TY - JOUR A1 - Duarte, Larissa A1 - Andrade, Ana Carolina A1 - Bettge, Dirk T1 - Fractographic Analysis of Fatigue Striations Formation under different Microstructures and Loading Conditions T1 - Fraktographische Untersuchung der Bildung von Schwingstreifen bei unterschiedlichen Gefügezuständen und Belastungsbedingungen N2 - Fatigue failure of a component can occur at service loads considerably lower than the yield strength of the material. Under fatigue loading condition, the material in the vicinity of the tip of a propagating crack repeatedly deforms plastically, leaving microscopic marks on the crack surface, commonly known as fatigue striations. Counting and measuring fatigue striations is a method in estimating the number of loading cycles a component went through until fracture. Some studies suggest a one-to-one relation between the number of fatigue striations and the number of load cycles, but this relation is still debatable, given that there are many factors influencing the formation of those striations. The main purpose of this work is to analyze the influence of microstructure and mechanical strength on the formation of fatigue striations in structural steels, in order to understand how these material properties are related to the fatigue crack behavior. For such, standard Charpy-V samples were subjected to hardness, fatigue and impact testing. Metallography was performed to characterize the microstructure, and a fractographic analysis by using optical and scanning electron microscopy was carried out to investigate the fracture surface. This study shows that steels with higher ductility have a closer one-to-one relation than those with a higher tensile strength. Above a certain level of tensile strength, fatigue striations do form rarely or completely disappear. N2 - Weit unterhalb der Streckfestigkeit des Werkstoffs kann es durch Schwingbruch zum Bauteilversagen kommen. Unter Schwingbeanspruchung wird der Werkstoff in der Nähe der Spitze eines sich ausbreitenden Risses wiederholt plastisch verformt. Dabei entstehen allgemein als Schwingstreifen bekannte mikroskopische Spuren. Das Zählen und Vermessen von Schwingstreifen ist ein Verfahren zum Schätzen der Anzahl von Belastungszyklen, denen ein Bauteil bis zum Bruch ausgesetzt war. Einige Studien legen hier eine 1 : 1-Beziehung zwischen der Anzahl von Schwingstreifen und der Anzahl von Lastspielen nahe. Dies erscheint angesichts der zahlreichen, die Bildung solcher Streifen beeinflussenden Faktoren allerdings fraglich. Hauptziel dieser Arbeit ist die Untersuchung der Auswirkungen des Gefüges und der mechanischen Festigkeit auf die Bildung von Schwingstreifen in Baustählen, um Zusammenhänge zwischen diesen Werkstoffeigenschaften und dem Schwingbruchverhalten verstehen zu können. Dafür wurden an Standard-Charpy-V-Proben Härte- sowie Schwing- und Schlagprüfungen durchgeführt. Zur Gefügecharakterisierung wurden die Proben metallographisch untersucht. Die Bruchfläche wurde zur Analyse fraktographisch licht- und rasterelektronenmikroskopisch untersucht. Die vorliegende Untersuchung zeigt dabei auf, dass Stähle mit einer höheren Duktilität näher an eine solche 1 : 1-Beziehung herankommen als solche mit einer höheren Zugfestigkeit. Oberhalb einer bestimmten Zugfestigkeit bilden sich selten oder gar keine Schwingstreifen. KW - Schwingstreifen KW - Fatigue striations PY - 2020 DO - https://doi.org/10.3139/147.110668 VL - 57 IS - 12 SP - 869 EP - 886 PB - Carl Hanser Verlag CY - München AN - OPUS4-51952 LA - mul AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bettge, Dirk A1 - Le, Quynh-Hoa T1 - Entwicklung einer fraktographischen Symbolik N2 - Bei der Untersuchung von Bruchflächen werden zunächst Beobachtungen gemacht, d.h. makroskopische und mikroskopische Merkmale analysiert und in Bildern dokumentiert. Im zweiten Schritt werden anhand der gefundenen Merkmale Rissverlauf und Bruchmechanismen ermittelt. Abschließend sollen diese Ergebnisse in einem Bericht oder Gutachten zusammengefasst werden. Hierbei ist eine skizzenhafte Darstellung der fraktographischen Befunde hilfreich für das Verständnis des Lesers. Ein vorgefertigter fraktographischer Symbolsatz würde dies erheblich vereinfachen. Skizzen von fraktographischen Befunden sind in der Literatur recht häufig zu finden, z.B. in der VDI 3822 oder dem ASM Handbook Fractography, allerdings gibt es hierzu keine umfassende Systematik, wie sie z.B. aus der Meteorologie (Wetterkarten), Geographie (Landkarten, Seekarten) oder Geologie (Bodenkarten) seit langer Zeit bekannt sind. Deshalb wird hier der Versuch unternommen, einen Symbolsatz zu entwickeln und zur Verfügung zu stellen, mit dessen Hilfe fraktographische Befunde in eindeutiger und übersichtlicher Weise veranschaulicht werden können. Der fraktographische Symbolsatz ("Fracto Graphics") befindet sich in Entwicklung, ist offen zur Diskussion sowie für Verbesserungen. T2 - 55. Metallographie-Tagung CY - Online meeting DA - 29.9.2021 KW - Fraktographie KW - Symbolik KW - Schadensanalyse PY - 2021 AN - OPUS4-53433 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - JOUR A1 - Rütters, H. A1 - Fischer, S. A1 - Le, Quynh Hoa A1 - Bettge, Dirk A1 - Bäßler, Ralph A1 - Maßmann, J. A1 - Ostertag-Henning, C. A1 - Wolf, J. L. A1 - Pumpa, M. A1 - Lubenau, U. A1 - Knauer, S. A1 - Jaeger, P. A1 - Neumann, A. A1 - Svensson, K. A1 - Pöllmann, H. A1 - Lempp, C. A1 - Menezes, F. F. A1 - Hagemann, B. T1 - Towards defining reasonable minimum composition thresholds – Impacts of variable CO2 stream compositions on transport, injection and storage N2 - To set up recommendations on how to define “reasonable minimum composition thresholds” for CO2 streams to access CO2 pipeline networks, we investigated potential impacts of CO2 streams with different and temporally variable compositions and mass flow rates along the CCS chain. All investigations were based on a generic “CCS cluster scenario” in which CO2 streams captured from a spatial cluster of eleven emitters (seven fossil-fired power plants, two cement plants, one refinery and one steel mill) are collected in a regional pipeline network. The resulting CO2 stream (19.78 Mio t impure CO2 per year) is transported in a trunk line (onshore and offshore) and injected into five generic replicate storage structures (Buntsandstein saline aquifers) offshore. Experimental investigations and modeling of selected impacts revealed beneficial as well as adverse impacts of different impurities and their combinations. Overall, no fundamental technical obstacles for transporting, injecting and storing CO2 streams of the considered variable compositions and mass flow rates were observed. We recommend to define minimum composition thresholds for each specific CCS project through limiting i) the overall CO2 content, ii) maximum contents of relevant impurities or elements, iii) acceptable variability of concentrations of critical impurities, and defining impurity combinations to be avoided. KW - Impurities KW - CO2 quality KW - Pipeline network KW - Whole-chain CCS scenario KW - Recommendations PY - 2022 UR - https://nbn-resolving.org/urn:nbn:de:kobv:b43-543004 DO - https://doi.org/10.1016/j.ijggc.2022.103589 SN - 1750-5836 VL - 114 SP - 1 EP - 14 PB - Elsevier CY - New York, NY AN - OPUS4-54300 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bettge, Dirk T1 - MGA Round Robin Test on Al-AM Fatigue Testing - Fractographic Results N2 - Presentation of results of an investigation of fracture mechanisms and crack start sites of an additive manufactured aluminium alloy after fatigue testing. Collaboration within the MGA initiative (Mobility Goes Additive). T2 - MGA Mid Term Meeting 2022 CY - Berlin, Germany DA - 05.07.2022 KW - Aluminium Alloy KW - Fractography KW - Additive Manufacturing PY - 2022 AN - OPUS4-55192 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bettge, Dirk A1 - Klinger, Christian T1 - Schadensanalyse an Fahrradkomponenten - Fraktographie, Ursachen, Prävention N2 - Komponenten von Fahrrädern werden im Betrieb vorwiegend schwingend beansprucht. Typische Werkstoffe sind Stahl, Aluminiumlegierungen, Messing, CFK und thermoplastische Kunststoffe. Da es sich, unabhängig von der Preiskategorie, um konstruktiven Leichtbau handelt, werden einige Bauteile betriebsfest mehr oder weniger weit oberhalb der Dauerfestigkeit ausgelegt. Die im normalen Betrieb auftretenden Schäden sind daher weit überwiegend Schwingbrüche. Andere Schadensmechanismen wie z.B. Korrosion spielen quantitativ eine untergeordnete Rolle. Schwingbrüche treten nach einer Periode unbemerkten Risswachstums oft ohne Vorwarnung und ohne makroskopische Verformung auf. Im Falle von sicherheitsrelevanten Komponenten wie Rahmen, Gabeln, Lenkern, Sattelstützen, Kurbelarmen oder Pedalen kann dies zu erheblichen Personenschäden führen, die den Wert des ursächlichen Bauteilschadens weit überschreiten. Über einen langjährigen Zeitraum wurden gebrochene Komponenten aus dem Alltag und aus Gerichtsverfahren analysiert. Das Hauptaugenmerk lag hierbei auf der fraktographischen Analyse, teilweise wurden die zu Grunde liegenden Schadensursachen ermittelt. Einflussfaktoren sind beispielsweise konstruktive Kerben an ungünstigen Stellen, aber auch Werkstoffwahl und Fertigungsqualität spielen eine Rolle. In den meisten Fällen wurde jedoch die konstruktive Lebensdauer überschritten. Diese wird praktisch nie mitgeteilt, und eine wiederkehrende Prüfung sicherheitsrelevanter Bauteile findet nicht statt. Im Sinne der Vermeidung von Schäden und Unfällen könnte darauf hingewirkt werden, für sicherheitsrelevante Komponenten Lebensdauern besser abzuschätzen und von der Laufleistung abhängige Sichtprüfungen zu empfehlen. T2 - Werkstoffprüfung 2022 CY - Dresden, Germany DA - 27.10.2022 KW - Fahrrad KW - Fraktographie KW - Lebensdauer KW - Schadensanalyse KW - Schadensprävention KW - Öffentliche Sicherheit PY - 2023 UR - https://dgm.de/fileadmin/DGM/Veranstaltungen/2022/Werkstoffpruefung/Tagungsband/WP2022-Tagungsband-online.pdf SN - 978-3-88355-430-3 SP - 73 EP - 78 PB - DGM - Deutsche Gesellschaft für Materialkunde e.V CY - Sankt Augustin AN - OPUS4-56832 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Lemiasheuski, Anton A1 - Bajer, Evgenia A1 - Oder, Gabriele A1 - Göbel, Artur A1 - Hesse, Rene A1 - Bettge, Dirk T1 - Development of an Automated 3D Metallography System (RASI) and its Application in Microstructure Analysis N2 - Many microstructural features exhibit non-trivial geometries, which can only be derived to a limited extent from two-dimensional images. E.g., graphite arrangements in lamellar gray cast iron have complex geometries, and the same is true for additively manufactured materials and three-dimensional conductive path structures. Some can be visualized using tomographic methods, but some cannot be due to weak contrast and/or lack of resolution when analyzing macroscopic objects. Classic metallography can help but must be expanded to the third dimension. The method of reconstructing three-dimensional structures from serial metallographic sections surely is not new. However, the effort required to manually assemble many individual sections into image stacks is very high and stands in the way of frequent application. For this reason, an automated, robot-supported 3D metallography system is being developed at BAM, which carries out the steps of repeated preparation and image acquisition on polished specimen. Preparation includes grinding, polishing and optionally etching of the polished surface. Image acquisition comprises autofocused light microscopic imaging at several magnification levels. The image stacks obtained are then pre-processed, segmented, and converted into 3D models, which in the result appear like microtomographic models, but with high resolution at large volume. Contrasting by classical chemical etching reveals structures that cannot be resolved using tomographic methods. The integration of further imaging and measuring methods into this system is underway. Some examples will be discussed in the presentation. T2 - Euromat 2023 CY - Frankfurt a. M., Germany DA - 04.07.2023 KW - Metallography KW - 3D Reconstruction KW - Roboter KW - Automation KW - Microstructure PY - 2023 AN - OPUS4-58202 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - JOUR A1 - Bettge, Dirk A1 - Schmies, Lennart T1 - Die Fraktographische Online-Datenbank der AG Fraktographie – Entwicklungsstand und Planung T1 - The WG Fractography Online Database – Stage of Development and Planning N2 - Die AG Fraktographie im DVM/DGM-Gemeinschaftsgremium „Elektronenmikroskopie in der Materialforschung“ betreibt seit 2013 eine fraktographische online-Datenbank („FractoDB“), die für das interessierte Fachpublikum kostenfrei zur Verfügung steht. Die Analyse und Bewertung von Bruchflächen und der darauf befindlichen Bruchmerkmale ist ein wichtiger Teilaspekt der Schadensanalyse bei der Suche nach Schadensmechanismen und Schadensursachen. Risse und Brüche an realen Bauteilen können nur dann bewertet werden, wenn gut dokumentierte Vergleichsbrüche aus Laborversuchen zur Verfügung stehen, sei es an Proben oder an Vergleichs-Bauteilen. Daher trägt die AG Fraktographie Bildmaterial zusammen, führt systematisch Laborversuche und Ringversuche durch und analysiert Brüche aus Schadensfällen. Die gewonnenen Daten werden zu Datensätzen zusammengestellt und über die Datenbank zugänglich gemacht. Derzeit ist ein Bestand von über 400 Datensätzen mit insgesamt über 4.500 Bildern verfügbar, welcher durchsucht werden kann und in Anlehnung an die VDI 3822 organisiert ist. Weitere Aktivitäten der AG Fraktographie, die in der FractoDB abgebildet werden, sind u.a. die Entwicklung einer fraktographischen Symbolik und die Analyse von Bruchmerkmalen mittels Machine Learning. Über die aktuellen Ergebnisse und Planungen wird berichtet. N2 - Since 2013, the AG Fraktographie (Working Group (WG) Fractography) in the DVM/DGM Joint Committee “Elektronenmikroskopie in der Materialforschung” (Electron Microscopy in Materials Research) maintains a fractographic online database (“FractoDB”) available to interested professionals. When it comes to identifying failure mechanisms and causes of damage, the analysis and evaluation of fracture surfaces and their characteristics constitute important aspects of the failure analysis. Cracks and fractures in real components can only be assessed if well-documented comparative fractures from laboratory tests are available – be it in samples or in comparison components. The WG Fractography therefore gathers image material, systematically carries out laboratory and round robin tests, and analyzes fractures from damage cases. From the thus obtained data, datasets are compiled and made available via the database. Currently, a browsable inventory of more than 400 datasets with a total of more than 4500 images is available. It is organized in line with guideline VDI 3822. Other activities of the WG Fractography represented in the FractoDB include, amongst others, the development of a fractographic set of symbols and the analysis of fracture characteristics using machine learning. This contributbution reports on latest results and plans. KW - Fraktographie KW - Datenbank KW - Schadensanalyse KW - Bruchflächen KW - Machine Learning PY - 2023 DO - https://doi.org/10.1515/pm-2023-0048 SN - 0032-678X VL - 60 IS - 9 SP - 569 EP - 579 PB - De Gruyter CY - Berlin AN - OPUS4-58200 LA - mul AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - JOUR A1 - Schmies, Lennart A1 - Hemmleb, Matthias A1 - Bettge, Dirk T1 - Relevant input data for crack feature segmentation with deep learning on SEM imagery and topography data N2 - Fractography plays a critical role in failure analysis of engineering components and has a considerable importance for safety investigations. Usually, the interpretation of fracture surfaces is done by experts with the help of literature and experimental data, that requires a lot of experience. The use of deep learning (DL) with neural networks in failure analysis becomes more and more relevant with the rapidly developing possibilities. Especially, the modern network architectures can assist fractographers in determining various fracture features on SEM images of the fracture surfaces. The basis for the best possible evaluation is the understanding of the influence of the input data used for training deep neural networks (DNN). Therefore, this study discusses the influence of the selection of the input data used for the prediction quality of these networks in order to take this into account for future data acquisition. Specimens of various metallic materials were subjected to fatigue cracking experiment under laboratory conditions. The fractured surfaces were then imaged using various modes or detectors (such as SE, BSE and topography) in SEM, and those captured images were used to create a training data set. The relevance of the individual data for the quality of the prediction is determined by a specific combination of the different detector data. For the training, the well-established architecture of a UNet-ResNet34 with a fixed set of hyperparameters is used. It has been found in this present study that the combination of all input data significantly increases the prediction accuracy, whereby even the combination of SE and BSE data provides considerable advantages over the exclusive use of SE images. KW - Fractography KW - Machine Learning KW - Deep Learning KW - KI PY - 2023 DO - https://doi.org/10.1016/j.engfailanal.2023.107814 VL - 156 SP - 1 EP - 8 PB - Elsevier AN - OPUS4-58918 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - JOUR A1 - Lemiasheuski, Anton A1 - Bajer, Evgenia A1 - Oder, Gabriele A1 - Göbel, Artur A1 - Hesse, Rene A1 - Pfennig, A. A1 - Bettge, Dirk T1 - Entwicklung eines automatisierten 3D-Metallographie-Systems und erste Beispiele für die Anwendung in der Gefüge-Analyse T1 - Development of an automated 3D metallography system and some first application examples in microstructural analysis N2 - Die klassische Metallographie basiert auf Abbildungen einzelner Schliffebenen und kann auf räumliche Formen und Anordnungen des Gefüges nur bedingt schließen. Die Idee, aus metallographischen Serienschliffen dreidimensionale Gefügestrukturen zu rekonstruieren, ist daher naheliegend und nicht neu. Allerdings ist der Aufwand, in Handarbeit viele Einzel-Schliffe zu präparieren und zu Bildstapeln zusammenzusetzen, sehr hoch und steht einer häufigen Anwendung entgegen. Deshalb wird an der BAM ein Roboter-gestütztes 3D-Metallographie-System entwickelt, das an einer Schliffprobe die Schritte Präparation und Bildeinzug vollautomatisch mit vielen Wiederholungen ausführt. Die Präparation umfasst Schleifen, Polieren und optional Ätzen der Schlifffläche, der Bildeinzug autofokussierte lichtmikroskopische Aufnahmen bei mehreren Vergrößerungsstufen. Der erhaltene Bildstapel wird anschließend vorverarbeitet, segmentiert und in ein 3D-Modell umgesetzt, das einer mikrotomographischen Aufnahme ähnelt, allerdings mit besserer lateraler Auflösung bei großem Volumen. Im Gegensatz zu tomographischen Verfahren besteht die Möglichkeit der Kontrastierung durch klassische chemische Ätzung. Die Integration eines REMs ist geplant. Bislang durchgeführte Arbeiten verdeutlichen die Möglichkeiten der Darstellung von Heißgas-Korrosionsschichten, Grauguss-Werkstoffen und Keramik-basierten mikroelektronischen Strukturen (Vias). N2 - Traditional metallography relies on the imaging of individual section planes. However, conclusions as to spatial shapes and microstructural arrangements can only be drawn to a limited extent. The idea to reconstruct three-dimensional microstructures from metallographic serial sections is therefore obvious and not at all new. However, the manual process of preparing a great number of individual sections and assembling them into image stacks is time-consuming and laborious and therefore constitutes an obstacle to frequent use. This is why the Federal Institute for Materials Research and Testing, or BAM for short (Bundesanstalt für Materialforschung und -prüfung), is developing a robot-assisted 3D metallography system performing the tasks of preparation and image acquisition on a metallographic section fully automatically and repeatedly. Preparation includes grinding, polishing and optional etching of the section surface. Image acquisition is performed using a light optical microscope with autofocus at several magnification levels. The obtained image stack is then pre-processed, segmented and converted to a 3D model resembling a microtomographic image, but with a higher lateral resolution when large volumes are sampled. As opposed to tomographic techniques, it is possible to perform traditional chemical etching for contrasting. The integration of a SEM is in the planning stages. Studies conducted so far have demonstrated the possibility of visualizing hot gas corrosion layers, grey cast irons and ceramic-based microelectronic structures (vias). KW - 3D-Metallographie KW - Gefügeanalyse KW - Serienschnitte KW - Gefügerekonstruktion KW - 3D metallography KW - Microstructure analysis KW - Serial sectioning KW - Microstrucure reconstruction PY - 2023 DO - https://doi.org/10.1515/pm-2023-0057 SN - 0032-678X VL - 60 IS - 10 SP - 676 EP - 691 PB - De Gruyter CY - Berlin/Boston AN - OPUS4-58593 LA - mul AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bettge, Dirk A1 - Schmies, Lennart T1 - Die Fraktographische Online-Datenbank der AG Fraktographie – Entwicklungsstand und weitere Planung N2 - Vortrag zum aktuellen Stand der fraktographischen online-Datenbank. Darstellung des AGM/DVM Gemeinschaftsausschusses REM in der Materialforschung und seiner Arbeitsgruppen Fraktographie, EBSD und 2D/3D-Prüfung. Ziele und Inhalte der fraktographischen Datenbank, Aufruf zum Mitmachen. Durchführung von Vergleichsversuchen, Entwicklung einer fraktographischen Symbolik, Ringversuch, Vorhaben iFrakto mit Entwicklung einer KI-gestützten Bruchflächenanalyse. T2 - Metallographietagung 2023 CY - Leoben, Austria DA - 13.09.2023 KW - Fraktographie KW - Machine Learning KW - Datenbank PY - 2023 AN - OPUS4-58467 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -