Filtern
Dokumenttyp
- Vortrag (4)
- Beitrag zu einem Tagungsband (3)
- Zeitschriftenartikel (2)
Schlagworte
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (4)
Die zerstörungsfreie Prüfung von metallischen Bauteilen hergestellt mit additiver Fertigung (Additive Manufacturing - AM) gewinnt zunehmend an industrieller Bedeutung. Grund dafür ist die Feststellung von Qualität, Reproduzierbarkeit und damit auch Sicherheit für Bauteile, die mittels AM gefertigt wurden. Jedoch wird noch immer ex-situ geprüft, wobei Defekte (z.B. Poren, Risse etc.) erst nach Prozessabschluss entdeckt werden. Übersteigen Anzahl und/oder Abmessung die vorgegebenen Grenzwerte für diese Defekte, so kommt es zu Ausschuss, was angesichts sehr langer Bauprozessdauern äußerst unrentabel ist. Eine Schwierigkeit ist dabei, dass manche Defekte sich erst zeitverzögert zum eigentlichen Materialauftrag bilden, z.B. durch thermische Spannungen oder Schmelzbadaktivitäten. Dementsprechend sind reine Monitoringansätze zur Detektion ggf. nicht ausreichend.
Daher wird in dieser Arbeit ein Verfahren zur aktiven Thermografie an dem AM-Prozess Laser Powder Bed Fusion (L-PBF) untersucht. Das Bauteil wird mit Hilfe des defokussierten Prozesslasers bei geringer Laserleistung zwischen den einzelnen gefertigten Lagen unabhängig vom eigentlichen Bauprozess erwärmt. Die entstehende Wärmesignatur wird ort- und zeitaufgelöst durch eine Infrarotkamera erfasst. Durch diese der Lagenfertigung nachgelagerte Prüfung werden auch zum Bauprozess zeitversetzte Defektbildungen nachweisbar.
In dieser Arbeit finden die Untersuchungen als Proof-of-Concept, losgelöst vom AM-Prozess, an einem typischen metallischen Testkörper statt. Dieser besitzt eine Nut als oberflächlichen Defekt. Die durchgeführten Messungen finden an einer eigens entwickelten L-PBF-Forschungsanlage innerhalb der Prozesskammer statt. Damit wird ein neuartiger Ansatz zur aktiven Thermografie für L-PBF erforscht, der eine größere Bandbreite an Defektarten auffindbar macht. Der Ansatz wird validiert und Genauigkeit sowie Auflösungsvermögen geprüft. Eine Anwendung am AM-Prozess wird damit direkt forciert und die dafür benötigten Zusammenhänge werden präsentiert.
Die zerstörungsfreie Prüfung von metallischen Bauteilen hergestellt mit additiver Fertigung (Additive Manufacturing - AM) gewinnt zunehmend an industrieller Bedeutung. Grund dafür ist die Feststellung von Qualität, Reproduzierbarkeit und damit auch Sicherheit für Bauteile, die mittels AM gefertigt wurden. Jedoch wird noch immer ex-situ geprüft, wobei Defekte (z.B. Poren, Risse etc.) erst nach Prozessabschluss entdeckt werden. Übersteigen Anzahl und/oder Abmessung die vorgegebenen Grenzwerte für diese Defekte, so kommt es zu Ausschuss, was angesichts sehr langer Bauprozessdauern äußerst unrentabel ist. Eine Schwierigkeit ist dabei, dass manche Defekte sich erst zeitverzögert zum eigentlichen Materialauftrag bilden, z.B. durch thermische Spannungen oder Schmelzbadaktivitäten. Dementsprechend sind reine Monitoringansätze zur Detektion ggf. nicht ausreichend.
Daher wird in dieser Arbeit ein Verfahren zur aktiven Thermografie an dem AM-Prozess Laser Powder Bed Fusion (L-PBF) untersucht. Das Bauteil wird mit Hilfe des defokussierten Prozesslasers bei geringer Laserleistung zwischen den einzelnen gefertigten Lagen unabhängig vom eigentlichen Bauprozess erwärmt. Die entstehende Wärmesignatur wird ort- und zeitaufgelöst durch eine Infrarotkamera erfasst. Durch diese der Lagenfertigung nachgelagerte Prüfung werden auch zum Bauprozess zeitversetzte Defektbildungen nachweisbar.
In dieser Arbeit finden die Untersuchungen als Proof-of-Concept, losgelöst vom AM-Prozess, an einem typischen metallischen Testkörper statt. Dieser besitzt eine Nut als oberflächlichen Defekt. Die durchgeführten Messungen finden an einer eigens entwickelten L-PBF-Forschungsanlage innerhalb der Prozesskammer statt. Damit wird ein neuartiger Ansatz zur aktiven Thermografie für L-PBF erforscht, der eine größere Bandbreite an Defektarten auffindbar macht. Der Ansatz wird validiert und Genauigkeit sowie Auflösungsvermögen geprüft. Eine Anwendung am AM-Prozess wird damit direkt forciert und die dafür benötigten Zusammenhänge werden präsentiert.
In-situ monitoring of the Laser Powder Bed Fusion build process via bi- chromatic optical tomography
(2022)
As metal additive manufacturing (AM) is entering industrial serial production of safety relevant components, the need for reliable process qualification is growing continuously. Especially in strictly regulated industries, such as aviation, the use of AM is strongly dependent on ensuring consistent quality of components. Because of its numerous influencing factors, up to now, the metal AM process is not fully controllable. Today, expensive part qualification processes for each single component are common in industry.
This contribution focusses on bi-chromatic optical tomography as a new approach for AM in-situ quality control. In contrast to classical optical tomography, the emitted process radiation is monitored simultaneously with two temperature calibrated cameras at two separate wavelength bands. This approach allows one to estimate the local maximum temperatures during the manufacturing process, thus increases the comparability of monitoring data of different processes. A new process information level at low investment cost is reachable, compared to, e.g., infrared thermography.
Die additive Fertigung von metallischen Bauteilen (Additive Manufacturing - AM; auch 3D-Druck genannt) bietet eine Vielzahl an Vorteilen gegenüber konventionellen Fertigungsmethoden. Durch den schichtweisen Auftrag und das selektive Aufschmelzen von Metallpulver im Laser Powder Bed Fusion Prozess (L-PBF) sind u.a. optimierte und flexibel anpassbare Designs und die Nutzung von neuartigen Materialien möglich. Aufgrund der Komplexität des AM-Prozesses und der Menge an Einflussfaktoren ist eine Qualitätssicherung der gefertigten Bauteile unabdingbar. Verschiedene in-situ Monitoringansätze werden bereits angewendet, jedoch findet eine dedizierte Prüfung erst im Nachgang der Fertigung ex-situ statt. Der Grund dafür ist, dass die Entstehung von geometrischen Abweichungen und Defekten auch zeitversetzt zum eigentlichen Materialauftrag und damit auch zum Monitoring stattfinden kann. Die Notwendigkeit geeigneter in-situ Prüfmethoden für L-PBF, um die Erforderlichkeit einer Nacharbeitung frühzeitig festzustellen und Ausschuss zu vermeiden ist angesichts kostenintensiver Ausgangsstoffe und einer oftmals mehrstündigen bis mehrtägigen Prozessdauer besonders hoch.
Daraus motiviert wird im Rahmen des Projektes ATLAMP die Möglichkeit der aktiven Laserthermografie mit Hilfe des defokussierten Fertigungslasers untersucht. Damit ist, bei vergleichsweise geringer Laserleistung, eine zerstörungsfreie Prüfung mittels Flying Spot Thermografie möglich. Diese findet jeweils anschließend an die Fertigung einer Schicht statt, womit der reale Status des Bauteils im Verlauf des AM-Prozesses geprüft wird.
Als Grundlage dafür werden im Rahmen dieser Arbeit mit AM gefertigte, defektbehaftete Probekörper zunächst losgelöst vom Fertigungsprozess untersucht. Damit werden die Grundlagen für den neuartigen Ansatz der aktiven in-situ Laserthermografie im L-PBF-Prozess mittels des Fertigungslasers geschaffen. Auf diese Weise lassen sich auch zeitversetzt auftretende Defekte zerstörungsfrei im Prozessverlauf feststellen und eine aussagekräftige Qualitätssicherung des Ist-Zustands des Bauteils erreichen.
Great complexity characterizes Additive Manufacturing (AM) of metallic components via laser powder bed fusion (PBF-LB/M). Due to this, defects in the printed components (like cracks and pores) are still common. Monitoring methods are commercially used, but the relationship between process data and defect formation is not well understood yet. Furthermore, defects and deformations might develop with a temporal delay to the laser energy input. The component’s actual quality is consequently only determinable after the finished process.
To overcome this drawback, thermographic in-situ testing is introduced. The defocused process laser is utilized for nondestructive testing performed layer by layer throughout the build process. The results of the defect detection via infrared cameras are shown for a research PBF-LB/M machine.
This creates the basis for a shift from in-situ monitoring towards in-situ testing during the AM process. Defects are detected immediately inside the process chamber, and the actual component quality is determined.
The prediction of porosity is a crucial task for metal based additive manufacturing techniques such as laser powder bed fusion. Short wave infrared thermography as an in-situ monitoring tool enables the measurement of the surface radiosity during the laser exposure. Based on the thermogram data, the thermal history of the component can be reconstructed which is closely related to the resulting mechanical properties and to the formation of porosity in the part. In this study, we present a novel framework for the local prediction of porosity based on extracted features from thermogram data. The framework consists of a data pre-processing workflow and a supervised deep learning classifier architecture. The data pre-processing
workflow generates samples from thermogram feature data by including feature information from multiple subsequent layers.
Thereby, the prediction of the occurrence of complex process phenomena such as keyhole pores is enabled. A custom convolutional neural network model is used for classification. Themodel is trained and tested on a dataset from thermographic in-situ monitoring of the manufacturing of an AISI 316L stainless steel test component. The impact of the pre-processing parameters and the local void distribution on the classification performance is studied in detail. The presented model achieves an accuracy of 0.96 and an f1-Score of 0.86 for predicting keyhole porosity in small sub-volumes with a dimension of (700 × 700 × 50) μm3. Furthermore, we show that pre-processing parameters such as the porosity threshold for sample
labeling and the number of included subsequent layers are influential for the model performance. Moreover, the model prediction is shown to be sensitive to local porosity changes although it is trained on binary labeled data that disregards the actual sample porosity.
In this study, we present an enhanced deep learning framework for the prediction of porosity based on thermographic in-situ monitoring data of laser powder bed fusion processes. The manufacturing of two cuboid specimens from Haynes 282 (Ni-based alloy) powder was monitored by a short-wave infrared camera. We use thermogram feature data and x-ray computed tomography data to train a convolutional neural network classifier. The classifier is used to perform a multi-class prediction of the spatially resolved porosity level in small sub-volumes of the specimen bulk.
Great complexity characterizes Additive Manufacturing (AM) of metallic components via laser powder bed fusion (PBF-LB/M). Due to this, defects in the printed components (like cracks and pores) are still common. Monitoring methods are commercially used, but the relationship between process data and defect formation is not well understood yet. Furthermore, defects and deformations might develop with a temporal delay to the laser energy input. The component’s actual quality is consequently only determinable after the finished process.
To overcome this drawback, thermographic in-situ testing is introduced. The defocused process laser is utilized for nondestructive testing performed layer by layer throughout the build process. The results of the defect detection via infrared cameras are shown for a research PBF-LB/M machine.
This creates the basis for a shift from in-situ monitoring towards in-situ testing during the AM process. Defects are detected immediately inside the process chamber, and the actual component quality is determined.
Defects are still common in metal components built with Additive Manufacturing (AM). Process monitoring methods for laser powder bed fusion (PBF-LB/M) are used in industry, but relationships between monitoring data and defect formation are not fully understood yet. Additionally, defects and deformations may develop with a time delay to the laser energy input. Thus, currently, the component quality is only determinable after the finished process.
Here, active laser thermography, a non-destructive testing method, is adapted to PBF-LB/M, using the defocused process laser as heat source. The testing can be performed layer by layer throughout the manufacturing process. The results of the defect detection using infrared cameras are presented for a custom research PBF-LB/M machine. Our work enables a shift from post-process testing of components towards in-situ testing during the AM process. The actual component quality is evaluated in the process chamber and defects can be detected between layers.