Anzeige
Anzeige
Anzeige
Beitrag drucken

Prozessanalyse beim 3D-Druck

Besser von Bauteil zu Bauteil

Bauteile additiv zu fertigen macht Unternehmen flexibler und unabhängiger – sofern das gedruckte Bauteil den Qualitätsstandards entspricht. Durch den Einsatz von Streaming und Process Analytics lässt sich das Druckergebnis dem Optimum immer weiter annähern.

(Bild: AY_PHOTO/Depositphotos.com/BeyeMEDIA)

(Bild: AY_PHOTO/Depositphotos.com/BeyeMEDIA)

Additive Fertigung beschreibt alle Fertigungsverfahren mit speziellen Geräten, bei denen Material Schicht für Schicht aufgetragen und so dreidimensionale Gegenstände erzeugt werden. Diese oft auch 3D-Drucker genannten Maschinen kommen bereits in vielen Betrieben zum Einsatz, beispielsweise in der Automobilbranche oder bei Maschinenbauern. Dabei erzeugen die Drucker sehr hochwertige Produkte, was sich auch im Preis niederschlägt. Sensoren überwachen die Qualität jeder einzelnen Schicht der Fertigung und erzeugen so riesige Datenmengen.

Unterschiedliche Formate

Die in der additiven Fertigung generierten Daten liegen durch die Eigenschaften der unterschiedlichen Sensoren in verschiedenen Formaten und Auflösungen vor. Um die Daten sinnvoll nutzen zu können, müssen sie aufbereitet und zusammengeführt, also homogenisiert, werden. Und dort liegt das Problem: Eine große Datenmenge und verschiedene Datenarten, die konsistent und schnell verarbeitet werden sollen. Die Stärke von Big Data Analytics in Verbindung mit der Additiven Fertigung liegt darin, dass auf Basis der vielen detaillierten Daten jedes Produktionsteil einzeln optimiert werden kann. Man spricht dabei von Losgröße 1, da sich ohne Rüstkosten jede Fertigung anpassen lässt. Die historisierten Daten aus der Produktion spielen auch für die langfristige Automatisierung eine Rolle. Denn für jeden in einem 3D-Drucker produzierten Gegenstand gibt es einen digitalen Zwilling. Dieses Datenabbild des physischen Gegenstands wird als Qualitätszertifikat oder auch für die Analyse des fertigen Gesamtproduktes genutzt. Ein weiterer Vorteil dieser Digitalisierung: Das Knowhow kann standortunabhängig, schnell und weltweit geteilt werden. So ist eine Verlagerung der Produktion nur noch von der 3D-Druck-Kapazität abhängig. Wenn gewünscht, können im weiteren Schritt daraus Datenprodukte definiert und verkauft werden. Für den Einsatz von Big Data Analytics benötigt man allerdings auch entsprechendes Personal – beispielsweise Data Engineers beziehungsweise Data Scientist.

In Echtzeit analysieren

Die in der additiven Fertigung generierten Daten ermöglichen die Echtzeitanalyse von Prozessen und deren Qualitätsüberwachung. Fehler im Prozess werden durch analytische Methoden wie Machine Learning erkannt und direkt zur Prozessoptimierung genutzt. Der Einsatz von Process Analytics zur Optimierung von ‚Additive Manufacturing‘ hat meist das Ziel, mehr Flexibilität und Qualität zu erreichen. Mittels additiver Fertigung können einzelne, individuelle Teile produziert werden, was insbesondere im Entwicklungsprozess Vorteile bietet. Für jedes Bauteil gibt es detaillierte Qualitätsinformationen. Zudem kann es schnell individuell ausgestaltet und angepasst werden. Die im Prozess anfallenden Daten stehen für die automatisierte Optimierung des Fertigungsvorgangs bereit und es werden heute Bauteile gefertigt, die mit bisherigen Verfahren wie Guss oder Zerspanung nicht möglich waren. Ein Beispiel dafür ist der Einsatz von additiver Fertigung bei BMW. Der Autobauer optimierte das erste additiv gefertigte Bauteil in der Verdeckkonsole des Modells i8 Roadster. So gelang es, durch schrittweise Verbesserung des Bauteils weniger Material und 44% Gewichtsreduktion bei optimierter Festigkeit zu erzielen. Durch die Neartime bzw. Realtime-Überwachung der additiven Fertigung wird im Sinne der Streaming Analytics schon im Produktionsprozess analysiert und eingegriffen.

Analyse in der Cloud

Da die analytische Optimierung des 3D-Drucks entsprechende Rechenleistung und Speichermöglichkeiten erfordert, bieten sich Cloud-Architekturen als Lösung an. Die Sensordaten werden lokal harmonisiert und für die Weiterverarbeitung optimiert in die Cloud geladen. Dort analysieren verschiedene Modelle diese Daten und stellen die gewonnen Erkenntnisse visuell zur Verfügung. Besonders hilfreich sind die dabei erzeugten Optimierungsvorschläge für den laufenden oder die nächsten Fertigungsprozesse.

Das bestmögliche Bauteil

Richtig integrierte Process Analytics für die Additive Fertigung ermöglicht das fehlerfreie Prozessieren, Adjustieren und Persistieren der Sensordaten zur langfristigen Optimierung der Produktionsprozesse. Die konsistent aufbereiteten Sensordaten werden intuitiv visualisiert. So wird eine ‚Near time‘-Validierung der Produktionsergebnisse auf Grundlage von statistischen Analysen und die Visualisierung von schichtweisen Ungleichheiten auf Basis von Data-Science-Modelvorhersagen möglich. Zusätzlich können KI-Modelle wie Machine Learning in die Visualisierung der Produktionsqualität eingebunden werden. Unternehmen, die auf additive Fertigung setzen, sind unabhängiger von Lieferketten und können eigenständig, voll automatisiert das qualitativ bestmögliche Bauteil produzieren.


Das könnte Sie auch interessieren:

Früher war Scada oft nur zweckmäßiges Instrument zur Anlagen- und Prozessverwaltung. Doch im Zeitalter des Internet of Things und damit verbundenen neuen Geschäftsmodellen rückt auch die Bedeutung der Scada-Plattform an eine bedeutendere Stelle.‣ weiterlesen

Viele große Unternehmen investieren derzeit in Digitaltechnik, um Transparenz in ihre Lieferketten zu bringen - und so Kosten einzusparen. Mit Radio-Frequency-Identification(RFID)-Technik von Kathrein werden die Durchläufe bei einem Stuttgarter Automobilhersteller besser planbar und Wartezeiten kürzer.‣ weiterlesen

Mit der Übernahme des IoT-Spezialisten Bright Wolf, will der IT-Dienstleister Cognizant seine Expertise im Bereich Internet of Things erweitern.‣ weiterlesen

Vorherzusagen, wann ein Werkzeug kaputt geht, ist nicht leicht. Mittels der Messung von Schallemissionen ist dies zwar möglich, aber auch teuer. Kombiniert man jedoch gängige Verfahren mit neuen Technologien, ergeben sich immer bessere und schnellere Verfahren.‣ weiterlesen

Seit dem 25. Mai 2018 gilt die europäische Datenschutzgrundverordnung, meist nur DSGVO genannt. Der IT-Sicherheitsspezialist Rohde & Schwarz Cybersecurity berichtet, wie es um die Umsetzung in der hiesigen Industrie steht.‣ weiterlesen

In vielen Ländern Europas scheint sich der Arbeitsmarkt zu stabilisieren. Darauf deuten die Zahlen des Europäischen Arbeitsmarktbarometers hin, das nun erstmals veröffentlicht wurde.‣ weiterlesen

Eine IoT-Sicherheitsarchitektur sollte sowohl in IT- als auch in OT-Umgebungen für mehr Transparenz sorgen und Prozesse schützen. Dazu müssen die Daten aus dem IoT-Edge erfasst und extrahiert werden. Auf dieser Grundlage können Unternehmen effizienter agieren, bessere Geschäftsentscheidungen treffen und Digitalisierungsprojekte beschleunigen.‣ weiterlesen

GBTEC und Proalpha haben angekündigt, zukünftig in den Bereichen Process Mining und Business Intelligence zusammenzuarbeiten. Kunden sollen so einen Mehrwert bei der digitalen Transformation erhalten.‣ weiterlesen

Beim Anlagen- und Werkzeugbau setzt die Volkswagen AG auf Datendurchgängigkeit. Die Projektmanagement-Software Coman vernetzt die Projektbeteiligten dazu durchgängig und digital, bis hin zu den Zulieferern. Denn wenn Manager Giuseppe Lo Presti früh erkennt, dass es in einem Gewerk gerade nicht rund läuft, können gezielte Maßnahmen erfolgen.‣ weiterlesen

Mehr als eine Milliarde Schadprogramme verzeichnet das Bundesamt für Sicherheit in der Informationstechnik im aktuellen Lagebericht. Und auch die Corona-Pandemie wirkt sich auf die aktuelle Sicherheitslage aus.‣ weiterlesen

Eine Voraussetzung bei der Entwicklung von industriellen KI-Anwendungen sind ausreichende Daten. Diese sind jedoch nicht immer in der benötigten Menge, Qualität oder Struktur vorhanden. Anhand eines konkreten Beispiels erläutert dieser Beitrag, wie sich ein Data Lake anlegen und mit Daten füllen lässt, bis er ein Fundament für quasi beliebige KI-Applikationen bildet.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige