SimuControl - Simulationsgestützte, intermittierende Prozessausreglung zur Verbesserung der Formgebung von DED-Prozessen

Additive Fertigungsprozesse (engl: Additive Manufacturing, AM) werden in der Industrie als wichtiger Baustein zur Deckung zukünftiger Bedarfe hinsichtlich sich verändernder Bauteil- und Fertigungskomplexität angesehen. Den wachsenden Anforderungen hinsichtlich Designs, flexiblen Werkstoffeigenschaften und Funktionen begegnet AM durch lagenweisen Aufbau bei gleichzeitig präziser Steuerungs- und Überwachungsmöglichkeit. Ein Teilgebiet von AM ist die Directed Energy Deposition (kurz: DED), das sich neben der additiven Herstellung von Komponenten als Reparatur- und Beschichtungsverfahren sowie zur gezielten Funktionalisierung vorgefertigter Basisbauteile eignet (s. Abbildung 1). Im Rahmen von SimuControl wird das laserbasierte (LB-) DED verwendet. Gerade für den Sektor LB-DED (Pulver + Draht) wird ein nomineller Zuwachs von 1800 AM Anbietern im EMEA-Sektor und ein Umsatzwachstum von 91.5 M€ (2020) auf 326M€ (2025) antizipiert - mit einem Zuwachs von 534 Anbietern und 220M€ Umsatz im Bereich Metallbearbeitung allein. Dabei ist der Großteil der Anbieter Start-ups (26%) und KMUs (43%) (2020). Dem entgegen wird jedoch als einer der Hauptziele für die Etablierung von AM-Prozessen die Beschleunigung der Produktentwicklung angeführt. Um der bis 2030 antizipierten Verlagerung der Produktion weg von globalen Lieferketten und hin zu lokaler Produktion gerecht zu werden und die prognostizierte Lücke zwischen Angebot und Nachfrage im Bereich DED zu schließen (701 Anbieter gegenüber 880 Abnehmern; 2025), müssen daher vor allem kleine und mittelständische Unternehmen befähigt werden, den AM-Prozess zu beherrschen.

Zielsetzung und Vorgehensweise

Zur Erreichung dieses Ziels wird das Vorhaben in drei Themenschwerpunkte gegliedert (vgl. Abbildung 1). Zunächst müssen Prozesse, Akteure und Ressourcen im Umfeld der Werkstatt modelliert werden. Auf Basis dieses Models kann evaluiert werden, inwieweit einzelne Prozessschritte wirtschaftlich automatisiert werden können. Dies geschieht unter Einbeziehung des Prozesswissens der Werkenden. Durch die Kombination von Cobot und FTS soll die Autonomie und Flexibilität des Gesamtsystems gesteigert werden. Auf Basis der zuvor identifizierten Automatisierungspotenzialen werden dem System durch den Werkenden gezielt Handhabungs- und Transportprozesse erlernt.

Abschließend findet ein dynamisches Scheduling der eingesetzten Ressourcen zur Maximierung des Nutzens statt. Hierbei werden sowohl klassischen als auch KI-basierte Methoden zur Lösung des Optimierungsproblems betrachtet und evaluiert.

Weitere zum LB-DED Verfahren synonym verwendete Begriffe sind Laser Engineered Net Shaping (LENS), Direct Laser Fabrication (DLF), Direct Metal Deposition (DMD) oder auch Laser Material Deposition (LMD). Durch Fokussierung eines Laserstrahls auf ein Substrat wird hierbei ein lokal begrenztes Schmelzbad ausgebildet. Diesem wird gleichzeitig ein pulver- oder drahtförmiger Zusatzwerkstoff zugeführt. Zwischen dem im Schmelzbad verflüssigten Zusatzwerkstoff und dem umgeschmolzenen Substrat wird bei der Erstarrung eine schmelzmetallurgische Verbindung erzeugt. Durch horizontale und vertikale Überlagerung von Spuren können 3D-Geometrien erzeugt werden. Im Rahmen von SIMUCONTROL fokussieren wir uns aufgrund der vergleichs-weisen guten Beherrschbarkeit auf den pulver-basierten LB-DED Prozess, da gerade dieser ein hohes Potenzial zur Industrialisierung aufweist.

