WO2024104902A1 - Verfahren zur bereitstellung einer verfahrensanweisung für die additive fertigung mittels machinellen lernens - Google Patents

Verfahren zur bereitstellung einer verfahrensanweisung für die additive fertigung mittels machinellen lernens Download PDF

Info

Publication number
WO2024104902A1
WO2024104902A1 PCT/EP2023/081430 EP2023081430W WO2024104902A1 WO 2024104902 A1 WO2024104902 A1 WO 2024104902A1 EP 2023081430 W EP2023081430 W EP 2023081430W WO 2024104902 A1 WO2024104902 A1 WO 2024104902A1
Authority
WO
WIPO (PCT)
Prior art keywords
process instruction
data
instruction
component
additive manufacturing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2023/081430
Other languages
English (en)
French (fr)
Inventor
Katharina Eissing
Omar FERGANI
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
1000 Kelvin GmbH
Original Assignee
1000 Kelvin GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 1000 Kelvin GmbH filed Critical 1000 Kelvin GmbH
Priority to EP23804683.3A priority Critical patent/EP4619183A1/de
Publication of WO2024104902A1 publication Critical patent/WO2024104902A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/80—Data acquisition or data processing
    • B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/30—Process control
    • B22F10/36—Process control of energy beam parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/40—Structures for supporting 3D objects during manufacture and intended to be sacrificed after completion thereof

Definitions

  • the invention relates to a method for providing a process instruction for the additive manufacturing of a component with the process steps of reading in geometric data of the component, creating a layer structure of a building structure, wherein the building structure comprises the component, and creating a process instruction for the additive manufacturing of the building structure, wherein an ML algorithm is used to create the process instruction.
  • 3D printing or additive manufacturing is a comprehensive term for all manufacturing processes in which material is applied layer by layer to create three-dimensional components.
  • the layer-by-layer construction is computer-controlled from one or more liquid or solid materials according to specifications from a CAD/CAM system.
  • the layers can then be broken down into strips, particularly in the direct energy deposition process.
  • hatching a layer is divided into strips (hatches) or squares and vectors arranged in parallel are distributed within them.
  • powder bed-based technologies such as selective laser melting, the component is manufactured without further subdivision of the layers.
  • a print head or a laser is usually moved horizontally, i.e.
  • the build plate on which the workpiece is manufactured is usually moved vertically downwards, i.e. in the Z direction, and another layer is started.
  • the workpiece may experience problems such as cracking, deformation and a uneven crystal structure. In other cases, this may even lead to an entire manufacturing process having to be stopped.
  • a process plan is usually created only on the basis of the geometric design of a workpiece. If such a process plan is executed, it may lead to a phenomenon that a specific portion of the workpiece in a manufacturing process is overheated, for example, and it is difficult to effectively control the temperature of the workpiece.
  • in an additive manufacturing process it is impossible to change and adapt the process plan, especially during the manufacturing process, once a process plan is completely created.
  • the method according to the invention for providing a process instruction for the additive manufacturing of a component has three process steps: In the first process step, geometric data of the component is read in.
  • a layered structure of a construction structure is created, whereby the construction structure includes the component.
  • a manufacturing data set is generated from the data set created using the CAD program, which contains a preparation of the geometry of the workpiece in layers or discs (so-called slices) suitable for additive manufacturing. This transformation of the data is called slicing.
  • a process instruction for the additive manufacturing of the building structure is created, whereby an ML- Algorithm is used.
  • Process instructions are understood to be data that is made available to an additive manufacturer for the additive manufacture of the building structure. This includes the process parameters for the additive manufacturer and the definition of a tool path, such as one or more parameters from the group of power of the energy beam, irradiation time of individual vectors, pause time between the irradiation times of individual vectors, travel speed of the energy beam, change in the hatch distance between the vectors, the vector sequence, the vector length, vector orientation and/or changed geometry of the support structure.
  • the tool path usually consists of a large number of vectors arranged in a row that are traversed by the additive manufacturer.
  • the process instructions thus define a process control that the additive manufacturer carries out to additively manufacture a building structure.
  • a structure can be produced that does not overheat in particularly vulnerable areas during the manufacturing process and has a lower residual stress distribution in the cooled and post-processed state, which is relevant, for example, in the manufacture of turbine blades.
  • Additive manufacturing processes within the meaning of this application are processes in which the material from which a building structure is to be made is added to the building structure during its creation.
  • the building structure is created in its final form or at least approximately in this form, whereby then post-processing takes place.
  • the building structure to be manufactured has a support structure that includes one or more support points. This support structure is removed during post-processing.
  • the techniques that an additive manufacturer uses to produce a part include, for example, extrusion deposition or selective deposition modeling (SDM), techniques such as fused deposition modeling (FDM) and fused filament fabrication (FFF), stereolithography (SLA), polyjet printing (PJP), multijet printing (MJP), selective laser sintering (SLS), selective laser melting (SLM), three-dimensional printing (3DP), techniques such as color jet printing (CJP), directed energy deposition (DED) and the like.
  • SDM extrusion deposition or selective deposition modeling
  • FDM fused deposition modeling
  • FFF fused filament fabrication
  • SLA stereolithography
  • JP polyjet printing
  • MJP multijet printing
  • SLS selective laser sintering
  • SLM selective laser melting
  • 3DP three-dimensional printing
  • CJP directed energy deposition
  • DED directed energy deposition
  • Fused filament fabrication also known as fused deposition modeling or filament freeform fabrication
  • FFF fused deposition modeling or filament freeform fabrication
  • the filament is fed from a large spool through a moving, heated extruder head on the printer and deposited onto the growing workpiece.
  • the print head is moved under computer control to define the printed shape.
  • the head moves in two dimensions to deposit one horizontal plane or layer at a time; the workpiece or print head is then moved vertically by a small amount to begin a new layer.
  • the speed of the extruder head can also be controlled to stop and start deposition, creating a discontinuous plane without any threads or drips between sections.
  • Directed Energy Deposition refers to a category of additive manufacturing or 3D printing processes in which powder or wire is fed coaxially to an energy source (usually a laser) to form a molten or sintered layer on a substrate.
  • an energy source usually a laser
  • Melt filament printing is currently the most popular method for 3D printing, especially in the hobby sector. Other methods such as photopolymerization and Powder sintering can produce better results, but is significantly more expensive.
  • the 3D printer head or 3D printer extruder is a part in additive manufacturing by material extrusion that is responsible for melting or softening the raw material and forming it into a continuous profile.
  • thermoplastics such as acrylonitrile butadiene styrene (ABS), polylactic acid (PLA), polyethylene terephthalate glycol (PETG), polyethylene terephthalate (PET), high impact polystyrene (HIPS), thermoplastic polyurethane (TPU), and aliphatic polyamides (nylon).
  • ABS acrylonitrile butadiene styrene
  • PLA polylactic acid
  • PETG polyethylene terephthalate glycol
  • PET polyethylene terephthalate
  • HIPS high impact polystyrene
  • TPU thermoplastic polyurethane
  • aliphatic polyamides aliphatic polyamides
  • the method according to the invention for providing a method instruction for the additive manufacture of a building structure is computer-aided, whereby the term "computer-aided” is used in this document in such a way that one computer or several computers carry out or carry out at least one method step of the method.
  • Computers can be, for example, personal computers, servers, handheld computer systems, pocket PC devices, mobile radio devices and other communication devices that can process data in a computer-aided manner, as well as processors and other electronic devices for data processing, which can also be connected to form a network.
  • the starting point for additive manufacturing is a geometric description of the workpiece using a data set.
  • the data set for the structure of the component to be manufactured is created using 3D modeling software (e.g. a CAD program).
  • the data set contains the three-dimensional geometric data for production using the additive manufacturing process.
  • Random Forest Regression is a machine learning method of ensemble learning. An ensemble of several decision trees is combined and used for regression. This is supervised learning. Gradient boosted trees is another ensemble learning that can be applied for regression and classification. It is classified as supervised learning.
  • Deep learning is a method of machine learning. Most deep learning algorithms are deep neural networks (DNNs). They consist of many layers of linear and non-linear processing units, the artificial neurons. The more neurons and layers a neural network has, the more complex the issues that can be represented.
  • DNNs deep neural networks
  • RDFs Random Decision Forests
  • Deep learning is used wherever large amounts of data are examined for patterns and trends. In the context of AI, this happens in the following areas, for example: face, object or speech recognition.
  • CNN convolutional neural network
  • ConvNet convolutional neural network
  • Recurrent or feedback neural networks are neural networks that, in contrast to feedforward networks, are characterized by connections between neurons in one layer and neurons in the same or a previous layer. In the brain, this is the preferred way of connecting neural networks, especially in the neocortex.
  • artificial neural networks the recurrent connection of Model neurons are used to discover temporally encoded information in the data. Examples of such recurrent neural networks are the Elman network, the Jordan network, the Hopfield network and the fully interconnected neural network.
  • a convolutional neural network (CNN or ConvNet) is an artificial neural network. It is a concept in the field of machine learning inspired by biological processes. Convolutional neural networks are used in numerous artificial intelligence technologies, primarily in the machine processing of image or audio data.
  • Recurrent or feedback neural networks are neural networks that, in contrast to feedforward networks, are characterized by connections between neurons in one layer and neurons in the same or a previous layer. In the brain, this is the preferred way of connecting neural networks, especially in the neocortex.
  • the recurrent connection of model neurons is used to discover temporally encoded information in the data. Examples of such recurrent neural networks are the Elman network, the Jordan network, the Hopfield network and the fully connected neural network.
  • a process instruction comprises a geometric start (x,y,z) and a geometric end point (x,y,z) for each individual vector (exposure vector).
  • the laser power and/or the laser speed are included in a process instruction.
  • a process instruction has one or more elements of the following group of parameters: type of vector (fill, contour vector; overhang vector, surface vector), polygon that describes the outer boundaries of the part, start/end time of each vector, pause times between the vectors (forced (e.g.) for cooling or due to optical/mechanical conditions (so it cannot be done any faster)), pause times between the layers, coater times and information, build plate temperature, assignment of which vector is written by which laser, areas that the individual lasers can reach, continuous or pulsed vector, focus of the laser and which laser mode (per vector), rare: circular movements of the laser (wobble) and/or information about the gas used and its direction of flight in the build chamber.
  • type of vector fill, contour vector; overhang vector, surface vector
  • polygon that describes the outer boundaries of the part
  • start/end time of each vector pause times between the vectors (forced (e.g.) for cooling or due to optical/mechanical conditions (so it cannot be done any faster))
  • pause times between the layers coater
  • the ML algorithm is applied to an initial procedural instruction.
  • the initial procedural instruction is created without an ML algorithm.
  • the method according to the invention creates an initial process instruction for the additive manufacturing of a first construction structure and a process instruction for the additive manufacturing of a second construction structure, wherein the initial process instruction is created without an ML algorithm and the process instruction is created using an ML algorithm.
  • the two construction structures preferably have the same component but different support structures. One and the same component can therefore be produced using the two process instructions, wherein the process instruction is created on the basis of the initial process instruction.
  • the initial process instruction is optimized using an ML algorithm in such a way that the component that can be produced using the process instruction has an improved residual stress distribution and/or an improved temperature distribution, for example to avoid local and/or global overheating.
  • ML data is read from a database for use of the ML algorithm.
  • ML data is data that is used by an ML algorithm to create a process instruction. This data is stored in a database, which is separate in a further development of the invention.
  • a computer unit in the sense of the invention includes all electronic devices with data processing properties.
  • a computer unit is thus, for example, a personal computer, server, handheld computer system, pocket PC device, mobile phone device and another communication device that can process data with the aid of a computer, as well as processors and other electronic devices for data processing, which can also be connected to form a network.
  • a The computer unit also has a storage unit or is connected to a storage unit.
  • the storage unit is optionally designed as a database and is also optionally arranged separately from the computer unit.
  • the ML data contains data from different manufacturing processes for additive manufacturing.
  • the data of the ML data is created for different CAM processes, wherein CAM processes include laser and/or electron beam powder bed fusion, direct energy deposition (DED) binder jetting, fused filament fabrication (FFF), melt filament printing and/or other non-abrasive computer-aided manufacturing processes that rely on a tool path with process parameters assigned to it.
  • CAM processes include laser and/or electron beam powder bed fusion, direct energy deposition (DED) binder jetting, fused filament fabrication (FFF), melt filament printing and/or other non-abrasive computer-aided manufacturing processes that rely on a tool path with process parameters assigned to it.
  • Different additive manufacturers use different CAM processes to manufacture a component.
  • the data includes the possible process parameters of the additive manufacturer, the possible travel speeds, the possible travel paths of the component to the additive manufacturer.
  • the data is different for different additive manufacturers and is therefore used to create the process instructions. At the same time, it is possible to create process instructions
  • experimental data and/or simulation data are used to use the ML algorithm.
  • the experimental data include the local temperature, power of the energy beam, irradiation time of individual vectors, pause time between the irradiation times of individual vectors and/or the travel speed of the energy beam.
  • Experimental data include experimentally determined data.
  • the experimental data include data of a building structure that was recorded in-situ in real time and/or in previous manufacturing processes.
  • the creation of the process instruction can include data that is recorded based on real, non-simulated manufacturing processes.
  • calculated data is determined from the experimental data.
  • experimental data are recorded in-situ in an advantageous embodiment of the invention during the implementation of a first part of the process instruction for producing a first section of the component.
  • a first section of the component can be additively manufactured using the process instruction.
  • the process instruction is therefore an initial process instruction, in other words a first part of the process instruction with which a first section of the component can be additively manufactured.
  • the entire component can be manufactured using the process instruction.
  • the first section of the component is, for example, a layer; the first part of the process instruction accordingly comprises a process instruction for the additive manufacturing of the first layer of the component.
  • the first section can also comprise a layer sequence consisting of several layers or parts of layers.
  • the detection device is a temperature detection device configured to measure an irradiation point temperature of the component, an imaging device configured to measure a light emission amount in order to detect a generated spray or atomization amount, an imaging device configured to capture a mold surface image of the component or an imaging device configured to detect a melt pool size.
  • a second part of the process instruction for the production of the component is created from the experimental data recorded in situ during the execution of the process instruction.
  • the recorded experimental data is sent to the second storage device and also stored in the second storage device.
  • This experimental data is read in, calculated data is determined from the experimental data.
  • the ML algorithm is applied to this calculated data and a second part of the process instruction is created during the execution of the initial process instruction.
  • the second part of the process instruction is created for the production of a second section of the component.
  • the second part of the In a further embodiment of the invention, the process instruction has modified parameters for the production of the second section of the component compared to the initial process instruction.
  • the modified parameters comprise one or more parameters from the group of power of the energy beam, irradiation time of individual vectors, pause time between the irradiation times of individual vectors, travel speed of the energy beam, change in the hatch distance between the vectors, the vector sequence, the vector length, vector orientation and/or modified geometry of the support structure.
  • a third process instruction for additive manufacturing of a third layer of the component is generated using the ML algorithm, and so on, with every nth process instruction being created on the basis of the (n-1)th process instruction using the ML algorithm.
  • the initial process instruction was created on a first computer unit and the process instruction is created on a second computer unit, the first computer unit being different from the second computer unit.
  • the two different computer units preferably also differ in their location and particularly preferably in the access rights that a user has to the computer units.
  • a user with access rights to the second computer unit can transfer process instructions to these, e.g. those created by the user himself, which are used by the second computer unit to create a process instruction.
  • the method according to the invention therefore enables users to access a computer unit to create a process instruction that is optimized with regard to its residual stress distribution.
  • the initial process instruction was created with a first software program and the process instruction is created with a second software program, whereby the first software program is different from the second software program.
  • the formalized processes of the two different methods are implemented and processed using different software.
  • the method carried out by the first software is different from the method carried out by the second software.
  • the second software uses an ML and/or AI algorithm to create the second method instruction, which is different from the first software to create the first method instruction.
  • the first software optionally does not use an ML and/or AI algorithm.
  • the first construction structure is different from the second construction structure.
  • the first construction structure comprises the component and a first support structure
  • the second construction structure comprises the component and a second support structure, the first support structure being different from the second support structure.
  • the two construction structures preferably have the same component but different support structures. One and the same component can therefore be produced using the first and second process instructions, the second process instruction being created on the basis of the first process instruction.
  • the initial process instruction is created using a first method
  • the process instruction is created using a second method, whereby the first method is different from the second method.
  • a method within the meaning of the invention is a systematic and targeted approach for creating a process instruction for the additive manufacture of a building structure using formalized processes.
  • the formalized processes are defined, for example, in a computer program.
  • the first method for creating the initial procedural instruction comprises the use of a first software and the second method for creating the procedural instruction comprises the use of a second software, wherein the first software is different from the second software.
  • the initial process instruction is created with a first software program
  • the process instruction is created with a second software program, wherein the first software program is controlled by the second software program is different.
  • the formalized processes of the two different methods are implemented and processed using different software.
  • the method carried out by the first software is different from the method carried out by the second software.
  • the second software uses an ML and/or AI algorithm to create the method instruction, which is different from the first software used to create the initial method instruction.
  • the first software optionally does not use an ML and/or AI algorithm.
  • the initial process instruction is created using a first data set.
  • the first data set contains machine data of the additive manufacturer for which the initial process instruction is to be created, as well as component data, simulation data of the temperature distribution in the building structure during the manufacturing process and/or experimental data.
  • the process instruction is created using a second data set.
  • the first data set is different from the second data set.
  • the second data set preferably contains empirical data.
  • the empirical data contains data that was recorded and created using one or more previous additive manufacturing processes for components or building structures as well as the process instructions specific to each component.
  • the empirical data includes machine data of the additive manufacturer for which the process instruction is to be created, as well as component data, simulation data of the temperature distribution in the building structure during the manufacturing process and/or experimental data.
  • the second data set comprises experimental data, component data, experience data and/or machine data.
  • the second data set comprises experimental data, component data, experience data and/or machine data from different additive manufacturing processes.
  • the second data set comprises Experimental data, component data, experience data and/or machine data from different additive manufacturers.
  • the machine data includes the possible process parameters of the additive manufacturer, the possible travel speeds, the possible travel paths of the component to the additive manufacturer.
  • Machine data are different for different additive manufacturers and are therefore used to create the process instructions.
  • the method according to the invention can therefore be used for different additive manufacturers.
  • the component data includes the geometry of the building structure, the geometry of the component and/or material data, and the material data includes the phases, the concentration of the phases, the microstructure, the mechanical properties, the melting temperature and/or the boiling temperature.
  • a building structure to be manufactured often contains thin-walled or overhanging structures. In these areas, the body provides a much smaller local thermal capacity, so that the structure can overheat locally using standard process parameters. This leads, for example, to undesirably large melt pools, which hinder the manufacturing process by forming large melt beads.
  • Appropriate data must be stored in the database for all possible combinations of process and material parameters. In the individual application, the appropriate data must be retrieved from the database and taken into account when calculating the temperature development.
  • the simulation data includes calculated data that was determined on the basis of a model and one or predefined parameters.
  • the simulation data includes data about a building structure in which the shrinkage and the formation of structural stresses are taken into account during shaping by producing a geometry of the building structure that is modified using the simulation process and that takes on the desired geometry of the building structure due to the stresses and shrinkages.
  • the experimental data includes data obtained experimentally.
  • the experimental data includes data of a building structure that was created in-situ in real time and/or in previous manufacturing processes. With the experimental data, the creation of the second process instruction can include data that is collected based on real, non-simulated manufacturing processes.
  • the second data set is used for an ML/AI algorithm.
  • the process instruction is created using an ML/AI algorithm.
  • the data of the initial process instruction are transferred to the second computer unit, wherein the data of the initial process instruction include the structural geometry, the component geometry, the irradiation path of an energy beam, the exposure vectors and/or the process parameters of the beam source and/or the process parameters for influencing the energy input into the structural structure.
  • the initial process instruction provides basic data and process parameters for the additive manufacture of a structural structure, which is the basis for creating a process instruction. Using the process instruction, a structural structure can be produced that does not overheat in particularly vulnerable areas during the manufacturing process and has a lower residual stress distribution when cooled and reworked, which is relevant, for example, in the manufacture of turbine blades.
  • the data of the initial procedure instruction are transferred to the second computer unit via a public network.
  • Users have access to the public network. Users can transfer their own procedure instructions to the public network and/or download procedure instructions stored on the public network from the public network.
  • the procedure instructions created by the user can also have different file formats.
  • the data of the process instruction are transferred to the first computer unit.
  • the data of the process instruction are transferred to the first computer unit via a public network.
  • the data of the second process instruction are optionally sent from the first computer unit to the additive manufacturer and the construction structure is additively manufactured using the process instruction.
  • the second computer unit is suitable for reading in initial procedural instructions in different data formats.
  • the procedural instructions transferred by users to the public network can have different file formats that are read in by the second computer unit and used to create the procedural instructions.
  • the second computer unit is implemented in a cloud environment.
  • the second computer unit is suitable for creating process instructions in different data formats.
  • the process instructions can also be read in by additive manufacturers of different designs and used to produce a building structure.
  • the initial process instruction comprises the irradiation path of an energy beam, the exposure vectors, the process parameters of the beam source and/or the process parameters for influencing the energy input into the building structure.
  • Process parameters are all variables that influence the manufacturing process using additive manufacturing. Process parameters are all variables that influence the process.
  • the additive manufacturer requires process parameters to manufacture the component, e.g. the height of the layers to be manufactured, the orientation of the vectors, i.e. the direction and length of the path that the tool describes on the surface of the component to be manufactured.
  • the method according to the invention creates an initial process instruction and a process instruction for a specific material, which is intended for processing by additive manufacturing.
  • the process parameters used depend on the additive manufacturer producing the component.
  • the tool path usually has a number of vectors arranged in a row that are followed by the additive manufacturer.
  • the process instructions thus define a process control that is carried out by the additive manufacturer for additive manufacturing.
  • the heat dissipation in the building structure is slower the warmer the building structure is.
  • the vector length influences the temperature development in that the repeated heating of neighboring points is spaced further apart in time due to the parallel position of successively exposed vectors.
  • Another important influencing factor is the mass distribution around the vectors, as this directly influences the heat flow and thus the risk of overheating.
  • the process parameters for influencing the energy input into the structure include the power of the energy beam, the irradiation times of individual vectors, the pause times between the irradiation times of individual vectors, the travel speed of the energy beam, the hatch distance between the vectors, the vector sequence, the vector length and/or the vector orientation. In this way, overheating in endangered areas of the component can be prevented.
  • Process parameters are understood to be all variables that influence the manufacturing process using additive manufacturing.
  • data from the initial process instruction are read in and/or entered to create the process instruction, wherein the data from the initial process instruction include the structure geometry, the component geometry, the irradiation path of an energy beam, the exposure vectors and/or the process parameters of the beam source and/or the process parameters for influencing the energy input into the structure.
  • the initial process instruction provides basic data and process parameters for the additive manufacture of a structure, the basis for creating a Process instruction. Using the process instruction, a structure can be produced that does not overheat in particularly vulnerable areas during the manufacturing process and has a lower residual stress distribution when cooled and reworked, which is relevant, for example, in the manufacture of turbine blades.
  • machine data of the additive manufacturer are read in and/or entered and/or used to create the process instructions, the machine data including the possible process parameters of the additive manufacturer, the possible travel speeds, the possible travel paths of the component to the additive manufacturer.
  • Machine data are different for different additive manufacturers and are therefore used to create the process instructions.
  • the method according to the invention can therefore be used for different additive manufacturers.
  • the component data is read in and/or entered for the creation of the process instructions and/or used for the creation of the process instructions, wherein the component data includes the geometry of the structure, the geometry of the component and/or material data, and wherein the material data includes the phases, the concentration of the phases, the microstructure, the mechanical characteristics, the melting temperature and/or the boiling temperature.
  • a structure to be manufactured often contains thin-walled or overhanging structures. In these areas, the body provides a much smaller thermal capacity locally, so that the structure can overheat locally using standard process parameters. This leads, for example, to undesirably large melt pools, which hinder the manufacturing process by forming large melt beads.
  • corresponding data must be stored in the database and/or in an ML model for predicting process parameters, such as temperature.
  • simulation data is read in and/or entered for the creation of the process instruction and/or used for the creation of the process instruction, wherein the simulation data comprises calculated data that was determined on the basis of a model and set or predetermined parameters.
  • the simulation data contains data about a building structure in which the shrinkage and the formation of structural stresses are taken into account during shaping by producing a geometry of the building structure modified by means of the simulation method, which assumes the desired geometry of the building structure due to the stresses and shrinkages.
  • experimental data is read in and/or entered for the creation of the process instruction and/or used for the creation of the process instruction, wherein the experimental data comprises experimentally determined data.
  • the experimental data comprises data of a building structure that was created in-situ in real time and/or in previous manufacturing processes.
  • the creation of the second process instruction can include data that is recorded on the basis of real, non-simulated manufacturing processes.
  • process parameters of the second process instruction are determined using an ML and/or AI algorithm to create the second process instruction.
  • the ML and/or AI algorithm can use different methods to determine the process parameters.
  • the ML and/or AI algorithm uses empirical data to determine the process parameters of the process instruction, wherein the empirical data includes machine data, component data, simulation data and/or experimental data.
  • the empirical data comprises data that was obtained by means of one or more previous additive manufacturing processes of components or Building structures and the specific procedural instructions for each component were recorded and created. This data is stored in a database. In individual applications, the appropriate data must be retrieved from the database and used to calculate the temperature development using an ML and/or Al algorithm.
  • the experience data includes machine data from different additive manufacturers.
  • the different additive manufacturers include additive manufacturers of different designs.
  • the different additive manufacturers use different CAM processes to manufacture a component.
  • the machine data includes the possible process parameters of the additive manufacturer, the possible travel speeds, the possible travel paths of the component to the additive manufacturer.
  • Machine data is different for different additive manufacturers and is therefore used to create the second process instruction.
  • it is possible to create process instructions for different additive manufacturers, the method according to the invention can therefore be used for different additive manufacturers.
  • the empirical data includes data from different CAM processes, wherein CAM processes include laser and/or electron beam powder bed fusion, direct energy deposition (DED), binder jetting and/or other non-abrasive computer-aided manufacturing processes that are based on a tool path with process parameters assigned to it.
  • CAM processes include laser and/or electron beam powder bed fusion, direct energy deposition (DED), binder jetting and/or other non-abrasive computer-aided manufacturing processes that are based on a tool path with process parameters assigned to it.
  • DED direct energy deposition
  • binder jetting binder jetting
  • other non-abrasive computer-aided manufacturing processes that are based on a tool path with process parameters assigned to it.
  • the method instruction comprises, compared to the initial method instruction, modified values of the power of the energy beam, the irradiation times of individual vectors, the pause times between the irradiation times of individual vectors, the travel speed of the energy beam, the Increasing the hatch distance between the vectors, the vector sequence, the vector length, and/or the vector orientation.
  • the structure manufactured according to the process instructions and/or the component manufactured according to the process instructions has mechanical characteristics that are different from those of a structure manufactured according to the initial process instructions and/or a component manufactured according to the initial process instructions.
  • the mechanical characteristics include the residual stress distribution in the structure and/or the component.
  • the component manufactured according to the process instructions advantageously has a minimized residual stress distribution. The mechanical characteristics of the component are significantly improved compared to previously known methods. Using the method according to the invention, local overheating is avoided, the quality of the finished product is increased and the production yield is increased by producing less scrap.
  • a modified residual stress distribution is generated in the structural element manufactured according to the process instructions and/or in the component manufactured according to the process instructions compared to a structural element manufactured according to the initial process instructions and/or a component manufactured according to the initial process instructions.
  • the component manufactured according to the process instructions advantageously has a minimized residual stress distribution.
  • the mechanical characteristics of the component are significantly improved compared to previously known processes.
  • local overheating is avoided, the quality of the finished product is increased and the production yield is increased by producing less scrap.
  • the structure manufactured according to the process instruction has a different geometry than a structure manufactured according to the initial process instruction.
  • a geometry in the sense of the invention is a spatial arrangement and includes properties such as angle, thickness and structure of the structure.
  • the changed geometry includes the geometry of the component.
  • the changed geometry includes the geometry of the support structure.
  • the structure manufactured according to the process instruction has a support structure with a different geometry than a structure manufactured according to the initial process instruction in such a way that the support structure has different attachment points on the component, so that the residual stress distribution in the manufactured component is changed.
  • the first method for creating the initial process instruction accesses a first set of empirical data and the second method accesses a second set of empirical data for creating the process instruction, wherein the first set of empirical data is different from the second set of empirical data.
  • the first set of empirical data comprises data that was recorded and created using one or more previous additive manufacturing processes for components or building structures as well as the process instructions specific to each component.
  • the empirical data includes machine data from the additive manufacturer for which the initial process instruction is to be created, as well as component data, simulation data of the temperature distribution in the building structure during the manufacturing process and/or experimental data.
  • the second set of empirical data comprises the machine data from the additive manufacturer, component data, simulation data and/or experimental data for determining the process parameters of the process instruction.
  • the first set of experience data is stored on a first storage device and the second set of experience data is stored on a second storage device, wherein the first storage device is different from the second storage device.
  • a storage device is understood to mean, for example, a computer-readable memory in the form of a random access memory (RAM) or a hard drive. Cloud storage is also possible.
  • the additive manufacturing of a component comprises CAM processes, wherein CAM processes comprise laser and/or electron beam powder bed fusion, direct energy deposition (DED), binder jetting and/or other non-abrasive computer-aided manufacturing processes that are based on a tool path with process parameters assigned to it.
  • CAM processes comprise laser and/or electron beam powder bed fusion, direct energy deposition (DED), binder jetting and/or other non-abrasive computer-aided manufacturing processes that are based on a tool path with process parameters assigned to it.
  • DED direct energy deposition
  • binder jetting binder jetting
  • other non-abrasive computer-aided manufacturing processes that are based on a tool path with process parameters assigned to it.
  • Embodiments of the method according to the invention for providing a process instruction for the additive manufacturing of a component are shown in a simplified schematic form in the drawings and are explained in more detail in the following description.
  • Fig. 1 Prior art method for providing a
  • Fig. 2 Inventive method for providing a procedural instruction
  • Fig. 3 Inventive method for providing a method instruction, two different software programs
  • Fig. 4 Inventive method for providing a process instruction, two different software programs and manufacturing a first section of the component
  • Fig. 5 Inventive method for providing a method instruction
  • Fig. 6 Inventive method for providing a process instruction, two different computer units and production of a first section of the component
  • Fig. 7 Inventive method for providing a method instruction, two different computer units and two different software programs
  • Fig. 8 Inventive method for providing a method instruction, two different computer units, two different software programs and production of a first section of the component
  • Fig. 9 Flowchart of the method according to the invention for providing a method instruction, separate computer units
  • Fig. 10 Flowchart of the method according to the invention for providing a process instruction, separate computer units and manufacturing a first section of the component
  • Fig. 11 Flowchart of the method according to the invention for providing a method instruction, separate computer units and separate software programs
  • Fig. 12 Flowchart of the method according to the invention for providing a method instruction, separate computer units, separate software programs and production of a first section of the component
  • Fig. 1 shows an embodiment of a method for providing a process instruction, as is known from the prior art.
  • the starting point for carrying out additive manufacturing is a description of the workpiece using a data set.
  • the data set for the structure of the component to be manufactured is created using 3D modeling software (e.g. a CAD program).
  • the data set contains the three-dimensional data for preparation for production using the additive manufacturing process.
  • preprocessing 110 on the construction platform in such a way that the data set includes a volume model of the component to be manufactured and is exported in another form that represents the self-contained surface geometry of the object.
  • a manufacturing data set is generated from the data set, which contains a preparation of the geometry of the workpiece in layers or discs (so-called slices) suitable for additive manufacturing. This transformation of the data is referred to as slicing 120.
  • the additive manufacturer requires further process parameters and tool paths for production, e.g. the height of the layers to be produced, the alignment of the writing vectors, i.e. the direction and length of the path.
  • process parameters and tool paths are generated in the following process step 130 and sent to the additive manufacturer 300a/b.
  • the structure described using the CAD process CAD is additively manufactured layer by layer in the additive manufacturer using the CAM process.
  • a process instruction is created to produce a building structure using Directed Energy Deposition (DED).
  • DED Directed Energy Deposition
  • a powder or a wire is fed coaxially to a laser to form a molten or sintered layer on a substrate.
  • support structures are often necessary to attach the parts to the building plate and to secure overhangs.
  • the workpiece is 3D modeled using a data set that is created using a CAD program. This is followed by preprocessing 110 on the construction platform, followed by slicing 120.
  • an initial process instruction is generated 100, whereby the data of the initial process instruction includes the construction structure geometry, the component geometry and the process parameters for influencing the energy input into the construction structure.
  • these data of the initial procedural instruction are read in 220, an ML algorithm AI/ML is applied to these data of the initial procedural instruction and used to create 200 the procedural instruction.
  • an ML and/or AI algorithm AI/ML is used to create 200 the procedural instructions, which uses reinforcement learning.
  • Reinforcement learning or reinforcement learning refers to a series of machine learning methods in which an agent independently learns a strategy in order to maximize the rewards received. The agent is not shown which action is the best in which situation, but rather receives a reward at certain times through interaction with its environment, which can also be negative.
  • Other possibilities are the use of an ML and/or AI algorithm that uses supervised learning or unsupervised learning or intermediate stages of supervised learning or unsupervised learning. Deep learning can also be used.
  • the process instruction is sent to the additive manufacturer 300a/b, and the building structure to be manufactured is additively manufactured using the process instruction M.
  • Fig. 3 and Fig. 4 each show an embodiment of the method according to the invention, wherein the initial method instruction is created 100 using a first method PROG1 and the method instruction is created 200 using a second method PROG2 that is different from the first method PROG1.
  • the first method PROG1 and the second method PROG2 are formalized processes that are defined in a first software program PROG1 and in a second software program PROG2.
  • the two software programs PROG1, PROG2 are different from one another.
  • the workpiece is 3D modelled using a data set created using a CAD program. This is followed by pre-processing 110 on the construction platform using the first method PROG1, followed by slicing 120.
  • the first method is also used to PR0G1 generates an initial process instruction 100, whereby the data of the initial process instruction includes the building structure geometry, the component geometry and the process parameters for influencing the energy input into the building structure. These data and process parameters depend on the material of the building structure and on the CAM process that the additive manufacturer uses to manufacture the building structure or the component.
  • the initial process instruction is created without an ML algorithm.
  • the first method PROG1 accesses 140 a first set of empirical data that is stored on a first storage device DB1.
  • the first set of empirical data comprises data that was recorded and created using one or more previous additive manufacturing processes for components or building structures as well as the process instructions specific to each component.
  • the empirical data includes machine data of the additive manufacturer for which the initial process instruction is to be created, as well as component data, simulation data of the temperature distribution in the building structure during the manufacturing process, and/or experimental data.
  • the data and process parameters of the first process instruction created using the first method PROG1 are read in using the second method PROG2 to create 200 the second process instruction.
  • machine data of the additive manufacturer used to manufacture M the building structure or component are read in and/or entered 210 and used to create 200 the process instruction.
  • the machine data include the possible process parameters of the additive manufacturer, the possible travel speeds, the possible travel paths of the component to the additive manufacturer.
  • Component data are also read in and/or entered 210 for the creation 200 of the process instruction and used for the creation 200 of the process instruction.
  • the component data include the geometry of the building structure, the geometry of the component and/or material data, whereby the material data includes the phases and the concentration of the phases in given temperature profile, the microstructure, the mechanical properties, the melting temperature and/or the boiling temperature.
  • simulation data is read in and/or entered 210 to create 200 the procedural instruction.
  • the simulation data includes calculated data that was determined on the basis of a model and entered or specified parameters.
  • experimental data are read in and/or entered 210 to create 200 the process instruction.
  • the experimental data include experimentally determined data and process parameters that are determined in real time during the manufacturing process M of the building structure and/or were determined from previous manufacturing processes.
  • Machine data of the additive manufacturer, component data, simulation data and experimental data are stored on a second storage device DB2 and are loaded from there to create 200 the process instruction.
  • the process instruction contains process parameters that are advantageously determined using an ML algorithm AI/ML.
  • the ML algorithm uses empirical data to determine the process parameters of the second process instruction, the empirical data comprising the machine data of the additive manufacturer, component data, simulation data and/or experimental data that are stored on the second storage device DB2.
  • the process instruction is sent to the additive manufacturer 300a/b (Fig. 3), and the building structure to be manufactured is additively manufactured layer by layer using the process instruction M.
  • only a first section of the component M is additively manufactured by means of the process instruction.
  • the process instruction created as described is therefore an initial process instruction, in other words a first part of the Process instruction with which a first section of the component is additively manufactured M.
  • the entire component can be manufactured using the complete process instruction as generated in Fig. 3.
  • the first section of the component is a layer, and the first part of the process instruction is accordingly a process instruction for additive manufacturing M of the first layer of the component.
  • the ML algorithm AI/ML is applied to the initial process instruction (Fig. 4).
  • the production area in which the building structure is additively manufactured has a detection device S1 for this purpose (Fig. 4).
  • the detection device S1 By means of the detection device S1, in-situ experimental data of the production process are recorded in real time during the production of the first section of the building structure.
  • the detection device S1 has a temperature detection device that records the temperature of the layer that is currently being additively applied.
  • Other possibilities are imaging devices that record the melt pool sizes, a mold surface image and/or the spray or atomization quantity.
  • the experimental data recorded by means of the detection device S1 also include, for example, the power of the energy beam, irradiation time of individual vectors, pause time between the irradiation times of individual vectors, and/or the travel speed of the energy beam.
  • the recorded experimental data are sent to the second storage device DB2 and also stored in the second storage device DB2. These experimental data are read in by the second method PROG2 220, calculated data are determined from the experimental data.
  • the ML algorithm AI/ML is applied to these calculated data and, during the execution of the initial process instruction, a second part of the process instruction for the production M of a second section of the component, i.e. a second layer of the component, is created 200.
  • the second part of the process instruction has modified parameters for the production M of the second section of the component compared to the initial process instruction.
  • the modified parameters include one or more parameters from the group of power of the energy beam, irradiation time of individual vectors, pause time between the Irradiation times of individual vectors, travel speed of the energy beam, change in the hatch distance between the vectors, the vector sequence, the vector length, vector orientation and/or changed geometry of the support structure.
  • a third process instruction for additive manufacturing of a third layer of the component is generated using the ML algorithm AI/ML, and so on, with every nth process instruction being created on the basis of the (n-1)th process instruction using the ML algorithm AI/ML.
  • FIG. 5 A further embodiment of the method according to the invention is shown in Fig. 5 and Fig. 6.
  • the initial process instruction is created on a first computer unit COMP1 100 and the process instruction is created on a second computer unit COMP2 200.
  • a 3D model of the workpiece is created on the first computer unit COMP1 using a data set that is created using a CAD program. This is followed by preprocessing 110 on the construction platform, followed by slicing 120.
  • an initial process instruction is generated 100, whereby the data of the initial process instruction includes the construction structure geometry, the component geometry and the process parameters for influencing the energy input into the construction structure.
  • these data of the initial process instruction are read in 220 by the second computer unit COMP2 and used to create 200 the process instruction.
  • the process instruction is sent to the additive manufacturer 300a/b, and the building structure to be manufactured is additively manufactured using the process instruction M.
  • the initial process instruction created preferably only a first section of the component can be manufactured additively.
  • the detection device S1 in-situ experimental data of the manufacturing process are recorded in real time during the manufacture of the first section of the structure (Fig. 6).
  • the recorded experimental data are sent to the second computer unit C0MP2 and also stored in the second storage device DB2.
  • These experimental data are read in 220 and calculated data are determined from the experimental data.
  • the ML algorithm AI/ML is applied to these calculated data and a second part of the process instruction for the manufacture M of a second section of the component, i.e. a second layer of the component, is created 200.
  • a third process instruction for additive manufacturing of a third section of the component is generated using the ML algorithm AI/ML, and so on, with every nth process instruction being created on the basis of the (n-1)th process instruction.
  • Fig. 7 and Fig. 8 show the preferred embodiment of the method according to the invention.
  • the initial method instruction is created on a first computer unit COMP1 using a first method PROG1 100.
  • the method instruction is created on a second computer unit COMP2 using a second method PROG2 200.
  • the first computer unit COMP1 comprises the first storage device DB1
  • the second computer unit COMP2 comprises the second storage device DB2.
  • the first method PROG1 is different from the second method PROG2
  • the first computer unit COMP1 is different from the second computer unit COMP2
  • the first storage device DB1 is different from the second storage device DB2.
  • the workpiece is 3D modelled using a data set created using a CAD program. This is followed by pre-processing 110 on the construction platform using the first method PROG1, followed by slicing 120.
  • the first method is also used to PR0G1 generates 100 a first process instruction on the first computer unit COMP1, wherein the data of the first process instruction includes the building structure geometry, the component geometry and the process parameters for influencing the energy input into the building structure.
  • the data of the first process instruction includes the building structure geometry, the component geometry and the process parameters for influencing the energy input into the building structure.
  • the first method PROG1 accesses 140 a first set of empirical data that is stored on a first storage device DB1.
  • the first set of empirical data comprises data that was recorded and created using one or more previous additive manufacturing processes for components or building structures as well as the process instructions specific to each component.
  • the empirical data includes machine data of the additive manufacturer for which the initial process instruction is to be created, as well as component data, simulation data of the temperature distribution in the building structure during the manufacturing process and/or experimental data.
  • the data and process parameters of the initial process instruction created using the first method PROG1 are read into the second computer unit COMP2 using the second method PROG2 to create 200 the process instruction.
  • Machine data of the additive manufacturer, component data, simulation data and experimental data are stored on a second storage device DB2 and are loaded 210 from this to create 200 the process instruction.
  • the process instruction contains process parameters that are also determined using an ML algorithm.
  • the ML algorithm uses empirical data to determine the process parameters of the process instruction, the empirical data comprising the machine data of the additive manufacturer, component data, simulation data and/or experimental data that are stored on the second storage device DB2.
  • the process instruction is sent to the additive manufacturer 300a/b, and the building structure to be manufactured is additively manufactured using the second process instruction M (Fig. 7).
  • a first section of the component can be manufactured additively.
  • the detection device S1 in-situ experimental data of the manufacturing process are recorded in real time during the manufacture of the first section of the structure (Fig. 8).
  • the recorded experimental data are sent to the second computer unit C0MP2 and also stored in the second storage device DB2.
  • These experimental data are read in 220 and calculated data are determined from the experimental data.
  • the ML algorithm AI/ML is applied to these calculated data using the second method PROG2 and a second part of the process instruction for the manufacture M of a second section of the component, i.e. a second layer of the component, is created 200 using the second method PROG2.
  • a third process instruction for additive manufacturing of a third layer sequence of the component is generated using the ML algorithm AI/ML, and so on, with every nth process instruction being created on the basis of the (n-1)th process instruction.
  • Fig. 9 and Fig. 10 show embodiments of a flow chart of the method 400 according to the invention. Initial process instruction and process instruction are created on separate and different computer units COMP1, COMP2 100, 200 (Fig. 9).
  • a 3D model of the workpiece is created using a data set that is created using a CAD program.
  • the CAD program is run on a computer connected by the first COMP1 and the second Computer unit COMP2 is carried out by different computer units.
  • the CAD model contains data to describe the building structure to be manufactured.
  • the data is provided in standardized file formats, for example as an STL file (STL: Standard Tessellation Language). This CAD data is read in by the first computer unit COMP1.
  • an initial process instruction is generated 130, which includes the construction structure geometry, the component geometry and the process parameters for influencing the energy input into the construction structure.
  • a first set of experience data is then loaded 140 from a first database DB1 by the first computer unit COMP1, which is stored on a first storage device DB1.
  • the first storage device DB1 is arranged in the first computer unit COMP1.
  • the first set of experience data has data that was recorded and created using one or more previous additive manufacturing processes for components or building structures as well as the process instructions specific to each component.
  • the experience data includes machine data of the additive manufacturer for which the initial process instruction is to be created.
  • the initial process instruction is created 150 using this experience data by generating the process parameters and tool paths of the additive manufacturer.
  • the initial process instruction includes the irradiation path of an energy beam, the exposure vectors, the process parameters of the beam source and/or the process parameters for influencing the energy input into the building structure.
  • the process parameters for influencing the energy input into the building structure include the power of the energy beam, the irradiation times of individual vectors, the pause times between the irradiation times of individual vectors, the travel speed of the energy beam, the hatch distance between the vectors, the vector sequence, the vector length and/or the vector orientation.
  • the process parameters for influencing the energy input into the building structure depend on the material of the building structure.
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the process parameters of the beam source of the initial process instruction are optionally sent to a public network CL 150 (Fig. 6) and optionally stored on a storage unit of the public network CL. Users have access to the public network CL. Users can transfer their own created process instructions to the public network CL and download process instructions stored on the public network CL from the public network CL. The process instructions created by the user can also have different file formats.
  • this initial process instruction is sent to an additive manufacturer 300a/b and the construction structure can be manufactured based on the first process instruction.
  • a first construction structure - i.e. a first component with a first support structure - can be manufactured.
  • a second structural structure can be produced using the process instruction, which is different from the first structural structure.
  • the structural structure that can be produced using the process instruction has mechanical characteristics that are different from those of a structural structure produced using the initial process instruction and/or a component produced using the initial process instruction, the mechanical characteristics of the structural structure that can be produced using the process instruction in particular having a different, in particular minimized, distortion and improved residual stress distribution compared to the structural structure that can be produced using the initial process instruction.
  • the structural structure that can be produced using the process instruction therefore has a different geometry, in particular of the support structure, and possibly also of the component, compared to the structural structure that can be produced using the initial process instruction.
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the Process parameters of the beam source of the initial process instruction are read in 220 by a second computer unit COMP2, wherein the first computer unit COMP1 and the second computer unit COMP2 are arranged differently from one another and at a distance from one another.
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the process parameters of the beam source of the initial process instruction are read in 220 after they have been sent 150 from the first computer unit COMP1 to the second computer unit COMP2 (Fig. 9).
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the process parameters of the beam source of the initial process instruction are read in 220 after they have been optionally sent from the first computer unit COMP1 to the public network CL.
  • the second computer unit COMP2 is suitable for reading in initial procedural instructions in different data formats 220 and is also suitable for creating procedural instructions in different data formats.
  • the process instructions transferred by users to the optional public network CL can have different file formats, which are read in 220 by the second computer unit COMP2 and used to create 200 the process instructions.
  • machine data of the additive manufacturer, component data, simulation data and experimental data are read in and/or entered 210, which are stored on a second storage device DB2.
  • the process instruction contains process parameters that are also determined 230 by means of an ML algorithm AI/ML.
  • the ML algorithm AI/ML uses empirical data to determine 230 the process parameters of the process instruction, the empirical data comprising the machine data of the additive manufacturer, component data, simulation data and/or experimental data that are stored on the second storage device DB2. This is followed by a query 240 as to whether, based on the process parameters determined by means of the ML algorithm AI/ML, a less distortion and in particular improved residual stress distribution and thus minimized distortion in the building structure to be produced.
  • a first section of the component can be manufactured additively.
  • the detection device S1 in-situ experimental data of the manufacturing process are recorded in real time during the manufacture of the first section of the structure (Fig. 10).
  • the recorded experimental data are sent to the second computer unit COMP2 and also stored in the second storage device DB2.
  • These experimental data are read in 220 and calculated data are determined from the experimental data.
  • the ML algorithm AI/ML is applied to these calculated data and a second part of the process instruction for the manufacture M of a second section of the component, i.e. a second layer of the component, is created 200.
  • the process parameters determined using the ML algorithm AI/ML are used in further iterations of the application of the second method as the starting value of the application 230 of an ML algorithm AI/ML until a minimum of the residual stress distribution in the structure to be manufactured is determined.
  • the process instruction therefore has process parameters with which a structure with minimized residual stress distribution can be manufactured.
  • the process instruction is sent to the additive manufacturer 300a/b, and the structure to be manufactured is additively manufactured using the second process instruction M.
  • the ML algorithm is used to determine a prediction model of the distortion and residual stress distribution in the building structure to be manufactured using the 220 empirical data loaded from the second database DB2 230. This prediction model is used by the second method PROG2 as a starting value for optimization algorithms.
