Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK

Filters

1 1
Reset filters

Settings
Now showing 1 - 10 of 98
No Thumbnail Available
Publication

Verbesserung der Übertragbarkeit eines künstlichen neuronalen Netzes zur Qualitätsvorhersage beim Widerstandspunktschweißen von hochfesten Stählen

2023-09-11 , El-Sari, Bassel , Biegler, Max , Rethmeier, Michael

Eine typische Automobilkarosserie kann bis zu 5000 Widerstandspunktschweißverbindungen aufweisen, welche hohen Qualitätsanforderungen genügen müssen. Daher ist eine durchgehende Prozessüberwachung unerlässlich. Die Transformation zur E-Mobilität in der Automobilindustrie und die damit einhergehende Reichweitenproblematik treiben die Entwicklung und Einführung neuer hochfester Stähle an. Dies resultiert in einem gesteigerten Fertigungsaufwand hinsichtlich einer stabilen Prozess-führung in der Fügetechnik. Um diesen Anstieg an Komplexität zu bewältigen, sind die Methoden der künstlichen Intelligenz ein geeignetes Mittel. Mit Ihnen kann, durch Auswertung der Prozessparameter und -signale, die individuelle Schweißpunktqualität sichergesellt werden. Die Vorhersagegenauigkeit von neuen Daten, also das extrapolieren, stellt für die meisten Algorithmen eine große Herausforderung dar. In dieser Arbeit wird ein künstliches neuronales Netz zur Vorhersage des Punktdurchmessers von Widerstandspunktschweißungen anhand von Prozessparametern implementiert. Die Vorhersagegenauigkeit und Extrapolationsfähigkeit des Modells wird durch die Auswertung des dynamischen Widerstandssignals verbessert. Um die Extrapolationsfähigkeit zu untersuchen, wird die Vorhersagegenauigkeit des Modells mit Daten getestet, die sich in Bezug auf den Werkstoff und der Beschichtungszusammensetzung deutlich von den Trainingsdaten unterscheiden. Dazu wurden mehrere Schweißexperimente mit Werkstoffen verschiedener Hersteller durchgeführt und nur ein Teil der Daten in das Training einbezogen. Die Ergebnisse dieser Arbeit verdeutlichen den positiven Einfluss der Prozesssignale auf die Robustheit des Modells und die Skalierbarkeit der Algorithmen künstlicher neuronaler Netze auf Daten außerhalb des Trainingsraums.

View
No Thumbnail Available
Publication

Adaptive Reparatur-Prozesskette

2023-02-11 , Müller, Vinzenz , Mönchinger, Stephan , Colombo, Giovanna Fiocco , Biegler, Max , Rethmeier, Michael

Das additive Fertigungsverfahren Laser-Powder Directed Energy Depositon (LP-DED), kombiniert mit automatisierten Reverse-Engineering-Ansätzen, bietet die Möglichkeit, Bauteile effizient zu reparieren. Durch intelligente Algorithmen können im sogenannten Scangineering 3D-Scandaten von Bauteilen vorverarbeitet, ausgerichtet und parametrisiert werden. Die erkannten geometrischen Defekte werden zur Errechnung der Werkzeugwege für den additiven Aufbau verwendet und mittels des LP-DED-Prozesses aufgeschweißt und repariert. Dabei kommen vor allem die Vorteile der flexiblen Prozessführung, ein hoher Automatisierungsgrad und gute Reproduzierbarkeit zum Tragen.