Das wesentliche, derzeitige Defizit für die Etablierung des LB-DED Verfahrens ist die erfahrungsbasierte, iterative Entwicklung von Prozessen für jede neue Anwendung. Geschwindigkeit und Erfolg dieser Entwicklungen ist stark vom Know-How und Erfahrung der Anwender abhängig, da nur wenige objektive Kriterien zur Beurteilung der Prozessqualität verfügbar sind. Als Integrationshemmnis werden im Jahr 2020 daher von 51% der Befragten einer Studie vor allem Wissenslücken angegeben. Dadurch können die an AM-Prozesse gelegten hohen Erwartungen als disruptive Fertigungstechnologie gerade für KMU schwer erfüllt werden.

Ausgangssituation Die Planung von Prozessen in der additiven Fertigung erfolgt nach aktuellem Stand stets A-Priori. Einer der wichtigsten Wirkzusammenhänge zur Einhaltung eines stationären Prozessverhaltens ist die Einhaltung der in der CAM-Planung definierten Schichtdicke, da dadurch die Foki von Pulverzufuhr und Laserstrahl kohärent liegen. Wird diese über den Prozess hinweg eingehalten, so kann ein Bauteil in seiner Form mit minimalen Abweichungen hergestellt werden. Weicht die Schichtdicke jedoch während des Prozesses ab, so versetzt sich die Höhe der geschweißten Lage um das Delta der Schichtdicke und verschiebt den idealen Arbeits-abstand des Schweißkopfes und reduziert somit die vorgegebene Schichtdicke (siehe Abbildung 2 links, linkes Bild und rechtes Bild).

Extrinsische Einflussfaktoren auf die Prozessstabilität

Einflussfaktoren für ab-weichende Schichtdicken sind u.A. suboptimale Prozessparametrisierung, Verfahrensstrategie als auch Systemtechnik und begünstigen bei DED-Prozessen neben ungleichmäßigen Auftrags-höhen außerdem Defektbildung und Verzüge bis hin zum notwendigen Prozessabbruch durch den Bediener. Dabei steht gerade die Bildung von Defekten der Sicherung der geforderten Bauteileigenschaften im Weg. Zu-dem muss die Gefahr des Prozessabbruches durch eine ständige Überwachung durch einen Maschinenbediener abgefangen werden. Die Auswirkung einer einzelnen Schwankung auf den Prozess wird durch die lagenweise Auslegung des Prozesses noch verschärft. Stellt sich erstmal eine nominelle Abweichung in der Auftragshöhe ein, so pflanzt sich der Fehler mit jeder Lage nicht nur fort, sondern verstärkt sich stattdessen mit der stetig steigenden Abweichung im Pulverfokus-Offset der jeweils nächsten Lage.

Intrinsische Einflussfaktoren auf die Prozessstabilität

Neben den extrinsischen Einflussgrößen spielt die intrinsische Prozessdynamik ebenfalls mit in die Prozessschwankungen mit rein. So kann bei einem einzelnen Prozess mit konstanten Schicht-dicken sowie konstanten Prozessparametern mit jeder Lage und bereits beginnend bei der ersten Lage eine nicht-lineare Vergrößerung der Schweißspuren und der so erziel-baren Aufbaurate festgestellt werden (Abbildung 3). Von besonderem Interesse sind die Randbereiche der Geometrie, bei welchen sich deutlich stärkere Abweichungen der Aufbauhöhe einstellen als im Lagenzentrum. Ab einer bestimmten Anzahl an prozessierten Lagen stagniert die Vergrößerung der Aufbaurate und es stellt sich ein quasi-stationärer Prozesszustand ein. Insgesamt stellt sich eine Abweichung der Soll-höhe für jede Lage ein, sowohl lokal als auch global. Durch den lagenweisen Aufbau des Prozesses kann der Randbereich einer vorherigen Lage das Volumen für den Füllbereich der nächsten Lagen vorgeben, wodurch sich Abweichungen durch mehrere Geometriebereiche (Rand, Füllung) fortpflanzen können. Je mehr Lagen aufgebaut werden, desto defektanfälliger wird der Prozess, was insbe-sondere für Großbauteile eine zentrale Rolle spielt. Dieses Phänomen kann teilweise durch die Prozessthermik erklärt werden, welche einen großen Einfluss auf erreichbare Schichtdicke und Spurbreiten hat. Nach Prozessierung weniger Lagen stellt sich ein konstanter Vorheizeffekt im Material ein. Dies resultiert in einem stabilen Schmelzbad mit konstanter Breite und Höhe ein. Grund dafür ist, dass mit steigender Materialtemperatur das Schmelzbad wächst, was zu höheren Aufbauraten bei sonst gleichbleiben-den Prozessparametern führt. Für die ersten Lagen bleibt dieser Vorheizeffekt aus, es stellen sich stark schwankende Schichtdi-cken ein. Um trotz ausbleibenden Vorheizeffekt dennoch konstante Schichtdicken zu ermöglichen, kann bspw. die Laserleistung dynamisch angepasst werden, mit der der lokale Energieeintrag gesteuert werden kann.

Methoden zur Prozessparameterauslegung und -optimierung für DED-Prozesse

Als Folge intrinsischer sowie extrinsischer Ursachen für Prozessschwankungen dient die initiale Prozessauslegung nur als Startpunkt für das Erreichen der geforderten Bauteiltoleranzen und -qualitäten. Nach der Durchführung des ersten Durchlaufs kontrolliert der Prozessexperte den Prozess auf Abweichungen der festgelegten geometrischen Qualitätsgrößen (bspw. Spurbreite und Schichtdicke) und iteriert die Parameter innerhalb der sogenannten Trial-and-Error Phase bis das gewünschte Ergebnis erzielt wird. In das iterativ und händisch gelöste Optimierungsproblem fließen Bauteilgeometrie-, Material- sowie Maschinenabhängige Er-fahrungswerte der Operators mit ein. Dadurch ist der DED-Prozess gerade für kmU schwer erschließbar. Bei neuer Kombination aus Bauteil und Material findet zuerst eine grundlegende Erprobung der Prozessstrategie sowie -parametrisierung statt. In einem typischen Vorgang wird das Materialverhalten durch sukzessiven Aufbau von Einzelspuren, gefolgt von Einzelstegen und Quadergeometrien für den DED-Prozess untersucht. Aufgrund der hohen Freiheitsgrade in der Auslegung der Prozessstrategie und -parameterisirung ist die für das Bauteil individualisierte Prozessauslegung gerade für KMU zeitaufwändig und kostenintensiv. Vergleicht man die iterative Vorgehensweise mit der intrinsischen Prozessdynamik, so erscheint die Methodik der A-Priori Prozessplanung unzureichend, da in einem DED-Prozess die Parametrisierung ständig an die Prozessschwankungen angepasst werden muss. Selbst anhand der Parameterstudien zu Quadergeometrien wird immer nur ein Prozessparameter abgeleitet, welcher als konstanter Parameter zur Auslegung der A-Priori Prozessplanung benutzt wird.

CAM-Planung in der additiven Fertigung

Sind die Prozessparameter gefunden, so wird die CAM-Planung für den Prozess erstellt. Die Planung beginnt bei der Übermittlung der Konstruktionsdaten – insbesondere der CAD-Daten – vom Auftraggeber an das KMU. Um den Fertigungsprozess mittels eines CAM-Systems auszulegen, spielen neben der geometrischen Toleranz weitere Bauteilqualitäten wie vorgegebene Härte und Gefügedichte eine Rolle. Zur Verifikation der Programmierung kann eine CAM-integrierte Simulation erfolgen. Hierbei wird von einem idealen Prozess mit konstantem Schichtdickenauftrag ausgegangen. Bei der Simulation findet die DED-typische Prozessdynamik bisher keine Berücksichtigung. Nach der Auslegung der CAM-Planung erfolgt eine Übersetzung derer in ein NC-Programm mittels eines anlagen-spezifischen Post-Prozessors. Ab diesem Zeitpunkt lässt sich kein direkter Zusammenhang mehr zwischen den Flächen des CAD-Modells und den Werkzeugbahnen der CAM-Planung ermitteln. Änderungen am NC-Programm können daher nicht auf direktem Weg ins CAM-System zu-rückfließen, beispielsweise technologische Anpassungen aufgrund einer Prozessstörung oder Prozesswartezeiten zur Ausgleichung von Prozessdynamiken durch den Maschinenbediener.

Fazit

Durch sowohl prozessintrinsische, -extrinsische als auch die Prozessplanung begleitende Einflussfaktoren leiten sich deutliche Defizite in dessen Einhaltung zur Maßhaltigkeit ab, wodurch die Adaption von DED-Prozessen für KMU unattraktiv bleibt. Hier sind im Wesentlichen folgende Punkte zu nennen:

• Die Ursache für Prozessschwankungen ist vielseitig. Zu nennen sind teilweise nicht prozessangepasste CAM-Planung, fehlende Abbildung der Prozessdynamik zur Ausregelung Prozessstadien-ab-hängiger Schichtdicken sowie nicht vollständig optimierte Prozessparameter. Zahlreiche Einflüsse sind bisher nur qualitativ er-fassbar und können nicht vollständig kontrolliert werden.
• Der Bezug zwischen Qualitätsergebnissen und den einzelnen Stationen der Prozessauslegung ist nur schwer herzustellen. Somit ist nur eine eingeschränkte Ursachenanalyse beim Auftreten von Toleranzfehlern bzw. Qualitätsmängeln möglich.
• Tritt ein instationäres Verhalten innerhalb des DED-Prozesses einmal auf, so führt dieses im weiteren Prozessverlauf aufgrund des lagenweisen additiven Aufbaus eines Bauteils nicht nur zu gleichbleibenden Folgen abweichender Auftragshöhe, sondern verschlimmert sich tendenziell eher noch. Bis-her ist es nicht möglich, online oder lagenweise automatisiert auf den Prozess bei der Fertigung mit für AM typischen Verfahrensstrategien zu reagieren.
• Nach aktuellem Stand der Technik ist die Anpassung eines DED-Prozesses für individuelle Geometrien mit einem iterativen, erfahrungsbasierten Verfahren verbunden. Eine zeit- und kosteneffiziente und insbesondere erfahrungsunabhängige Prozessoptimierung existiert bisher nicht.

Die Beherrschung von DED-Prozessen hin zu einem stabilen, stationären Prozessverhalten ohne Bindung an einen Prozessexperten ist entscheidend für die Etablierung dieser in der Industrie. Dies ist aktuell bei KMU nicht gegeben. Daraus erwächst die Notwendigkeit, DED-Prozesse soweit auszuregeln, dass diese mit hoher Zuverlässigkeit beherrscht werden können. Das Projektziel ist daher die Entwicklung eines Lösungsansatzes zur intermittierenden Prozessausregelung von DED-Prozessen. Hierbei wird mittels A-Priori Prozessanalytik aus CAD-Modell und Bahnplanung ein Simulationsmodell der geplanten Prozessführung erstellt und während des Prozesses über geometrische Datenrückführung intermittierend an den reellen Prozesszustand an-gepasst wird, woraus eine geeignete Prozessausregelung erzielt werden kann. Zur Erfassung der benötigten Messdaten wird eine mit einem Laserlinienscanner bestückte, vorliegende Demonstrator-Anlage (s. Abbildung 1) verwendet, um lagenweise intermittierend den geometrischen IST-Zustand zu ermitteln. Das Simulationsmodell wird während eines laufenden Prozesses über die Zufuhr von Live-Messdaten verbessert und dient somit dient als Lookup zur Korrektur bei Wiederholung des Prozesses. Aus der geometrischen Korrektur des Simulationsmodells wird CAM-seitig eine technologische Anpassung der kommenden Bahnplanung bestimmt und in den NC-Code zurückgespielt, sodass entstehende Geometrieabweichungen ausregelt werden können. Langfristig lassen sich zudem aus den Simulationsmodellen Wirkzusammenhänge für die CAM-seitige Prozessführung zur Verbesserung der Planungsqualität ableiten, sodass künftig ganz auf prozessparallele Regelung verzichtet werden kann. Hierbei können mittels Auswertung der trainierten Modelle gezielt nach Ähnlichkeiten und Unterschieden in der Prozessführung gesucht und als erfahrungsbasiertes Regelwerks formuliert werden, welches CAM-Entwickler wiederum in die Bahnplanung zurückführen können.

Arbeitshypothese und Forschungsziele

Vor dem Hintergrund der diskutierten Defizite soll im Rahmen des Vorhabens ein ganzheitlicher Planungsansatz zur Verbesserung der Formgebung bei Pulver-basierten LB-DED-Prozessen erarbeitet werden, in dem A-priori-Simulationsdaten mit dem prozess-begleitend erhobenen Ist-Zustand gekoppelt und für Optimierungen des noch laufen-den Prozesses genutzt werden (Lösungshypothese). Der übergeordnete Zielzustand ist dabei selbstverständlich einen Prozess bereits A-Priori so auslegen zu können, dass seine Ausführung bereits alle Qualitätsziele erfüllt. Da dies aufgrund nicht oder erst anteilig verstandener Ursache-Wirkzusammen-hänge sowie zahlreicher stochastischer Einflussfaktoren aktuell nicht auf direktem Weg erreichbar scheint, ist im Projekt ein zweitstufiges Vorgehen geplant. Stufe 1: Kurzfristiges Ziel ist es, einen Regelungsansatz zu entwerfen, der eine intermittierende Prozessausreglung zur Steigerung der Formgebung ermöglicht. Hierbei sollen die im Rahmen der Prozessplanung erzeugten Simulationsdaten, die den Sollzustand jeder aufgetragenen Materialschicht geometrisch beschreiben, genutzt werden, um im Prozess intermittierend das Delta zwischen Soll- und Ist-Zustand zu erfassen. Damit sollen dann die Bahnbereiche nachfolgender Material-schichten identifiziert und durch geeignete, noch zu erforschende Maßnahmen angepasst werden, um eine Ausregelung zu erreichen. Die Fragen, die dem zugrunde liegen, lauten dabei:

• Wie lassen sich Ergebnisse einer geometrischen CAM-Simulation nutzen, um die Online-Kompensation zu unterstützen bzw. zu ermöglichen?
• Wie müssen pulver-basierte LMD-Prozesse ausgelegt und zur Laufzeit angepasst werden, um eine hohe Maßhaltigkeit zu erzielen?

Die Beantwortung dieser Fragen soll dabei in einen Hard- und Softwarekonzept münden, mit welchen sich die angestrebte Steigerung der Formtreue bereits heute im industriellen Umfeld erzielen lässt. Stufe 2: Mittel- bis langfristig muss es allerdings darum gehen, dieses Gesamtkonzept nur als Werkzeug zur Prozessvorentwicklung zu verstehen, mit dem sich Ursache-Wirkbeziehungen aufdecken und geeignete Gegen- bzw. Optimierungsmaßnahmen identifizieren lassen. Letztere gilt es in Leitfäden für KMU sowie Bahnplanungsalgorithmen zu überführen, um die angestrebte optimale A-Priori-Prozessauslegung zu erreichen. Hierauf hin-arbeitend sollen im Vorhaben aufbauend daher auch ein Rückführungs- und -auswertungskonzept erarbeitet werden, mit dem sich initialer Prozess, Simulationsdaten sowie Messdaten aus der Regelung und Auswirkungen von Prozesskorrekturen kombinieren lassen, um darauf aufbauend rechnergestützt Erkenntnisse für den Aufbau von A-Priori-Planungslösungen ableiten zu können. In diesem Zusammenhang gilt es folgende Fragen zu klären:

• Wie lassen sich Messergebnisse zur Adaption des geometrischen Simulations-modells nutzen, um eine automatisierte Informationsrückführung zur Steigerung des Prozessverständnisses zu errei-chen?
• Wie lässt sich das implizit in einem angereichtem Simulationsmodell enthaltene Fertigungswissen formalisieren und bei künftigen Planungen anwenden?

Förderhinweis

Das IGF-Vorhaben SimuControl (22717 N) der Forschungsvereinigung Programmiersprachen für Fertigungseinrichtungen (FVP) e.V. wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert. Der Förderzeitraum begann im Januar 2023 und endete im Juni 2025.