Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 8 von 12
Zurück zur Trefferliste

Defect prediction on the Base of Thermographic features in Laser Powder Bed Fusion Utilizing Machine Learning Algorithms

  • Avoiding the formation of defects such as keyhole pores is a major challenge for the production of metal parts by Laser Powder Bed Fusion (LPBF). The use of in-situ monitoring by thermographic cameras is a promising approach to detect defects, however the data is hard to analyze by conventional algorithms. Therefore, we investigate the use of Machine Learning (ML) in this study, as it is a suitable tool to model complex processes with many influencing factors. A ML model for defect prediction is created based on features extracted from process thermograms. The porosity information calculated from an x-ray Micro Computed Tomography (µCT) scan is used as reference. Physical characteristics of the keyhole pore formation are incorporated into the model to increase the prediction accuracy. Based on the prediction result, the quality of the input data is inferred and future demands on in-situ monitoring of LPBF processes are derived.

Volltext Dateien herunterladen

  • 2022-08-18_Oster_AM_Bench_QI-Digital.pdf
    eng

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Simon OsterORCiD
Koautor*innen:Tina Becker, Philipp Peter Breese, Nils Scheuschner, Christiane Maierhofer, Alexander Ulbricht, Tobias Fritsch, Gunther Mohr, Simon Altenburg
Dokumenttyp:Vortrag
Veröffentlichungsform:Präsentation
Sprache:Englisch
Jahr der Erstveröffentlichung:2022
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.0 Abteilungsleitung und andere
8 Zerstörungsfreie Prüfung / 8.5 Röntgenbildgebung
9 Komponentensicherheit
9 Komponentensicherheit / 9.6 Additive Fertigung metallischer Komponenten
DDC-Klassifikation:Naturwissenschaften und Mathematik / Chemie / Analytische Chemie
Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten
Freie Schlagwörter:Defect prediction; In-situ Monitoring; Laser Powder Bed Fusion; Machine Learning; Thermography
Themenfelder/Aktivitätsfelder der BAM:Chemie und Prozesstechnik
Material
Material / Additive Fertigung
Veranstaltung:Additive Manufacturing Benchmarks 2022
Veranstaltungsort:Bethesda, MA, USA
Beginndatum der Veranstaltung:14.08.2022
Enddatum der Veranstaltung:18.08.2022
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:31.08.2022
Referierte Publikation:Nein
Eingeladener Vortrag:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.