Options
May 2022
Presentation
Titel
Pulver- und Prozessmonitoring als Bausteine der Qualitätssicherung beim Laser Powder Bed Fusion
Titel Supplements
Vortrag gehalten auf der Fachtagung Werkstoffe und Additive Fertigung 2022 in Dresden
Abstract
Die Bauteilqualität im Laser Powder Bed Fusion (LPBF) wird durch eine Vielzahl von Prozessparametern und Einflussgrößen bestimmt. Die Qualitätssicherung entlang der gesamten LPBF-Prozesskette ist wesentlicher Erfolgsfaktor für die Reproduzierbarkeit des Verfahrens. Nach der Verdüsung unterliegt das pulverförmige Ausgangsmaterial über seine gesamte Nutzungsdauer unterschiedlichen Umwelteinflüssen z. B. während der Lagerung, Aufbereitung und Prozessierung in der LPBF-Maschine. Eine morphologische und chemischen Veränderung im Pulver kann sich nachteilig auf die Verarbeitungseigenschaften und die finale Bauteilqualität auswirken. Für den im LPBF sehr häufig eingesetzten Werkstoff Ti-6Al-4V ELI (Titan Grade 23, extra low interstitial) bestimmt die Veränderung der chemischen Zusammensetzung durch die Aufnahme von Sauerstoff und Stickstoff maßgeblich die resultierenden mechanischen Kennwerte des additiv hergestellten Bauteils, aber auch die Möglichkeit der erneuten Verwendung von gebrauchtem Pulver. Die tolerierbare Aufnahme von Sauerstoff und Stickstoff ist in der ASTM-Norm F 3001-14 festgelegt. Auch wenn die gesamte Prozesskette unter Argon-Schutzgasatmosphäre realisiert wird, kann eine Alterung des Pulvers durch Restanteile von Sauerstoff und Stickstoff nicht grundsätzlich ausgeschlossen werden. In diesem Beitrag werden unterschiedliche Maßnahmen zur Qualitätssicherung von Pulvern bei der Lagerung sowie Verarbeitung und Wiederaufbereitung diskutiert. Dafür wurden sowohl morphologische als auch chemische Untersuchungen des Pulvers über mehrere Fertigungsprozesse und Monate hinweg durchgeführt. Begleitende chemische Messungen an LPBF-hergestellten Festkörperproben ergänzen die Aussagen. Im zweiten Teil des Vortrags werden datengetriebene Qualitätssicherungsmöglichkeiten diskutiert, welche durch thermische Sensoren (Fotodiode und IR-Kamera) und die Fehlererkennung mit Hilfe von statistischen und Machine-Learning-Algorithmen gegeben sind. Dabei liegt der Fokus auf Zug- und Ermüdungsproben und der Erkennung von Anomalien aus den Prozessmonitoringdaten, welche Rückschlüsse auf die Versagens- bzw. Bruchzone geben sollen. Die vorgestellten Ergebnisse sind Teil des Projektes AMTwin, das vom Freistaat Sachsen gefördert wird.
Author(s)