  • process parameters of the second process instruction are optimized using process steps 220 to 240 until a minimized distortion and optimized residual stress distribution in the building structure to be manufactured is determined.
  • a method instruction for the additive manufacturing of a building structure is provided, with which a building structure can be produced using different CAM methods.
  • the CAM methods include laser and/or electron beam powder bed fusion, direct energy deposition (DED) binder jetting, fused filament fabrication (FFF), melt filament printing and/or other non-abrasive computer-aided manufacturing methods that are based on a tool path with process parameters assigned to it.
  • Fig. 11 and Fig. 12 show preferred embodiments of flow charts of the method 400 according to the invention.
  • the embodiments shown here correspond to the previous embodiments (see Fig. 9, Fig. 10), only the method steps preprocessing on construction platform 110, slicing 120 and generation of the process parameters and tool paths 130 are carried out on the first computer unit COMP1 using a first method PROG1, i.e. a first computer program PROG1.
  • a first method PROG1 i.e. a first computer program PROG1
  • the method steps reading in data from the initial method instruction 220, creating the method instruction including the data from the initial method instruction and application 230 of an ML algorithm AI/ML and query 240 are carried out using a second method PROG2, i.e. a second computer program PROG2.
  • the first PROG1 and second computer program PROG2 are executed differently from one another.
  • the first computer program PROG1 does not have an ML algorithm AI/ML.
  • the workpiece is 3D modeled using a data set that is created using a CAD program.
  • the CAD program is executed on a computer unit that is different from the first COMP1 and the second computer unit COMP2.
  • the CAD model contains data for describing the structure to be manufactured.
  • the data is provided in standardized file formats, for example as an STL file (STL: Standard Tessellation Language) or other implicit or explicit file formats. This CAD data is read in by the first computer unit COMP1.
  • an initial process instruction is generated 130, which includes the construction structure geometry, the component geometry and the process parameters for influencing the energy input into the construction structure.
  • a first set of experience data is then loaded 140 from a first database DB1 by the first computer unit COMP1, which is stored on a first storage device DB1.
  • the first storage device DB1 is arranged in the first computer unit COMP1.
  • the first set of experience data has data that was recorded and created using one or more previous additive manufacturing processes for components or building structures as well as the process instructions specific to each component.
  • the experience data includes machine data of the additive manufacturer for which the first process instruction is to be created.
  • the initial process instruction is created 150 using this experience data by generating the process parameters and tool paths of the additive manufacturer.
  • the initial process instruction includes the irradiation path of an energy beam, the exposure vectors, the process parameters of the beam source and/or the process parameters for influencing the energy input into the building structure.
  • the process parameters for influencing the energy input into the building structure include the power of the energy beam, the irradiation times of individual vectors, the pause times between the Irradiation times of individual vectors, the travel speed of the energy beam, the hatch distance between the vectors, the vector sequence, the vector length and/or the vector orientation.
  • the process parameters for influencing the energy input into the building structure depend on the material of the building structure.
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the process parameters of the beam source of the initial process instruction are optionally sent to a public network CL 150 (Fig. 6) and optionally stored on a storage unit of the public network CL. Users have access to the public network CL. Users can transfer their own created process instructions to the public network CL and download process instructions stored on the public network CL from the public network CL. The process instructions created by the user can also have different file formats.
  • this initial process instruction is sent to an additive manufacturer 300a/b and the construction structure can be manufactured based on the initial process instruction.
  • a first construction structure - i.e. a first component with a first support structure - can be manufactured.
  • a second structural structure can be produced using the process instruction, which is different from the first structural structure.
  • the structural structure that can be produced using the process instruction has mechanical characteristics that are different from those of a structural structure produced using the initial process instruction and/or a component produced using the initial process instruction, wherein the mechanical characteristics of the structural structure that can be produced using the process instruction in particular have a different, in particular minimized, residual stress distribution compared to the structural structure that can be produced using the initial process instruction.
  • the structural structure that can be produced using the process instruction therefore has a different geometry, in particular of the support structure, and possibly also of the component, compared to the structural structure that can be produced using the initial process instruction.
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the process parameters of the beam source of the initial process instruction are read in 220 by a second computer unit COMP2, wherein the first computer unit COMP1 and the second computer unit COMP2 are arranged differently from one another and at a distance from one another.
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the process parameters of the beam source of the initial process instruction are read in 220 after they have been sent 150 from the first computer unit COMP1 to the second computer unit COMP2 (Fig. 9).
  • the process parameters for influencing the energy input into the building structure, the irradiation path of an energy beam, the exposure vectors and the process parameters of the beam source of the initial process instruction are read in 220 after they have been optionally sent from the first computer unit COMP1 to the public network CL.
  • the second computer unit COMP2 is suitable for reading in initial procedural instructions in different data formats 220 and is also suitable for creating procedural instructions in different data formats.
  • the process instructions transferred by users to the optional public network CL can have different file formats, which are read in 220 by the second computer unit COMP2 and used to create 200 the process instructions.
  • machine data of the additive manufacturer, component data, simulation data and experimental data are read in and/or entered 210, which are stored on a second storage device DB2.
  • the process instruction contains process parameters that are also determined 230 by means of an ML algorithm AI/ML.
  • the ML algorithm AI/ML uses empirical data to determine 230 the process parameters of the process instruction, the empirical data comprising the machine data of the additive manufacturer, component data, simulation data and/or experimental data that are based on the second storage device DB2. This is followed by a query 240 as to whether a lower, in particular minimized, residual stress distribution is achieved in the structure to be produced due to the process parameters determined by means of the ML algorithm AI/ML.
  • a first section of the component can be manufactured additively.
  • the detection device S1 in-situ experimental data of the manufacturing process are recorded in real time during the manufacture of the first section of the structure (Fig. 10).
  • the recorded experimental data are sent to the second computer unit COMP2 and also stored in the second storage device DB2.
  • These experimental data are read in 220 and calculated data are determined from the experimental data.
  • the ML algorithm AI/ML is applied to these calculated data and a second part of the process instruction for the manufacture M of a second section of the component, i.e. a second layer of the component, is created 200.
  • the process parameters determined using the ML algorithm AI/ML are used in further iterations of the application of the second method as the starting value of the application 230 of an ML algorithm AI/ML until a minimum of the residual stress distribution in the structure to be manufactured is determined.
  • the process instruction therefore has process parameters with which a structure with minimized residual stress distribution can be manufactured.
  • the process instruction is sent to the additive manufacturer 300a/b, and the structure to be manufactured is additively manufactured using the second process instruction M.
  • a method instruction for the additive manufacturing of a building structure is provided, with which a building structure can be produced using different CAM methods.
  • the CAM methods include laser and/or electron beam powder bed fusion, direct energy deposition (DED) binder

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)
  • Automation & Control Theory (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung eines Bauteils mit den Verfahrensschritten Einlesen geometrischer Daten des Bauteils, Erstellen einer Schichtstruktur einer Baustruktur, wobei die Baustruktur das Bauteil umfasst, und Erstellen einer Verfahrensanweisung zur additiven Fertigung der Baustruktur, wobei zur Erstellung der Verfahrensanweisung ein ML-Algorithmus verwendet wird.

Description

VERFAHREN ZUR BEREITSTELLUNG EINER VERFAHRENSANWEISUNG FÜR DIE ADDITIVE FERTIGUNG MITTELS MACHINELLEN LERNENS
Die Erfindung betrifft ein Verfahren zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung eines Bauteils mit den Verfahrensschritten Einlesen geometrischer Daten des Bauteils, Erstellen einer Schichtstruktur einer Baustruktur, wobei die Baustruktur das Bauteil umfasst, und Erstellen einer Verfahrensanweisung zur additiven Fertigung der Baustruktur, wobei zur Erstellung der Verfahrensanweisung ein ML-Algorithmus verwendet wird.
Stand der Technik
Der 3D-Druck oder Additive Fertigung ist eine umfassende Bezeichnung für alle Fertigungsverfahren, bei denen Material Schicht für Schicht aufgetragen wird und so dreidimensionale Bauteile erzeugt werden. Dabei erfolgt der schichtweise Aufbau computergesteuert aus einem oder mehreren flüssigen oder festen Werkstoffen nach Vorgaben aus einem CAD/CAM-System. Die Schichten können dann wiederum, insbesondere bei den Direct Energy Deposition-Verfahren, in Bahnen zerlegt werden. Außerdem wird beim sog. Hatching eine Schicht in Streifen (Hatches) oder Quadrate aufgeteilt und darin parallel angeordnete Vektoren verteilt. Bei pulverbettbasierten Technologien, wie zum Beispiel dem Selective Laser Melting, erfolgt die Herstellung des Bauteils ohne weitere Unterteilung der Schichten. Beim schichtweisen Aufbau des Werkstücks wird üblicherweise ein Druckkopf oder ein Laser horizontal, d.h. in der X-Y- Ebene bewegt und gleichzeitig werden mit dem Druckkopf oder Laser Material-Bahnen aufgebracht. Ist eine Schicht fertiggestellt, wird üblicherweise die Bauplatte, auf der das Werkstück gefertigt wird, senkrecht nach unten, also in Z-Richtung bewegt und eine weitere Schicht begonnen. Bei Aufträgen bzw. Aufschmelzen der Schichten kann das Werkstück je nach Art des aufgetragenen Materials und der eingestellten Prozessparameter (z.B. Temperatur, Vorschub) Probleme erfahren, wie etwa Rissbildung, Verformung und eine ungleichmäßige Kristallstruktur. In weiteren Fällen kann dies sogar dazu führen, dass ein gesamter Fertigungsprozess gestoppt werden muss. In dem Stand der Technik wird ein Prozessplan üblicherweise nur auf der Basis des geometrischen Designs eines Werkstücks erstellt. Falls ein derartiger Prozessplan ausgeführt wird, kann er zu einem Phänomen führen, dass ein spezieller Abschnitt des Werkstücks in einem Fertigungsprozess z.B. überhitzt wird und es schwierig ist, die Temperatur des Werkstücks effektiv zu steuern. Zusätzlich ist es im Stand der Technik in einem additiven Fertigungsprozess unmöglich, den Prozessplan insbesondere während des Fertigungsprozesses zu verändern und anzupassen, sobald ein Prozessplan vollständig erstellt ist.
Es ist daher Aufgabe der Erfindung, ein Verfahren zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung eines Bauteils bereitzustellen, mit dem ein verbesserter Prozessplan zur additiven Fertigung eines Werkstücks zur Verfügung gestellt wird.
Die Aufgabe wird mittels des erfindungsgemäßen Verfahrens zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung eines Bauteils gemäß Anspruch 1 gelöst. Vorteilhafte Ausführungen der Erfindung sind in den nachfolgenden Unteransprüchen dargelegt.
Das erfindungsgemäße Verfahren zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung eines Bauteils weist drei Verfahrensschritte auf: Im ersten Verfahrensschritt erfolgt ein Einlesen geometrischer Daten des Bauteils.
Im zweiten Verfahrensschritt erfolgt ein Erstellen einer Schichtstruktur einer Baustruktur, wobei die Baustruktur das Bauteil umfasst. Aus dem mittels CAD-Programm erstellten Datensatz wird ein Fertigungsdatensatz erzeugt, welcher eine zum additiven Herstellen geeignete Aufbereitung der Geometrie des Werkstücks in Lagen oder Scheiben (sog. Slices) enthält. Diese Transformation der Daten wird als Slicen bezeichnet.
Im dritten Verfahrensschritt erfolgt ein Erstellen einer Verfahrensanweisung zur additiven Fertigung der Baustruktur, wobei zur Erstellung der Verfahrensanweisung ein ML- Algorithmus verwendet wird. Als Verfahrensanweisung werden Daten verstanden, die einem Additiv-Fertiger zum additiven Herstellen der Baustruktur zur Verfügung gestellt werden. Hierzu gehören die Verfahrensparameter für den additiven Fertiger sowie die Definition eines Werkzeugpfads wie beispielsweise einen oder mehrere Parameter aus der Gruppe Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren, Verfahrgeschwindigkeit des Energiestrahls, Veränderung des Hatch-Abstandes zwischen den Vektoren, der Vektorreihenfolge, der Vektorlänge, Vektorausrichtung und/oder veränderte Geometrie der Stützstruktur umfasst. Der Werkzeugpfad besteht üblicherweise aus einer Vielzahl von aneinander gereihten Vektoren, die durch den additiven Fertiger abgefahren werden. Die Verfahrensanweisungen definieren damit eine Prozessführung, die der additive Fertiger zum additiven Herstellen einer Baustruktur abarbeitet.
Fertigungsbedingt ist es in den genannten 3D Druckverfahren nötig, filigrane oder überhängende Strukturen im Druckprozess mittels einer Supportstruktur abzustützen. Diese Strukturen würden andernfalls der Schwerkraft folgend einstürzen. Auch im Metall 3D Druck sind Supportstruktur mitunter notwendig, allerdings aus anderen Gründen als in den Kunststoff-basierten additiven Verfahren. Hier besteht die Gefahr weniger darin, dass das Modell beim Drucken einstürzen könnte, als vielmehr darum, drohenden Verzug zu verhindern. So können sich insbesondere dünne Bereiche des Modells leicht verbiegen. Die inneren Spannungen in der additiven Fertigung sind jedoch so hoch, das sich selbst massive Bauteile stark verziehen können.
Mittels der Verfahrensanweisung ist eine Baustruktur herstellbar, die während des Herstellungsprozesses in besonders gefährdeten Bereichen nicht überhitzt und im abgekühlten und nachbearbeiteten Zustand eine geringere Eigenspannungsverteilung aufweist, was z.B. bei der Herstellung von Turbinenschaufeln relevant ist.
Als additive Fertigungsverfahren im Sinne dieser Anmeldung werden Verfahren verstanden, bei denen das Material, aus dem eine Baustruktur hergestellt werden soll, der Baustruktur während der Entstehung hinzugefügt wird. Dabei entsteht die Baustruktur bereits in seiner endgültigen Gestalt oder zumindest annähernd in dieser Gestalt, wobei dann eine Nachbearbeitung erfolgt. Insbesondere weist die zu fertigende Baustruktur eine Supportstruktur auf, die einen oder mehrere Supportpunkte umfasst. Diese Supportstruktur wird während der Nachbearbeitung entfernt.
Zu den Techniken, die ein additiver Fertiger zur Herstellung eines Bauteils anwendet, gehören zum Beispiel die Extrusions-Abscheidung oder selektive Abscheidungsmodellierung (SDM), Techniken wie Fused Deposition Modeling (FDM) und Fused Filament Fabrication (FFF), Stereolithographie (SLA), Polyjetdruck (PJP), Multijetdruck (MJP), selektives Laser-Sintern (SLS), selektives Laser-Schmelzen (SLM), dreidimensionales Drucken (3DP) Techniken wie Farbstrahldruck (CJP), Directed Energy Deposition (DED) und dergleichen.
Fused Filament Fabrication (FFF), auch bekannt als Fused Deposition Modeling oder auch Filament Freeform Fabrication genannt, ist ein 3D-Druckverfahren, bei dem ein Endlosfilament aus einem thermoplastischen Material verwendet wird. Das Filament wird von einer großen Spule durch einen beweglichen, beheizten Extruderkopf des Druckers zugeführt und auf das wachsende Werkstück aufgebracht. Der Druckkopf wird computergesteuert bewegt, um die gedruckte Form zu definieren. Normalerweise bewegt sich der Kopf in zwei Dimensionen, um jeweils eine horizontale Ebene oder Schicht aufzutragen; das Werkstück oder der Druckkopf wird dann um einen kleinen Betrag vertikal bewegt, um eine neue Schicht zu beginnen. Die Geschwindigkeit des Extruderkopfes kann auch so gesteuert werden, dass die Abscheidung gestoppt und gestartet wird und eine unterbrochene Ebene entsteht, ohne dass es zwischen den Abschnitten zu Fäden oder Tropfen kommt.
Directed Energy Deposition (DED) bezeichnet eine Kategorie von additiven Fertigungsoder 3D-Druckverfahren, bei denen Pulver oder Draht koaxial zu einer Energiequelle (in der Regel einem Laser) zugeführt werden, um eine geschmolzene oder gesinterte Schicht auf einem Substrat zu bilden.