View
No Thumbnail Available
Publication

Untersuchung zum Elektronenstrahlschweißen von additiv gefertigtem Inconel 939

2022-12 , Raute, Maximilian Julius , Biegler, Max , Rethmeier, Michael

Hochfeste Nickelbasislegierungen wie Inconel 939 spielen eine wesentliche Rolle im modernen Turbinenbau. Additive Fertigungstechnologien eröffnen hierbei neue Möglichkeiten für die Verarbeitung, jedoch fehlen verlässliche Fügeprozesse für die Absicherung der additiven Prozesskette im Bereich Neuteilfertigung und Instandsetzung. Insbesondere Heißrisse stellen eine große Herausforderung an die Fügetechnik. Die vorliegende Untersuchung befasst sich daher mit dem Verhalten von additiv gefertigten Blechen aus Inconel 939 beim Elektronenstrahlschweißen. Es werden grundlegende Zusammenhänge zwischen Prozessparametern, Härte und Rissneigung betrachtet und Ansätze für eine Optimierung auf Basis statistischer Versuchsplanung aufgezeigt. Hierbei erfolgt eine Einteilung der Risse nach bestimmten Nahtbereichen. Risse am Nahtkopf können durch die Faktoren Vorschub und Streckenenergie sowie die Härte des Schweißgutes beeinflusst werden. Risse im Bereich der parallelen Nahtflanken stehen hingegen im Zusammenhang mit der Härte der Wärmeinflusszone. Ein abschließender Vergleich der angepassten Parameter mit der Ausgangssituation zeigt, dass durch Anwendung der statistischen Optimierung eine deutliche Reduzierung der Rissneigung erreicht werden kann.

View
No Thumbnail Available
Publication

Untersuchung zum Elektronenstrahlschweißen additiv gefertigter Ni-Basis-Bauteile

2022-10-26 , Raute, Maximilian Julius , Marquardt, Raphael , Biegler, Max , Rethmeier, Michael

Die vorliegende Untersuchung befasst sich mit dem Einfluss des Additive Manufacturing auf die Schweißeignung von Bauteilen aus Inconel 718. Hierfür wurden Proben mittels DED und L-PBF hergestellt und ihr Verhalten in Blindschweißversuchen anhand eines Vergleichs mit konventionellen Gussblechen untersucht. Im zweiten Schritt wurden die verschiedenen additiv hergestellten Proben mit dem Gussmaterial im I-Stoß sowie untereinander verschweißt. Als Schweißverfahren wurde für alle Proben das Elektronenstrahlschweißen angewandt. Zur Auswertung wurde anhand von Schliffen das Nahtprofil vermessen und die Proben auf Poren und Risse untersucht. Zusätzlich wurde die Dichte vermessen und eine Prüfung auf Oberflächenrisse durchgeführt. Das AM-Material zeigte dabei Unterschiede in Nahtform und Defektneigung im Vergleich zum Gusswerkstoff. Insbesondere die DED-proben neigten unter bestimmten Parameterkonstellationen verstärkt zu Porenbildung. Risse konnten nicht beobachtet werden. Trotz auftretender Nahtunregelmäßigkeiten wurde in den kombinierten AM-Schweißproben die Bewertungsgruppe C erreicht. Eine Prüfung der bestehenden Regelwerke zur Schweißnahtbewertung anhand der gewonnenen Erkenntnisse zu additiv gefertigten Proben im Elektronenstrahlschweißprozess zeigte keinen Ergänzungsbedarf.

View
No Thumbnail Available
Publication

Laserstrahlauftragschweißen - Einfluss von Schutzgasgemischen auf die Bauteilqualität

2023-09 , Kampffmeyer, Dirk , Wolters, Michael , Raute, Julius , Müller, Vinzenz , Biegler, Max , Rethmeier, Michael

Im Additive Manufacturing Verfahren Directed Energy Deposition (DED) wird bei der Verarbeitung von Werkzeugstahl in der Regel reines Argon als Schutzgas verwendet. Dabei kann die Verwendung von speziellen Schutzgasgemischen, auch bei geringen Anteilen zugemischter Gase, durchaus die Bauteilqualität positiv beeinflussen. In Vorarbeiten der Messer SE & Co. KGaA zeigte ein gewisser Sauerstoffanteil im Schutzgas die Tendenz, den Flankenwinkel von Schweißspuren beim DED zu verbessern. In der vorliegenden Studie wurde daher detailliert untersucht in wie weit unterschiedliche Schutzgasgemische einen Einfluss auf die Qualität sowie die geometrischen Eigenschaften der additiv gefertigten Strukturen des Werkzeugstahls 1.2709 beim Laser-DED ausüben. Es erfolgten zunächst Testschweißungen in Form von Einzelspuren mit unterschiedlichen Gemischen aus dem Basisschutzgas Argon mit geringen Anteilen verschiedener Gase. Dabei wurde der Einfluss der Zusätze auf die Spurgeometrie und Aufbauqualität untersucht. Auf Basis dieser Vorversuche wurde eine Auswahl vielversprechender Gasgemische getroffen und Detailuntersuchungen in Form von Spuren, Flächen und Quadern unter Zugabe verschiedener Mengen an Zusätzen durchgeführt. Zur Bewertung des Einflusses der Schutzgasbeimengungen wurden der Flankenwinkel, die Porosität und das Gefüge der Proben anhand metallografischer Schliffe untersucht. Es zeigte sich, dass eine Zugabe von geringen Anteilen an Zusätzen zunächst zu einer Vergrößerung des Flankenwinkels im Vergleich zu reinem Argon führt. Mit steigendem Anteil der Gase nimmt dieser Winkel jedoch ab. So kann je nach Menge des zugesetzten Gases eine individuelle Benetzung des aufgetragenen Materials an der Oberfläche erreicht werden. Auch die Porosität ließ sich durch Schutzgasgemische beeinflussen und zeigt ein abweichendes Verhalten im Vergleich zu reinem Argon.

View
No Thumbnail Available
Publication

A General Analytical Solution for Two-Dimensional Columnar Crystal Growth during Laser Beam Welding of Thin Steel Sheets

2023 , Artinov, Antoni , Karkhin, Victor A. , Meng, Xiangmeng , Bachmann, Marcel , Rethmeier, Michael

A technique for calculating the main solidification parameters for a two-dimensional columnar crystal growth during complete penetration laser beam welding of thin steel sheets was developed. Given that the weld pool interface is described by Lamé curves (superellipses) within the horizontal plane of growth, general analytical solutions were derived for the geometry of the crystal axis and the corresponding growth rate and cross-sectional area of the crystal. A dimensionless analysis was performed to provide insights on the dependence of the solidification parameters on the shape and dimensions of the rear part of the weld pool boundary. The derived solutions were applied for the case of complete penetration laser beam keyhole welding of 2 mm thick 316L austenitic chromium-nickel steel sheets. It was shown that the reconstruction of the weld pool boundary with Lamé curves provides higher accuracy and flexibility compared to results obtained with elliptical functions. The validity of the proposed technique and the derived analytical solutions was backed up by a comparison of the obtained solutions to known analytical solutions and experimentally determined shapes and sizes of the crystals on the top surface of the sheet. The dimensions of the calculated crystal axis correlated well with the experimentally obtained results.

View
No Thumbnail Available
Publication

Retaining Mechanical Properties of GMA-Welded Joints of 9%Ni Steel Using Experimentally Produced Matching Ferritic Filler Metal

2022-11-30 , El-batahgy, Abdel-monem , Elkousy, Mohamed Raafat , Al-Rahman, Ahmed Abd , Gumenyuk, Andrey , Rethmeier, Michael , Gook, Sergej

