklung zwischen Deutschland und Frankreich. Es verfolgt einen kooperativen und industrieorientierten Ansatz und zielt darauf ab, künstliche Intelligenz (KI) als Instrument zur Unterstützung der Industrialisierung der additiven Fertigungstechnologien zu etablieren sowie die Demokratisierung und breite Nutzung der SR-µCT durch die Industrie zu unterstützen. Das übergeordnete Ziel von AIQuAM3D ist es, KI-Modelle und -Werkzeuge für die Qualitätssicherung im Hinblick auf ihre direkte Anwendbarkeit im industriellen Umfeld weiterzuentwickeln.

Die von AIQuAM3D vorgeschlagenen Innovationen können in zwei verwandte Bereiche unterteilt werden: Qualitätssicherung in der Additiven Fertigung und fortschrittliche 3D-Materialcharakterisierung. Es wird ein Modell für die Erkennung von Bulk-Defekten (wie Porositäten, Fusionsmängel und Risse) während des additiven Fertigungsprozesses entwickelt, das auf In-situ-Überwachungsdaten von mehreren eingebetteten Sensoren basiert. Als Grundlage für das Training dieses Modells dienen SR-µCT-Daten, deren Erfassung und Verarbeitung durch selbst entwickelte KI-Tools unterstützt wird. Die Anwendung von KI-Methoden ist eine gängige technologische Strategie, die zur Lösung offener datenintensiver Fragen von industrieller Relevanz in den Bereichen von AIQuAM3D gewählt wurde.