Der Schmelzfilamentdruck ist derzeit das beliebteste Verfahren für den 3D-Druck insbesondere im Hobbybereich. Andere Verfahren wie die Photopolymerisation und das Pulversintern können zwar bessere Ergebnisse liefern, sind aber wesentlich teurer. Der 3D- Druckerkopf oder 3D-Drucker-Extruder ist ein Teil in der additiven Fertigung durch Materialextrusion, das für das Schmelzen oder Erweichen des Rohmaterials und dessen Formung zu einem kontinuierlichen Profil verantwortlich ist. Es wird eine Vielzahl von Filamentmaterialien extrudiert, darunter Thermoplaste wie Acrylnitril-Butadien-Styrol (ABS), Polymilchsäure (PLA), Polyethylenterephthalat-Glykol (PETG), Polyethylenterephtathalat (PET), hochschlagfestes Polystyrol (HIPS), thermoplastisches Polyurethan (TPU) und aliphatische Polyamide (Nylon).
Das erfindungsgemäße Verfahren zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung einer Baustruktur erfolgt computergestützt, wobei der Begriff „computergestützt“ z.B. in dieser Schrift derart verwendet wird, dass ein Computer oder mehrere Computer mindestens einen Verfahrensschritt des Verfahrens ausführt oder ausführen. Computer können z.B. Personal Computer, Server, Handheld-Computer- Systeme, Pocket-PC-Geräte, Mobilfunkgeräte und andere Kommunikationsgeräte sein, die rechnergestützt Daten verarbeiten können, sowie Prozessoren und andere elektronische Geräte zur Datenverarbeitung, die auch zu einem Netzwerk zusammengeschlossen sein können.
Ausgangspunkt für die Durchführung einer additiven Fertigung ist eine geometrische Beschreibung des Werkstücks mittels eines Datensatzes. Mittels einer Software zur 3D- Modellierung (z.B. ein CAD-Programm) wird der Datensatz für die Baustruktur des herzustellenden Bauteils erstellt. Der Datensatz enthält die dreidimensionalen geometrischen Daten für eine Herstellung durch das additive Fertigungsverfahren.
Die möglichen zur Anwendung kommenden ML- und/oder Al-Algorithmen werden in den folgenden Absätzen beschrieben.
Random Forest Regression ist eine maschinelle Lernmethode des Ensemble-Lernens. Ein Ensemble von mehreren Entscheidungsbäumen wird kombiniert und so zur Regression genutzt. Dabei handelt es sich um überwachtes Lernen. Gradient boosted trees ist ein weiteres Ensemble Lernen, das für Regression und Klassifizierung angewandt werden kann. Es wird dem überwachten Lernen zugeordnet.
Deep Learning (deutsch: mehrschichtiges Lernen, tiefes Lernen oder tiefgehendes Lernen) bezeichnet eine Methode des maschinellen Lernens. Die meisten Deep-Learning- Algorithmen sind tiefe neuronale Netze (Deep Neural Networks, kurz DNNs). Sie bestehen aus vielen Schichten linearer und nichtlinearer Verarbeitungseinheiten, den künstlichen Neuronen. Je mehr Neuronen und Schichten ein neuronales Netz umfasst, desto komplexere Sachverhalte können dargestellt werden.
Eine andere Art von Deep-Learning-Algorithmen sind die Entscheidungsbäume (Random Decision Forests, kurz RDFs). Sie bestehen ebenfalls aus vielen Schichten, aber anstelle von neuronalen Strukturen werden die RDF aus Entscheidungsbäumen konstruiert und geben einen statistischen Durchschnitt (Modus oder Mittelwert) der Vorhersagen der einzelnen Bäume aus.
Überall dort, wo große Datenmengen nach Mustern und Trends untersucht werden, kommt Deep Learning zum Einsatz. Im Rahmen von Kl passiert das beispielsweise in folgenden Bereichen: Gesichts-, Objekt- oder Spracherkennung.
Ein Convolutional Neural Network (CNN oder ConvNet), zu Deutsch etwa „faltendes neuronales Netzwerk“, ist ein künstliches neuronales Netz. Es handelt sich um ein von biologischen Prozessen inspiriertes Konzept im Bereich des maschinellen Lernens. Convolutional Neural Networks finden Anwendung in zahlreichen Technologien der künstlichen Intelligenz, vornehmlich bei der maschinellen Verarbeitung von Bild- oder Audiodaten.
Als rekurrente bzw. rückgekoppelte neuronale Netze bezeichnet man neuronale Netze, die sich im Gegensatz zu den Feedforward-Netzen durch Verbindungen von Neuronen einer Schicht zu Neuronen derselben oder einer vorangegangenen Schicht auszeichnen. Im Gehirn ist dies die bevorzugte Verschaltungsweise neuronaler Netze, insbesondere im Neocortex. In künstlichen neuronalen Netzen wird die rekurrente Verschaltung von Modellneuronen benutzt, um zeitlich codierte Informationen in den Daten zu entdecken. Beispiele für solche rekurrenten neuronalen Netze sind das Elman-Netz, das Jordan-Netz, das Hopfield-Netz sowie das vollständig verschaltete neuronale Netz. Ein Convolutional Neural Network (CNN oder ConvNet), zu Deutsch etwa „faltendes neuronales Netzwerk“, ist ein künstliches neuronales Netz. Es handelt sich um ein von biologischen Prozessen inspiriertes Konzept im Bereich des maschinellen Lernens. Convolutional Neural Networks finden Anwendung in zahlreichen Technologien der künstlichen Intelligenz, vornehmlich bei der maschinellen Verarbeitung von Bild- oder Audiodaten.
Als rekurrente bzw. rückgekoppelte neuronale Netze bezeichnet man neuronale Netze, die sich im Gegensatz zu den Feedforward-Netzen durch Verbindungen von Neuronen einer Schicht zu Neuronen derselben oder einer vorangegangenen Schicht auszeichnen. Im Gehirn ist dies die bevorzugte Verschaltungsweise neuronaler Netze, insbesondere im Neocortex. In künstlichen neuronalen Netzen wird die rekurrente Verschaltung von Modellneuronen benutzt, um zeitlich codierte Informationen in den Daten zu entdecken. Beispiele für solche rekurrenten neuronalen Netze sind das Elman-Netz, das Jordan-Netz, das Hopfield-Netz sowie das vollständig verschaltete neuronale Netz.
In einer Weiterbildung der Erfindung umfasst eine Verfahrensanweisung einen geometrischen Start (x,y,z) und einen geometrischen Endpunkt (x,y,z) für jeden einzelnen Vektor (Belichtungsvektor). In einer optionalen erfindungsgemäßen Weiterbildung sind in einer Verfahrensanweisung die Laserleistung und/oder die Lasergeschwindigkeit umfasst. In einer weiteren Ausgestaltung der Erfindung weist eine Verfahrensanweisung ein oder mehrere Elemente der folgenden Gruppe von Parametern auf: Typ des Vektors (Füllung, Konturvektor; Überhangsvektor, Oberflächenvektor), Polygon, das die Außengrenzen des Teils beschreibt, Start/Endzeit jedes Vektors, Pausenzeiten zwischen den Vektoren (erzwungen (z.B.) zum Abkühlen oder auf Grund von optisch/mechanischen Gegebenheiten (also geht nicht schneller)), Pausenzeiten zwischen den Schichten, Beschichterzeiten und -informationen, Bauplattentemperatur, Zuordnung welcher Vektor von welchem Laser geschrieben wird, Bereiche, die die einzelnen Laser erreichen können, Kontinuierliche oder Pulsed Vektor, Fokus des Lasers und welche Lasermode (per Vektor), selten: Kreisbewegungen des Lasers (Wobble) und/oder Informationen über das verwendete Gas und seine Flugrichtung in der Baukammer.
In einer weiteren Gestaltung der Erfindung wird der ML-Algorithmus auf eine Initial- Verfahrensanweisung angewendet. In einer weiteren Ausführung der Erfindung wird die Initial-Verfahrensanweisung ohne ML-Algorithmus erstellt.
Das erfindungsgemäße Verfahren erstellt eine Initial-Verfahrensanweisung zur additiven Fertigung einer ersten Baustruktur und eine Verfahrensanweisung zur additiven Fertigung einerzweiten Baustruktur, wobei die Initial-Verfahrensanweisung ohne ML-Algorithmus und die Verfahrensanweisung mittels eines ML-Algorithmus erstellt wird. Die beiden Baustrukturen weisen bevorzugt das gleiche Bauteil, aber unterschiedliche Supportstrukturen auf. Mittels der beiden Verfahrensanweisungen ist also ein und dasselbe Bauteil herstellbar, wobei die Verfahrensanweisung auf Grundlage der Initial- Verfahrensanweisung erstellt wird. Die Initial-Verfahrensanweisung wird dabei mittels eines ML-Algorithmus derart optimiert, dass das mittels der Verfahrensanweisung herstellbare Bauteil eine verbesserte Eigenspannungsverteilung und/oder eine verbesserte Temperaturverteilung aufweist, um beispielsweise eine lokale und/oder globale Überhitzung zu vermeiden.
In einer weiteren Ausgestaltung der Erfindung werden für die Verwendung des ML- Algorithmus ML-Daten aus einer Datenbank eingelesen. ML-Daten sind Daten, die von einem ML-Algorithmus zur Erstellung einer Verfahrensanweisung genutzt werden. Diese Daten sind auf einer Datenbank abgelegt, die in einer Weiterbildung der Erfindung separat ist.
Eine Computereinheit im Sinne der Erfindung umfasst alle elektronischen Geräte mit Datenverarbeitungseigenschaften. Eine Computereinheit ist somit beispielsweise ein Personal Computer, Server, Handheld-Computer-System, Pocket- PC-Gerät, Mobilfunkgerät und ein anderes Kommunikationsgerät, das rechnergestützt Daten verarbeiten kann, sowie Prozessoren und andere elektronische Geräte zur Datenverarbeitung, die auch zu einem Netzwerk zusammengeschlossen sein können. Eine Computereinheit weist außerdem eine Speichereinheit auf oder ist mit einer Speichereinheit verbunden. Die Speichereinheit ist optional als Datenbank ausgeführt und ebenfalls optional separat von der Computereinheit angeordnet.
In einer weiteren Ausbildung der Erfindung enthalten die ML-Daten Daten aus unterschiedlichen Herstellungsverfahren für die additive Fertigung. Die Daten der ML-Daten sind für unterschiedliche CAM-Verfahren erstellt, wobei CAM-Verfahren Laser und /oder Elektronenstrahl Powder Bed Fusion, Direct Energy Deposition (DED) Binder Jetting, Fused Filament Fabrication (FFF), Schmelzfilamentdruck und/oder andere nicht abrasive Verfahren der rechnergestützten Fertigung umfassen, die sich auf einen Werkzeugpfad mit diesem zugewiesenen Prozessparametern stützen. Unterschiedliche Additiv-Fertiger verwenden unterschiedliche CAM-Verfahren zur Fertigung eines Bauteils. Die Daten umfassen die möglichen Prozessparameter des Additiv-Fertigers, die möglichen Verfahrgeschwindigkeiten, die möglichen Verfahrwege des Bauteils zum Additiv-Fertiger umfassen. Die Daten sind für unterschiedliche Additiv-Fertiger unterschiedlich und werden daher für die Erstellung der Verfahrensanweisung herangezogen. Gleichzeitig ist es möglich, Verfahrensanweisungen für unterschiedliche Additiv-Fertiger zu erstellen, das erfindungsgemäße Verfahren kann daher für unterschiedliche Additiv-Fertiger angewendet werden.
In einer vorteilhaften Gestaltung der Erfindung werden für die Verwendung des ML- Algorithmus experimentelle Daten und/oder Simulationsdaten verwendet. In einer Weiterbildung der Erfindung umfassen die experimentellen Daten die lokale Temperatur, Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren und/oder die Verfahrgeschwindigkeit des Energiestrahls. Experimentaldaten umfassen experimentell ermittelte Daten. Die Experimentaldaten umfassen Daten einer Baustruktur, die in-situ in Echtzeit und/oder in vorhergehenden Herstellungsprozessen erfasst wurden. Mit den Experimentaldaten kann die Erstellung der Verfahrensanweisung Daten beinhalten, die aufgrund realer, nicht simulierter Herstellungsprozessen erfasst werden. In einem weiteren Aspekt der Erfindung werden aus den experimentellen Daten berechnete Daten ermittelt. In einerweiteren Ausführung der Erfindung werden während der Durchführung eines ersten Teils der Verfahrensanweisung zur Fertigung eines ersten Abschnitts des Bauteils experimentelle Daten in einer vorteilhaften Ausgestaltung der Erfindung in-situ erfasst. In einer bevorzugten Variante der Erfindung ist mittels der Verfahrensanweisung ein erster Abschnitt des Bauteils additiv herstellbar. Die Verfahrensanweisung ist also eine Initial- Verfahrensanweisung, m.a.W. ein erster Teil der Verfahrensanweisung, mit der ein erster Abschnitt des Bauteils additiv hergestellt werden kann. Mit der Verfahrensanweisung ist das gesamte Bauteil herstellbar. Der erste Abschnitt des Bauteils ist z.B. eine Schicht, der erste Teil der Verfahrensanweisung umfasst dementsprechend eine Verfahrensanweisung zur additiven Fertigung der ersten Schicht des Bauteils. Der erste Abschnitt kann auch eine Schichtfolge aus mehreren Schichten umfassen oder auch Teile von Schichten.
Zur Erfassung der experimentellen Daten bevorzugt während der Herstellung der Bauteils in Echtzeit können unterschiedliche Verfahren und Detektionseinrichtungen zum Einsatz kommen, z.B. ist die Detektionseinrichtung eine Temperaturdetektionseinrichtung, die konfiguriert ist zum Messen einer Bestrahlungspunkttemperatur des Bauteils, eine Bildgebungseinrichtung, die konfiguriert ist zum Messen einer Lichtemissionsmenge, um eine erzeugte Spritz- bzw. Zerstäubungsmenge zu erfassen, eine Bildgebungseinrichtung, die konfiguriert ist zum Erfassen eines Formflächenbilds des Bauteils oder eine Bildgebungseinrichtung, die konfiguriert ist zum Erfassen einer Schmelzbadgröße.
In einer weiteren vorteilhaften Ausbildung der Erfindung werden während der Durchführung der Verfahrensanweisung aus den in-situ erfassten experimentellen Daten ein zweiter Teil der Verfahrensanweisung für die Fertigung des Bauteils erstellt. Die erfassten Experimentaldaten werden an die zweite Speichereinrichtung versendet und ebenfalls in der zweiten Speichereinrichtung gespeichert. Diese experimentellen Daten werden eingelesen, aus den Experimentaldaten werden berechnete Daten ermittelt. Auf diese berechneten Daten wird der ML-Algorithmus angewendet und während der Durchführung der Initial-Verfahrensanweisung wird ein zweiter Teil der Verfahrensanweisung erstellt.
In einer weiteren Gestaltung der Erfindung wird der zweite Teil der Verfahrensanweisung für die Fertigung eines zweiten Abschnitts des Bauteils erstellt. Der zweite Teil der Verfahrensanweisung weist in einer weiteren Ausführung der Erfindung gegenüber der Initial-Verfahrensanweisung veränderte Parameter für die Fertigung des zweiten Abschnitts des Bauteils auf. Die veränderten Parameter umfassen in einer weiteren Ausgestaltung der Erfindung einen oder mehrere Parameter aus der Gruppe Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren, Verfahrgeschwindigkeit des Energiestrahls, Veränderung des Hatch- Abstandes zwischen den Vektoren, der Vektorreihenfolge, der Vektorlänge, Vektorausrichtung und/oder veränderte Geometrie der Stützstruktur.
Dieses Verfahren wird so lange wiederholt, bis alle Abschnitte des Bauteils hergestellt sind. Auf die Generierung der zweiten Verfahrensanweisung zur additiven Fertigung einer zweiten Schicht des Bauteils erfolgt die Generierung unter Anwendung des ML-Algorithmus eine dritte Verfahrensanweisung zur additiven Fertigung einer dritten Schicht des Bauteils und so weiter, wobei jede n-te Verfahrensanweisung auf Grundlage der (n-1)ten Verfahrensanweisung unter Anwendung des ML-Algorithmus erstellt wird.