Motivated by the loss of tensile strength in 9%Ni steel arc-welded joints performed using commercially available Ni-based austenitic filler metals, the viability of retaining tensile strength using an experimentally produced matching ferritic filler metal was confirmed. Compared to the austenitic Ni-based filler metal (685 MPa), higher tensile strength in gas metal arc (GMA) welded joints was achieved using a ferritic filler metal (749 MPa) due to its microstructure being similar to the base metal (645 MPa). The microstructure of hard martensite resulted in an impact energy of 71 J (−196 °C), which was two times higher than the specified minimum value of ≥34 J. The tensile and impact strength of the welded joint is affected not only by its microstructure, but also by the degree of its mechanical mismatch depending on the type of filler metal. Welds with a harder microstructure and less mechanical mismatch are important for achieving an adequate combination of tensile strength and notched impact strength. This is achievable with the cost-effective ferritic filler metal. A more desirable combination of mechanical properties is guaranteed by applying low preheating temperature (200 °C), which is a more practicable and economical solution compared to the high post-weld heat treatment (PWHT) temperature (580 °C) suggested by other research.

View
No Thumbnail Available
Publication

Investigation of the LME Susceptibility of Dual Phase Steel with Different Zinc Coatings

2023-05-05 , El-Sari, Bassel , Biegler, Max , Rethmeier, Michael

The application of anti-corrosion coated, high-strength steels in the automotive industry has increased in recent years. In combination with various zinc-based surface coatings, liquid metal embrittlement cracking can be observed in some of these materials. A high-quality, crack-free spotwelded joint is essential to realize the lightweight potential of the materials. In this work, the LME susceptibility of different coatings, which will be determined by the crack length and the occurrence rate, will be investigated using a welding under external load setup. The uncoated specimens did not show any LME. EG, GI and GA showed significantly less LME than ZM coatings. The latter coatings showed much larger crack lengths than the EG, GI and GA coatings. Furthermore, two mechanisms regarding the LME occurrence rate were observed: the occurrence of LME in zinc-magnesium coatings was theorized to be driven by the material properties of the coatings, whereas the occurrence of LME at EG, GI and GA samples was forced mainly by the application of the external tensile load. In the experimental setup of this work, the materials were exposed to unusually high mechanical loads (up to 80% of their yield strength) to evoke LME cracks.

View
No Thumbnail Available
Publication

Mittels Scangineering und Schweiß-Knowhow zum reparierten Umformwerkzeug

2022-12-19 , Biegler, Max , Mönchinger, Stephan , Müller, Vinzenz , Rethmeier, Michael

Zum wirtschaftlichen und nachhaltigen Einsatz von Stanz- und Formwerkzeugen ist in der Regel eine Reparatur der verschlissenen Werkzeuge erforderlich. Das Additive Fertigungsverfahren Laser-Powder Directed Energy Depositon (LP-DED) in Kombinationen mit intelligenten Reverse-Engineering-Ansätzen bietet die Möglichkeit, Bauteile materialschonend und effizient zu reparieren.

View
No Thumbnail Available
Publication

Transferability of ANN-generated parameter sets from welding tracks to 3D-geometries in Directed Energy Deposition

2022-11-04 , Marko, Angelina , Bähring, Stefan , Raute, Maximilian Julius , Biegler, Max , Rethmeier, Michael

Directed energy deposition (DED) has been in industrial use as a coating process for many years. Modern applications include the repair of existing components and additive manufacturing. The main advantages of DED are high deposition rates and low energy input. However, the process is influenced by a variety of parameters affecting the component quality. Artificial neural networks (ANNs) offer the possibility of mapping complex processes such as DED. They can serve as a tool for predicting optimal process parameters and quality characteristics. Previous research only refers to weld beads: a transferability to additively manufactured three-dimensional components has not been investigated. In the context of this work, an ANN is generated based on 86 weld beads. Quality categories (poor, medium, and good) are chosen as target variables to combine several quality features. The applicability of this categorization compared to conventional characteristics is discussed in detail. The ANN predicts the quality category of weld beads with an average accuracy of 81.5%. Two randomly generated parameter sets predicted as “good” by the network are then used to build tracks, coatings, walls, and cubes. It is shown that ANN trained with weld beads are suitable for complex parameter predictions in a limited way.

View