In einer weiteren Ausbildung der Erfindung wurde die Initial-Verfahrensanweisung auf einer ersten Computereinheit erstellt und die Verfahrensanweisung wird auf einer zweiten Computereinheit erstellt, wobei die erste Computereinheit von der zweiten Computereinheit verschieden ist. Die beiden unterschiedlichen Computereinheiten unterscheiden sich bevorzugt auch durch ihren Standort und besonders bevorzugt durch die Zugriffsrechte, die ein Nutzer auf die Computereinheiten hat. Bevorzugt kann ein Nutzer mit Zugriffsrechten auf die zweite Computereinheit auf diese Verfahrensanweisungen, z.B. von dem Nutzer selbst erstellte, transferieren, die mittels der zweiten Computereinheit zu Erstellung einer Verfahrensanweisung herangezogen wird. Das erfindungsgemäße Verfahren ermöglicht daher den Zugriff von Nutzern auf eine Computereinheit zur Erstellung einer Verfahrensanweisung, die hinsichtlich ihrer Eigenspannungsverteilung optimiert ist.
In einer Weiterbildung der Erfindung wurde die Initial-Verfahrensanweisung mit einem ersten Softwareprogramm erstellt und die Verfahrensanweisung wird mit einem zweiten Softwareprogramm erstellt, wobei das erste Softwareprogramm vom zweiten Softwareprogramm verschieden ist. Die formalisierten Abläufe der beiden unterschiedlichen Methoden werden mittels unterschiedlicher Software realisiert und abgearbeitet. In einer weiteren Ausbildung der Erfindung ist das durch die erste Software ausgeführte Verfahren unterschiedlich zum durch die zweite Software ausgeführten Verfahren. Die zweite Software verwendet zur Erstellung der zweiten Verfahrensanweisung einen ML- und/oder Al-Algorithmus, der unterschiedlich ist zur ersten Software zur Erstellung der ersten Verfahrensanweisung. Die erste Software verwendet optional keinen ML- und/oder Al-Algorithmus.
In einer Weiterbildung der Erfindung ist die erste Baustruktur von der zweiten Baustruktur verschieden. In einer weiteren Gestaltung der Erfindung umfasst die erste Baustruktur das Bauteil und eine erste Supportstruktur, die zweite Baustruktur umfasst das Bauteil und eine zweite Supportstruktur, wobei die erste Supportstruktur von der zweiten Supportstruktur verschieden ist. Die beiden Baustrukturen weisen bevorzugt das gleiche Bauteil, aber unterschiedliche Supportstrukturen auf. Mittels der ersten und der zweiten Verfahrensanweisung ist also ein und dasselbe Bauteil herstellbar, wobei die zweite Verfahrensanweisung auf Grundlage der ersten Verfahrensanweisung erstellt wird.
In einer weiteren Ausführung der Erfindung wird die Initial-Verfahrensanweisung mit einer ersten Methode erstellt, die Verfahrensanweisung wird mit einer zweiten Methode erstellt, wobei die erste Methode von der zweiten Methode verschieden ist. Eine Methode im Sinne der Erfindung ist eine systematische und zielgerichtete Vorgehensweise zur Erstellung einer Verfahrensanweisung zur additiven Fertigung einer Baustruktur mittels formalisierter Abläufe. Die formalisierten Abläufe werden z.B. in einem Computerprogramm festgelegt.
In einerweiteren Ausgestaltung der Erfindung umfasst die erste Methode zur Erstellung der Initial-Verfahrensanweisung die Verwendung einer ersten Software und die zweite Methode umfasst zur Erstellung der Verfahrensanweisung die Verwendung einer zweiten Software, wobei die erste Software zur zweiten Software unterschiedlich ist.
In einer Weiterbildung der Erfindung wird die Initial- Verfahrensanweisung mit einem ersten Softwareprogramm erstellt, die Verfahrensanweisung wird mit einem zweiten Softwareprogramm erstellt, wobei das erste Softwareprogramm von dem zweiten Softwareprogramm verschieden ist. Die formalisierten Abläufe der beiden unterschiedlichen Methoden werden mittels unterschiedlicher Software realisiert und abgearbeitet. In einer weiteren Ausbildung der Erfindung ist das durch die erste Software ausgeführte Verfahren unterschiedlich zum durch die zweite Software ausgeführten Verfahren. Die zweite Software verwendet zur Erstellung der Verfahrensanweisung einen ML- und/oder Al-Algorithmus, der unterschiedlich ist zur ersten Software zur Erstellung der Initial-Verfahrensanweisung. Die erste Software verwendet optional keinen ML- und/oder Al-Algorithmus.
In einer weiteren Ausbildung der Erfindung wird die Initial-Verfahrensanweisung mit Hilfe eines ersten Datensatzes erstellt. Der erste Datensatz weist Maschinendaten des Additiv- Fertigers, für den die Initial-Verfahrensanweisung erstellt werden soll, sowie Bauteildaten, Simulationsdaten der Temperaturverteilung in der Baustruktur während des Herstellungsprozesses und/oder Experimentaldaten auf.
In einem weiteren Aspekt der Erfindung wird die Verfahrensanweisung mit Hilfe eines zweiten Datensatzes erstellt. In einer weiteren Ausgestaltung der Erfindung ist der erste Datensatz von dem zweiten Datensatz verschieden. Bevorzugt weist der zweite Datensatz Erfahrungsdaten auf. Die Erfahrungsdaten weisen Daten auf, die mittels eines oder mehrerer vorhergehender additiven Fertigungsprozesse von Bauteilen bzw. Baustrukturen sowie den für jedes Bauteil spezifischen Verfahrensanweisungen erfasst und erstellt wurden. Die Erfahrungsdaten umfassen Maschinendaten des Additiv-Fertigers, für den die Verfahrensanweisung erstellt werden soll, sowie Bauteildaten, Simulationsdaten der Temperaturverteilung in der Baustruktur während des Herstellungsprozesses und/oder Experimentaldaten.
In einer weiteren Gestaltung der Erfindung umfasst der zweite Datensatz Experimentaldaten, Bauteildaten, Erfahrungsdaten und/oder Maschinendaten. In einer Weiterbildung der Erfindung umfasst der zweite Datensatz Experimentaldaten, Bauteildaten, Erfahrungsdaten und/oder Maschinendaten aus unterschiedlichen additiven Fertigungsverfahren. In einem weiteren Aspekt der Erfindung umfasst der zweite Datensatz Experimentaldaten, Bauteildaten, Erfahrungsdaten und/oder Maschinendaten von unterschiedlichen Additiv-Fertigern.
Die Maschinendaten umfassen die möglichen Prozessparameter des Additiv-Fertigers, die möglichen Verfahrgeschwindigkeiten, die möglichen Verfahrwege des Bauteils zum Additiv- Fertiger umfassen. Maschinendaten sind für unterschiedliche Additiv-Fertiger unterschiedlich und werden daher für die Erstellung der Verfahrensanweisung herangezogen. Gleichzeitig ist es möglich, Verfahrensanweisungen für unterschiedliche Additiv-Fertiger zu erstellen, das erfindungsgemäße Verfahren kann daher für unterschiedliche Additiv-Fertiger angewendet werden.
Die Bauteildaten umfassen die Geometrie der Baustruktur, die Geometrie des Bauteils und/oder Materialdaten umfassen, und wobei die Materialdaten die Phasen, die Konzentration der Phasen, die Mikrostruktur, die mechanischen Kennwerte, die Schmelztemperatur und/oder die Siedetemperatur umfassen. Eine herzustellende Baustruktur beinhaltet oft dünnwandige oder überhängende Strukturen. In diesen Bereichen stellt der Körper lokal eine wesentlich kleinere thermische Kapazität zur Verfügung, so dass die Struktur unter der Verwendung von Standard-Prozessparametern lokal überhitzen kann. Dieses führt zum Beispiel zu unerwünscht großen Schmelzbädern, die durch die Bildung großer Schmelzperlen den Herstellungsprozess behindern. Für alle möglichen Kombinationen aus Prozess- und Materialparametern müssen entsprechende Daten in der Datenbank abgespeichert sein. Im individuellen Anwendungsfall sind die geeigneten Daten aus der Datenbank abzurufen und im Rahmen einer Berechnung der Temperaturentwicklung zu berücksichtigen.
Die Simulationsdaten umfassen berechnete Daten, die auf Grundlage eines Models und ein- oder vorgegebener Parameter ermittelt wurden. Die Simulationsdaten beinhalten Daten über eine Baustruktur, bei der die Schrumpfung und die Ausbildung von Gefügespannungen bei der Formgebung berücksichtigt sind, indem eine mittels des Simulationsverfahrens modifizierte Geometrie der Baustruktur hergestellt wird, die aufgrund der Spannungen und Schrumpfungen die gewünschte Geometrie der Baustruktur annimmt. Die Experimentaldaten umfassen experimentell ermittelte Daten. Die Experimentaldaten umfassen Daten einer Baustruktur, die in-situ in Echtzeit und/oder in vorhergehenden Herstellungsprozessen erstellt wurden. Mit den Experimentaldaten kann die Erstellung der zweite Verfahrensanweisung Daten beinhalten, die aufgrund realer, nicht simulierter Herstellungsprozessen erfasst werden.
In einer vorteilhaften Ausführung der Erfindung wird der zweite Datensatz für einen ML/AI- Algorithmus verwendet. In einer Weiterbildung der Erfindung wird die Verfahrensanweisung mit Hilfe eines ML/AI-Algorithmus erstellt.
In einer weiteren Ausgestaltung der Erfindung werden die Daten der Initial- Verfahrensanweisung zur zweiten Computereinheit transferiert, wobei die Daten der Initial- Verfahrensanweisung die Baustrukturgeometrie, die Bauteilgeometrie, den Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren und/oder die Prozessparameter der Strahlquelle und/oder die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfassen. Die Initial-Verfahrensanweisung stellt grundlegende Daten und Verfahrensparameter zur additiven Herstellung einer Baustruktur bereit, die Grundlage zur Erstellung einer Verfahrensanweisung ist. Mittels der Verfahrensanweisung ist eine Baustruktur herstellbar, die während des Herstellungsprozesses in besonders gefährdeten Bereichen nicht überhitzt und im abgekühlten und nachbearbeiteten Zustand eine geringere Eigenspannungsverteilung aufweist, was z.B. bei der Herstellung von Turbinenschaufeln relevant ist.
In einer Weiterbildung der Erfindung werden die Daten der Initial-Verfahrensanweisung über ein öffentliches Netzwerk zur zweiten Computereinheit transferiert. Auf das öffentliche Netzwerk haben Nutzer Zugang. Die Nutzer können eigene erstellte Verfahrensanweisungen auf das öffentliche Netzwerk transferieren und/oder von dem öffentlichen Netzwerk auf dem öffentlichen Netzwerk gespeicherte Verfahrensanweisungen herunterladen. Dabei können die vom Nutzer erstellten Verfahrensanweisungen auch unterschiedliche Dateiformate aufweisen. In einer weiteren Ausbildung der Erfindung werden die Daten der Verfahrensanweisung an die erste Computereinheit transferiert. In einem weiteren Aspekt der Erfindung werden die Daten der Verfahrensanweisung über ein öffentliches Netzwerk zur ersten Computereinheit transferiert. Von der ersten Computereinheit werden die Daten der zweiten Verfahrensanweisung optional an den additiven Fertiger gesendet und die Baustruktur mittels der Verfahrensanweisung additiv gefertigt.
In einer weiteren Gestaltung der Erfindung ist die zweite Computereinheit dafür geeignet, Initial-Verfahrensanweisungen in unterschiedlichen Datenformaten einzulesen. Die von Nutzern auf das öffentliche Netzwerk transferierten Verfahrensanweisungen können unterschiedliche Dateiformate aufweisen, die von der zweiten Computereinheit eingelesen und für die Erstellung der Verfahrensanweisung herangezogen werden. In einer alternativen Ausführungsform ist die zweite Computereinheit in einer Cloud-Umgebung realisiert.
In einer weiteren Ausführung der Erfindung ist die zweite Computereinheit dafür geeignet, Verfahrensanweisungen in unterschiedlichen Datenformaten zu erstellen. Die Verfahrensanweisung kann auch von additiven Fertigern unterschiedlicher Bauart eingelesen und zur Herstellung einer Baustruktur herangezogen werden.
In einer Weiterbildung der Erfindung umfasst die Initial-Verfahrensanweisung den Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren, die Prozessparameter der Strahlquelle und/oder die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur.
Als Verfahrensparameter sind alle den Herstellungsprozess mittels additiver Fertigung beeinflussenden Größen zu verstehen. Als Prozessparameter sind alle den Prozess beeinflussenden Größen zu verstehen. Der additive Fertiger benötigt Prozessparameter zum Herstellen des Bauteils, z.B. die Höhe der herzustellenden Lagen, die Ausrichtung der Vektoren, also Richtung und Länge des Weges, welchen das Werkzeug auf der Oberfläche des herzustellenden Bauteils beschreibt. Das erfindungsgemäße Verfahren erstellt eine Initial-Verfahrensanweisung und eine Verfahrensanweisung für ein bestimmtes Material, welches zur Verarbeitung durch additives Fertigen vorgesehen ist. Die verwendeten Prozessparameter hängen von dem zur Herstellung des Bauteils additiven Fertiger ab.
Der Werkzeugpfad weist üblicherweise eine Mehrzahl von aneinander gereihten Vektoren auf, die durch den additiven Fertiger abgefahren werden. Die Verfahrensanweisungen definieren damit eine Prozessführung, die durch den additiven Fertiger zum additiven Herstellen abgearbeitet wird.
Die Wärmeabfuhr in der Baustruktur erfolgt umso langsamer, je wärmer die bereits hergestellte Baustruktur ist. Die Vektorlänge beeinflusst die Temperaturentwicklung insofern, dass die wiederholte Erwärmung von benachbarten Punkten aufgrund der parallelen Lage nacheinander belichteter Vektoren zeitlich länger auseinanderliegt. Ein wichtiger Einflussfaktor ist außerdem die Masseverteilung um die Vektoren, da diese den Wärmeabfluss und damit die Gefahr einer Überhitzung direkt beeinflusst.
In einer weiteren Ausbildung der Erfindung umfassen die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur die Leistung des Energiestrahls, die Bestrahlungszeiten einzelner Vektoren, die Pausenzeiten zwischen den Bestrahlungszeiten einzelner Vektoren, die Verfahrgeschwindigkeit des Energiestrahls, den Hatch-Abstand zwischen den Vektoren, die Vektorreihenfolge, die Vektorlänge und/oder die Vektorausrichtung. Auf diesem Wege lässt sich daher eine Überhitzung in gefährdeten Bereichen des Bauteils verhindern. Als Verfahrensparameter sind alle den Herstellungsprozess mittels additiver Fertigung beeinflussenden Größen zu verstehen.
In einer weiteren Gestaltung der Erfindung werden für die Erstellung der Verfahrensanweisung Daten aus der Initial-Verfahrensanweisung eingelesen und/oder eingegeben, wobei die Daten aus der Initial-Verfahrensanweisung die Baustrukturgeometrie, die Bauteilgeometrie, den Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren und/oder die Prozessparameter der Strahlquelle und/oder die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfassen. Die Initial-Verfahrensanweisung stellt grundlegende Daten und Verfahrensparameter zur additiven Herstellung einer Baustruktur bereit, die Grundlage zur Erstellung einer Verfahrensanweisung ist. Mittels der Verfahrensanweisung ist eine Baustruktur herstellbar, die während des Herstellungsprozesses in besonders gefährdeten Bereichen nicht überhitzt und im abgekühlten und nachbearbeiteten Zustand eine geringere Eigenspannungsverteilung aufweist, was z.B. bei der Herstellung von Turbinenschaufeln relevant ist.
In einer weiteren Ausgestaltung der Erfindung werden für die Erstellung der Verfahrensanweisung Maschinendaten des Additiv-Fertigers eingelesen und/oder eingegeben und/oder für die Erstellung der Verfahrensanweisung verwendet, wobei die Maschinendaten die möglichen Prozessparameter des Additiv-Fertigers, die möglichen Verfahrgeschwindigkeiten, die möglichen Verfahrwege des Bauteils zum Additiv-Fertiger umfassen. Maschinendaten sind für unterschiedliche Additiv-Fertiger unterschiedlich und werden daher für die Erstellung der Verfahrensanweisung herangezogen. Gleichzeitig ist es möglich, Verfahrensanweisungen für unterschiedliche Additiv-Fertiger zu erstellen, das erfindungsgemäße Verfahren kann daher für unterschiedliche Additiv-Fertiger angewendet werden.
In einer weiteren Ausbildung der Erfindung werden für die Erstellung der Verfahrensanweisung die Bauteildaten eingelesen und/oder eingegeben und/oder für die Erstellung der Verfahrensanweisung verwendet, wobei die Bauteildaten die Geometrie der Baustruktur, die Geometrie des Bauteils und/oder Materialdaten umfassen, und wobei die Materialdaten die Phasen, die Konzentration der Phasen, die Mikrostruktur, die mechanischen Kennwerte, die Schmelztemperatur und/oder die Siedetemperatur umfassen. Eine herzustellende Baustruktur beinhaltet oft dünnwandige oder überhängende Strukturen. In diesen Bereichen stellt der Körper lokal eine wesentlich kleinere thermische Kapazität zur Verfügung, so dass die Struktur unter der Verwendung von Standard- Prozessparametern lokal überhitzen kann. Dieses führt zum Beispiel zu unerwünscht großen Schmelzbädern, die durch die Bildung großer Schmelzperlen den Herstellungsprozess behindern. Für alle möglichen Kombinationen aus Prozess- und Materialparametern müssen entsprechende Daten in der Datenbank und/oder in einem ML- Modell zur Vorhersage von Prozessparametern, wie beispielweise der Temperatur abgespeichert sein. Im individuellen Anwendungsfall sind die geeigneten Daten und/oder das geeignete ML-Modell aus der Datenbank abzurufen und im Rahmen einer Berechnung beispielsweise der Temperaturentwicklung zu berücksichtigen.
In einer weiteren Ausführung der Erfindung werden für die Erstellung der Verfahrensanweisung Simulationsdaten eingelesen und/oder eingegeben und/oder für die Erstellung der Verfahrensanweisung verwendet, wobei die Simulationsdaten berechnete Daten umfassen, die auf Grundlage eines Models und ein- oder vorgegebener Parameter ermittelt wurden. Die Simulationsdaten beinhalten Daten über eine Baustruktur, bei der die Schrumpfung und die Ausbildung von Gefügespannungen bei der Formgebung berücksichtigt sind, indem eine mittels des Simulationsverfahrens modifizierte Geometrie der Baustruktur hergestellt wird, die aufgrund der Spannungen und Schrumpfungen die gewünschte Geometrie der Baustruktur annimmt.
In einer weiteren Ausbildung der Erfindung werden für die Erstellung der Verfahrensanweisung Experimentaldaten eingelesen und/oder eingegeben und/oder für die Erstellung der Verfahrensanweisung verwendet, wobei die Experimentaldaten experimentell ermittelte Daten umfassen. Die Experimentaldaten umfassen Daten einer Baustruktur, die in-situ in Echtzeit und/oder in vorhergehenden Herstellungsprozessen erstellt wurden. Mit den Experimentaldaten kann die Erstellung der zweite Verfahrensanweisung Daten beinhalten, die aufgrund realer, nicht simulierter Herstellungsprozesse erfasst werden.
In einer weiteren Gestaltung der Erfindung werden für die Erstellung der zweiten Verfahrensanweisung Verfahrensparameter der zweiten Verfahrensanweisung mithilfe eines ML- und/oder Al-Algorithmus ermittelt. Der ML- und/oder Al-Algorithmus kann unterschiedliche Verfahren zur Ermittlung der Verfahrensparameter nutzen.
In einer weiteren Ausbildung der Erfindung verwendet der ML- und/oder Al-Algorithmus zur Ermittlung der Verfahrensparameter der Verfahrensanweisung Erfahrungsdaten, wobei die Erfahrungsdaten Maschinendaten, Bauteildaten, Simulationsdaten und/oder Experimentaldaten umfassen. Die Erfahrungsdaten weisen Daten auf, die mittels eines oder mehrerer vorhergehender additiven Fertigungsprozesse von Bauteilen bzw. Baustrukturen sowie den für jedes Bauteil spezifischen Verfahrensanweisungen erfasst und erstellt wurden. Diese Daten sind in einer Datenbank abgespeichert. Im individuellen Anwendungsfall sind die geeigneten Daten aus der Datenbank abzurufen und im Rahmen einer Berechnung der Temperaturentwicklung mittels eines ML- und/oder Al-Algorithmus heranzuziehen.
In einer Weiterbildung der Erfindung umfassen die Erfahrungsdaten Maschinendaten von unterschiedlichen Additiv-Fertigern. In einer weiteren Ausführung der Erfindung umfassen die unterschiedlichen Additiv-Fertiger Additiv-Fertiger unterschiedlicher Bauart. In einer weiteren Ausgestaltung der Erfindung verwenden die unterschiedlichen Additiv-Fertiger unterschiedliche CAM-Verfahren zur Fertigung eines Bauteils. Die Maschinendaten umfassen die möglichen Prozessparameter des Additiv-Fertigers, die möglichen Verfahrgeschwindigkeiten, die möglichen Verfahrwege des Bauteils zum Additiv-Fertiger umfassen. Maschinendaten sind für unterschiedliche Additiv-Fertiger unterschiedlich und werden daher für die Erstellung der zweiten Verfahrensanweisung herangezogen. Gleichzeitig ist es möglich, Verfahrensanweisungen für unterschiedliche Additiv-Fertiger zu erstellen, das erfindungsgemäße Verfahren kann daher für unterschiedliche Additiv- Fertiger angewendet werden.
In einer weiteren Ausbildung der Erfindung umfassen die Erfahrungsdaten Daten aus unterschiedlichen CAM-Verfahren, wobei CAM-Verfahren Laser und /oder Elektronenstrahl Powder Bed Fusion, Direct Energy Deposition (DED) Binder Jetting und/oder andere nicht abrasive Verfahren der rechnergestützten Fertigung umfassen, die sich auf einen Werkzeugpfad mit diesem zugewiesenen Prozessparametern stützen. Für die Erstellung der Verfahrensanweisung werden derartige Erfahrungsdaten herangezogen, eine derartige zweite Verfahrensanweisung kann daher für unterschiedliche CAM-Verfahren verwendet werden.
In einer vorteilhaften Gestaltung der Erfindung umfasst die Verfahrensanweisung gegenüber der Initial-Verfahrensanweisung veränderte Werte der Leistung des Energiestrahls, der Bestrahlungszeiten einzelner Vektoren, der Pausenzeiten zwischen den Bestrahlungszeiten einzelner Vektoren der Verfahrgeschwindigkeit des Energiestrahls, der Vergrößerung des Hatch-Abstandes zwischen den Vektoren, der Vektorreihenfolge, der Vektorlänge, und/oder der Vektorausrichtung. Mittels der Verfahrensanweisung ist eine Baustruktur herstellbar, die während des Herstellungsprozesses in besonders gefährdeten Bereichen nicht überhitzt und im abgekühlten und nachbearbeiteten Zustand eine geringere Eigenspannungsverteilung aufweist. Die zu fertigende Baustruktur ist daher geschützter vor lokaler und/oder globaler Überhitzung.
In einer weiteren Ausführung der Erfindung weist die nach der Verfahrensanweisung gefertigte Baustruktur und/oder das nach der Verfahrensanweisung gefertigte Bauteil eine gegenüber einem nach der Initial-Verfahrensanweisung gefertigten Baustruktur und/oder einem nach der Initial-Verfahrensanweisung gefertigten Bauteil veränderte mechanische Kennwerte auf. In einem weiteren Aspekt der Erfindung umfassen die mechanischen Kennwerte die Eigenspannungsverteilung in der Baustruktur und/oder dem Bauteil. Vorteilhafterweise weist das nach der Verfahrensanweisung gefertigte Bauteil eine minimierte Eigenspannungsverteilung auf. Die mechanischen Kennwerte des Bauteils sind gegenüber bisher bekannten Verfahren wesentlich verbessert. Mittels des erfindungsgemäßen Verfahrens werden lokale Überhitzungen vermieden, die Qualität des endgefertigten Produktes erhöht und die Ausbeute der Fertigung erhöht, indem weniger Ausschuss produziert wird.
In einer weiteren Ausgestaltung der Erfindung wird während des Fertigungsprozesses in dem nach der Verfahrensanweisung gefertigte Baustruktur und/oder in dem nach der Verfahrensanweisung gefertigte Bauteil eine gegenüber einem nach der Initial- Verfahrensanweisung gefertigten Baustruktur und/oder einem nach der Initial- Verfahrensanweisung gefertigten Bauteil veränderte Eigenspannungsverteilung erzeugt. Vorteilhafterweise weist das nach der Verfahrensanweisung gefertigte Bauteil eine minimierte Eigenspannungsverteilung auf. Die mechanischen Kennwerte des Bauteils sind gegenüber bisher bekannten Verfahren wesentlich verbessert. Mittels des erfindungsgemäßen Verfahrens werden lokale Überhitzungen vermieden, die Qualität des endgefertigten Produktes erhöht und die Ausbeute der Fertigung erhöht, indem weniger Ausschuss produziert wird. In einer weiteren Ausführung der Erfindung weist die nach der Verfahrensanweisung gefertigte Baustruktur eine gegenüber einer nach der Initial-Verfahrensanweisung gefertigten Baustruktur veränderte Geometrie auf. Eine Geometrie im Sinne der Erfindung ist eine räumliche Anordnung und umfasst Eigenschaften wie Winkel, Dicke und Struktur der Baustruktur. In einer Weiterbildung der Erfindung umfasst die veränderte Geometrie die Geometrie des Bauteils. In einem weiteren Aspekt der Erfindung umfasst die veränderte Geometrie die Geometrie der Supportstruktur. Bevorzugt weist die nach der Verfahrensanweisung gefertigte Baustruktur eine gegenüber einem nach der Initial- Verfahrensanweisung gefertigten Baustruktur eine in der Geometrie derart veränderte Supportstruktur auf, dass die Supportstruktur unterschiedliche Ansatzpunkte an dem Bauteil aufweist, sodass die Eigenspannungsverteilung im gefertigten Bauteil verändert ist.
In einer weiteren Ausführung der Erfindung greift die erste Methode zur Erstellung der Initial-Verfahrensanweisung auf einen ersten Satz Erfahrungsdaten zu und die zweite Methode greift zur Erstellung der Verfahrensanweisung auf einen zweiten Satz Erfahrungsdaten zu, wobei der erste Satz Erfahrungsdaten zum zweiten Satz Erfahrungsdaten unterschiedlich ist. Der erste Satz Erfahrungsdaten weist Daten auf, die mittels eines oder mehrerer vorhergehender additiven Fertigungsprozesse von Bauteilen bzw. Baustrukturen sowie den für jedes Bauteil spezifischen Verfahrensanweisungen erfasst und erstellt wurden. Die Erfahrungsdaten umfassen Maschinendaten des Additiv- Fertigers, für den die Initial-Verfahrensanweisung erstellt werden soll, sowie Bauteildaten, Simulationsdaten der Temperaturverteilung in der Baustruktur während des Herstellungsprozesses und/oder Experimentaldaten. Der zweite Satz Erfahrungsdaten weist zur Ermittlung der Verfahrensparameter der Verfahrensanweisung die Maschinendaten des Additiv-Fertigers, Bauteildaten, Simulationsdaten und/oder Experimentaldaten auf.
In einerweiteren Ausgestaltung der Erfindung sind der erste Satz Erfahrungsdaten auf einer ersten Speichereinrichtung und der zweite Satz Erfahrungsdaten auf einer zweiten Speichereinrichtung gespeichert, wobei die erste Speichereinrichtung zur zweiten Speichereinrichtung unterschiedlich ist. Unter einer Speichereinrichtung wird im Zusammenhang mit der Erfindung beispielsweise ein computerlesbarer Speicher in Form eines Arbeitsspeichers (engl. Random-Access Memory, RAM) oder eine Festplatte verstanden. Möglich ist ebenfalls ein Cloud-Speicher.
In einer weiteren Ausbildung der Erfindung umfasst die additive Fertigung eines Bauteils CAM-Verfahren, wobei CAM-Verfahren Laser und /oder Elektronenstrahl Powder Bed Fusion, Direct Energy Deposition (DED) Binder Jetting und/oder andere nicht abrasive Verfahren der rechnergestützten Fertigung umfassen, die sich auf einen Werkzeugpfad mit diesem zugewiesenen Prozessparametern stützen. Das erfindungsgemäße Verfahren zur Erstellung einer Verfahrensanweisung und die erstellte Verfahrensanweisung kann daher für unterschiedliche CAM-Verfahren verwendet werden.
Ausführungsbeispiele des erfindungsgemäßen Verfahrens zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung eines Bauteils sind in den Zeichnungen schematisch vereinfacht dargestellt und werden in der nachfolgenden Beschreibung näher erläutert.
Es zeigen:
Fig. 1 : Verfahren aus dem Stand der Technik zur Bereitstellung einer
Verfahrensanweisung
Fig. 2: Erfindungsgemäßes Verfahren zur Bereitstellung einer Verfahrensanweisung
Fig. 3: Erfindungsgemäßes Verfahren zur Bereitstellung einer Verfahrensanweisung, zwei unterschiedliche Softwareprogramme
Fig. 4: Erfindungsgemäßes Verfahren zur Bereitstellung einer Verfahrensanweisung, zwei unterschiedliche Softwareprogramme und Fertigung eines ersten Abschnitts des Bauteils
Fig. 5: Erfindungsgemäßes Verfahren zur Bereitstellung einer Verfahrensanweisung, zwei unterschiedliche Computereinheiten Fig. 6: Erfindungsgemäßes Verfahren zur Bereitstellung einer Verfahrensanweisung, zwei unterschiedliche Computereinheiten und Fertigung eines ersten Abschnitts des Bauteils
Fig. 7: Erfindungsgemäßes Verfahren zur Bereitstellung einer Verfahrensanweisung, zwei unterschiedliche Computereinheiten und zwei unterschiedliche Softwareprogramme
Fig. 8: Erfindungsgemäßes Verfahren zur Bereitstellung einer Verfahrensanweisung, zwei unterschiedliche Computereinheiten, zwei unterschiedliche Softwareprogramme und Fertigung eines ersten Abschnitts des Bauteils
Fig. 9: Ablaufdiagramm des erfindungsgemäßen Verfahrens zur Bereitstellung einer Verfahrensanweisung, getrennte Computereinheiten
Fig. 10: Ablaufdiagramm des erfindungsgemäßen Verfahrens zur Bereitstellung einer Verfahrensanweisung, getrennte Computereinheiten und Fertigung eines ersten Abschnitts des Bauteils
Fig. 11: Ablaufdiagramm des erfindungsgemäßen Verfahrens zur Bereitstellung einer Verfahrensanweisung, getrennte Computereinheiten und getrennte Softwareprogramme
Fig. 12: Ablaufdiagramm des erfindungsgemäßen Verfahrens zur Bereitstellung einer Verfahrensanweisung, getrennte Computereinheiten, getrennte Softwareprogramme und Fertigung eines ersten Abschnitts des Bauteils
Fig. 1 zeigt ein Ausführungsbeispiel eines Verfahrens zur Bereitstellung einer Verfahrensanweisung, wie es aus dem Stand der Technik bekannt ist. Ausgangspunkt für die Durchführung einer additiven Fertigung ist eine Beschreibung des Werkstücks mittels eines Datensatzes. Mittels einer Software zur 3D-Modellierung (z.B. ein CAD-Programm) wird der Datensatz für die Baustruktur des herzustellenden Bauteils erstellt CAD. Der Datensatz enthält die dreidimensionalen Daten für eine Aufbereitung zwecks Herstellung durch das additive Fertigungsverfahren. Im Anschluss daran erfolgt eine Vorverarbeitung 110 auf der Bauplattform dahingehend, dass der Datensatz ein Volumenmodell des herzustellenden Bauteils umfasst und in eine andere Form exportiert wird, die die in sich geschlossene Oberflächengeometrie des Objekts darstellt. Aus dem Datensatz wird ein Fertigungsdatensatz erzeugt, welcher eine zum additiven Herstellen geeignete Aufbereitung der Geometrie des Werkstücks in Lagen oder Scheiben (sog. Slices) enthält. Diese Transformation der Daten wird als Slicen 120 bezeichnet.
Außerdem benötigt der Additiv-Fertiger weitere Prozessparameter und Werkzeugpfade zum Herstellen, z.B. die Höhe der herzustellenden Lagen, die Ausrichtung der Schreibvektoren, also Richtung und Länge des Weges. Diese Prozessparameter und Werkzeugpfade werden im folgenden Verfahrensschritt generiert 130 und an den Additiv- Fertiger gesendet 300a/b. Im eigentlichen Fertigungsprozess M wird die mittels CAD- Verfahren CAD beschriebene Baustruktur in dem Additiv-Fertiger mittels CAM-Verfahren Lage für Lage additiv hergestellt.
Ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens zur Bereitstellung einer Verfahrensanweisung zeigt Fig. 2. In diesem und allen folgenden Ausführungsbeispielen wird eine Verfahrensanweisung erstellt, um eine Baustruktur mittels Directed Energy Deposition (DED) herzustellen. Bei der DED wird ein Pulver oder ein Draht koaxial zu einem Laser zugeführt, um eine geschmolzene oder gesinterte Schicht auf einem Substrat zu bilden. Bei der DED sind häufig Stützstrukturen notwendig, um die Teile auf der Bauplatte zu befestigen und Überhänge abzusichern.
Zuerst erfolgt ebenfalls eine 3D-Modellierung des Werkstücks mittels eines Datensatzes, der mittels eines CAD-Programms erstellt CAD wird. Im Anschluss daran erfolgt wiederum eine Vorverarbeitung 110 auf der Bauplattform, nachgefolgt vom Slicing 120. Im folgenden Verfahrensschritt wird eine Initial-Verfahrensanweisung generiert 100, wobei die Daten der Initial-Verfahrensanweisung die Baustrukturgeometrie, die Bauteilgeometrie sowie die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfasst. Zur Erstellung einer Verfahrensanweisung 200 werden diese Daten der Initial- Verfahrensanweisung eingelesen 220, auf diese Daten der Initial-Verfahrensanweisung ein ML-Algorithmus AI/ML angewendet und für die Erstellung 200 der Verfahrensanweisung herangezogen.
In diesem und allen weiteren Ausführungsbeispielen wird ein ML- und/oder Al-Algorithmus AI/ML zur Erstellung 200 der Verfahrensanweisung verwendet, der Reinforcement Learning einsetzt. Bestärkendes Lernen oder verstärkendes Lernen (englisch Reinforcement Learning, RL) steht für eine Reihe von Methoden des maschinellen Lernens, bei denen ein Agent selbstständig eine Strategie erlernt, um erhaltene Belohnungen zu maximieren. Dabei wird dem Agenten nicht vorgezeigt, welche Aktion in welcher Situation die beste ist, sondern er erhält durch die Interaktion mit seiner Umwelt zu bestimmten Zeitpunkten eine Belohnung, die auch negativ sein kann. Weitere Möglichkeiten sind die Verwendung eines ML- und/oder Al-Algorithmus, der überwachtes Lernen oder unüberwachtes Lernen oder Zwischenstufen von überwachtem Lernen oder unüberwachtem Lernen einsetzt. Weiterhin kann auch Deep Learning eingesetzt werden.
Die Verfahrensanweisung wird an den Additiv-Fertiger gesendet 300a/b, und die herzustellende Baustruktur wird mittels der Verfahrensanweisung additiv gefertigt M.
Fig. 3 und Fig. 4 zeigen jeweils ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens, wobei die Initial-Verfahrensanweisung mittels einer ersten Methode PROG1 erstellt 100 wird und die Verfahrensanweisung mittels einer zur ersten Methode PROG1 unterschiedlichen zweiten Methode PROG2 erstellt 200 wird. Erste Methode PROG1 und zweite Methode PROG2 sind formalisierte Abläufe, die in einem ersten Software-Programm PROG1 und in einem zweiten Software-Programm PROG2 festgelegt sind. Die beiden Software-Programme PROG1 , PROG2 sind dabei unterschiedlich zueinander.
Zuerst erfolgt ebenfalls eine 3D-Modellierung des Werkstücks mittels eines Datensatzes, der mittels eines CAD-Programms erstellt CAD wird. Im Anschluss daran erfolgt mittels der ersten Methode PROG1 eine Vorverarbeitung 110 auf der Bauplattform, nachgefolgt vom Slicing 120. Im folgenden Verfahrensschritt wird ebenfalls mittels der ersten Methode PR0G1 eine Initial-Verfahrensanweisung generiert 100, wobei die Daten der Initial- Verfahrensanweisung die Baustrukturgeometrie, die Bauteilgeometrie sowie die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfasst. Diese Daten und Verfahrensparameter sind vom Material der Baustruktur und von dem CAM-Verfahren abhängig, das der Additiv-Fertiger zur Herstellung M der Baustruktur bzw. des Bauteils nutzt. Die Initial-Verfahrensanweisung wird ohne einen ML-Algorithmus erstellt.
Dazu greift 140 die erste Methode PROG1 auf einen ersten Satz Erfahrungsdaten zu, der auf einer ersten Speichereinrichtung DB1 gespeichert ist. Der erste Satz Erfahrungsdaten weist Daten auf, die mittels eines oder mehrerer vorhergehender additiven Fertigungsprozesse von Bauteilen bzw. Baustrukturen sowie den für jedes Bauteil spezifischen Verfahrensanweisungen erfasst und erstellt wurden. Die Erfahrungsdaten umfassen Maschinendaten des Additiv-Fertigers, für den die Initial-Verfahrensanweisung erstellt werden soll, sowie Bauteildaten, Simulationsdaten der Temperaturverteilung in der Baustruktur während des Herstellungsprozesses, und/oder Experimentaldaten.
Die mittels der ersten Methode PROG1 erstellten Daten und Verfahrensparameter der ersten Verfahrensanweisung werden zur Erstellung 200 der zweiten Verfahrensanweisung durch die zweite Methode PROG2 eingelesen.
Weiterhin werden zur Erstellung 200 der Verfahrensanweisung Maschinendaten des Additiv-Fertigers, der zur Herstellung M der Baustruktur bzw. des Bauteils verwendet wird, eingelesen und/oder eingegeben 210 und für die Erstellung 200 der Verfahrensanweisung genutzt. Die Maschinendaten umfassen die möglichen Verfahrensparameter des Additiv- Fertigers, die möglichen Verfahrgeschwindigkeiten, die möglichen Verfahrwege des Bauteils zum Additiv-Fertiger.
Ebenfalls werden zur Erstellung 200 der Verfahrensanweisung Bauteildaten eingelesen und/oder eingegeben 210 und für die Erstellung 200 der Verfahrensanweisung genutzt. Die Bauteildaten umfassen die Geometrie der Baustruktur, die Geometrie des Bauteils und/oder Materialdaten, wobei die Materialdaten die Phasen und die Konzentration der Phasen bei gegebenem Temperaturverlauf, die Mikrostruktur, die mechanischen Kennwerte, die Schmelztemperatur und/oder die Siedetemperatur umfassen.
Zusätzlich werden zur Erstellung 200 der Verfahrensanweisung Simulationsdaten eingelesen und/oder eingegeben 210. Die Simulationsdaten umfassen berechnete Daten, die auf Grundlage eines Modells und eingegebener oder vorgegebener Parameter ermittelt wurden.
Außerdem werden zur Erstellung 200 der Verfahrensanweisung Experimentaldaten eingelesen und/oder eingegeben 210. Die Experimentaldaten umfassen experimentell ermittelte Daten und Verfahrensparameter, die in Echtzeit während des Herstellungsprozesses M der Baustruktur ermittelt werden und/oder aus vorhergehenden Herstellungsprozessen ermittelt wurden.
Maschinendaten des Additiv-Fertigers, Bauteildaten, Simulationsdaten und Experimentaldaten sind auf einer zweiten Speichereinrichtung DB2 gespeichert und werden zur Erstellung 200 der Verfahrensanweisung von dieser geladen.
Die Verfahrensanweisung enthält Verfahrensparameter, die vorteilhafterweise mittels eines ML-Algorithmus AI/ML ermittelt werden. Der ML-Algorithmus verwendet zur Ermittlung der Verfahrensparameter der zweiten Verfahrensanweisung Erfahrungsdaten, wobei die Erfahrungsdaten die Maschinendaten des Additiv-Fertigers, Bauteildaten, Simulationsdaten und/oder Experimentaldaten umfassen, die auf der zweiten Speichereinrichtung DB2 gespeichert sind.
Die Verfahrensanweisung wird an den Additiv-Fertiger gesendet 300a/b (Fig. 3), und die herzustellende Baustruktur wird mittels der Verfahrensanweisung schichtweise additiv gefertigt M.
In einer bevorzugten Variante der Erfindung wird mittels der Verfahrensanweisung nur ein erster Abschnitt des Bauteils additiv hergestellt M. Die wie beschrieben erstellte Verfahrensanweisung ist also eine Initial-Verfahrensanweisung, m.a.W. ein erster Teil der Verfahrensanweisung, mit der ein erster Abschnitt des Bauteils additiv hergestellt M wird. Im Gegensatz dazu ist mittels der vollständigen Verfahrensanweisung, wie sie in Fig. 3 generiert wird, das gesamte Bauteil herstellbar. In diesem und den folgenden Ausführungsbeispielen ist der erste Abschnitt des Bauteils eine Schicht, der erste Teil der Verfahrensanweisung dementsprechend eine Verfahrensanweisung zur additiven Fertigung M der ersten Schicht des Bauteils. Auf die Initial-Verfahrensanweisung wird der ML-Algorithmus AI/ML angewandt (Fig. 4).
Der Herstellungsbereich, in dem die Baustruktur additiv gefertigt wird, weist dazu eine Detektionseinrichtung S1 auf (Fig. 4). Mittels der Detektionseinrichtung S1 werden in-situ Experimentaldaten des Herstellungsprozesses während der Herstellung des ersten Abschnitts der Baustruktur in Echtzeit erfasst. Die Detektionseinrichtung S1 weist in diesem und den weiteren Ausführungsbeispielen eine Temperaturdetektionseinrichtung auf, die die Temperatur jeweils der Schicht erfasst, die derzeit additiv aufgetragen wird. Weitere Möglichkeiten sind Bildgebungseinrichtungen, die Schmelzbadgrößen, ein Formflächenbild und/oder die Spritz- bzw. Zerstäubungsmenge zu erfassen. Die mittels der Detektionseinrichtung S1 erfassten experimentellen Daten umfassen ebenfalls z.B. die Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren, und/oder die Verfahrgeschwindigkeit des Energiestrahls.
Die erfassten Experimentaldaten werden an die zweite Speichereinrichtung DB2 versendet und ebenfalls in der zweiten Speichereinrichtung DB2 gespeichert. Diese experimentellen Daten werden von der zweiten Methode PROG2 eingelesen 220, aus den Experimentaldaten werden berechnete Daten ermittelt. Auf diese berechneten Daten wird der ML-Algorithmus AI/ML angewendet und während der Durchführung der Initial- Verfahrensanweisung ein zweiter Teil der Verfahrensanweisung für die Fertigung M eines zweiten Abschnitts des Bauteils, also einer zweiten Schicht des Bauteils, erstellt 200. Der zweite Teil der Verfahrensanweisung weist gegenüber der Initial-Verfahrensanweisung veränderte Parameter für die Fertigung M des zweiten Abschnitts des Bauteils. Die veränderten Parameter umfassen einen oder mehrere Parameter aus der Gruppe Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren, Verfahrgeschwindigkeit des Energiestrahls, Veränderung des Hatch-Abstandes zwischen den Vektoren, der Vektorreihenfolge, der Vektorlänge, Vektorausrichtung und/oder veränderte Geometrie der Stützstruktur.
Dieses Verfahren wird so lange wiederholt angewendet, bis alle Abschnitte, d.h. alle Schichten des Bauteils hergestellt sind. Auf die Generierung der zweiten Verfahrensanweisung zur additiven Fertigung einer zweiten Schicht des Bauteils erfolgt die Generierung unter Anwendung des ML-Algorithmus AI/ML eine dritte Verfahrensanweisung zur additiven Fertigung einer dritten Schicht des Bauteils und so weiter, wobei jede n-te Verfahrensanweisung auf Grundlage der (n-1)ten Verfahrensanweisung unter Anwendung des ML-Algorithmus AI/ML erstellt wird.
Ein weiteres Ausführungsbeispiel des erfindungsgemäßen Verfahrens zeigen Fig. 5 und Fig. 6. Hier wird die Initial-Verfahrensanweisung auf einer ersten Computereinheit COMP1 erstellt 100 sowie die Verfahrensanweisung auf einer zweiten Computereinheit COMP2 erstellt 200.
Zuerst erfolgt auf der ersten Computereinheit COMP1 eine 3D-Modellierung des Werkstücks mittels eines Datensatzes, der mittels eines CAD-Programms erstellt CAD wird. Im Anschluss daran erfolgt wiederum eine Vorverarbeitung 110 auf der Bauplattform, nachgefolgt vom Slicing 120. Im folgenden Verfahrensschritt wird eine Initial- Verfahrensanweisung generiert 100, wobei die Daten der Initial-Verfahrensanweisung die Baustrukturgeometrie, die Bauteilgeometrie sowie die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfasst.
Zur Erstellung 200 einer Verfahrensanweisung werden diese Daten der Initial- Verfahrensanweisung von der zweiten Computereinheit COMP2 eingelesen 220 und für die Erstellung 200 der Verfahrensanweisung herangezogen. Die Verfahrensanweisung wird an den Additiv-Fertiger gesendet 300a/b, und die herzustellende Baustruktur wird mittels der Verfahrensanweisung additiv gefertigt M. Mittels der erstellten Initial-Verfahrensanweisung ist bevorzugt ebenfalls nur ein erster Abschnitt des Bauteils additiv herstellbar. Mittels der Detektionseinrichtung S1 werden in- situ Experimentaldaten des Herstellungsprozesses während der Herstellung des ersten Abschnitts der Baustruktur in Echtzeit erfasst (Fig. 6). Die erfassten Experimentaldaten werden an die zweite Computereinheit C0MP2 versendet und ebenfalls in der zweiten Speichereinrichtung DB2 gespeichert. Diese experimentellen Daten werden eingelesen 220 aus den Experimentaldaten werden berechnete Daten ermittelt. Auf diese berechneten Daten wird der ML-Algorithmus AI/ML angewendet und ein zweiter Teil der Verfahrensanweisung für die Fertigung M eines zweiten Abschnitts des Bauteils, also einer zweiten Schicht des Bauteils, erstellt 200.
Dieses Verfahren wird so lange angewendet, bis alle Abschnitte des Bauteils hergestellt sind. Auf die Generierung der zweiten Verfahrensanweisung zur additiven Fertigung eines zweiten Abschnitts des Bauteils erfolgt die Generierung unter Anwendung des ML- Algorithmus AI/ML eine dritte Verfahrensanweisung zur additiven Fertigung eines dritten Abschnitts des Bauteils und so weiter, wobei jede n-te Verfahrensanweisung auf Grundlage der (n-1)ten Verfahrensanweisung erstellt wird.
Fig. 7 und Fig. 8 zeigt die bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens. Hier wird die Initial-Verfahrensanweisung auf einer ersten Computereinheit COMP1 mittels einer ersten Methode PROG1 erstellt 100. Die Verfahrensanweisung wird auf einer zweiten Computereinheit COMP2 mittels einer zweiten Methode PROG2 erstellt 200. Die erste Computereinheit COMP1 umfasst die erste Speichereinrichtung DB1 , die zweite Computereinheit COMP2 umfasst die zweite Speichereinrichtung DB2. Dabei sind jeweils die erste Methode PROG1 unterschiedlich zur zweiten Methode PROG2, die erste Computereinheit COMP1 unterschiedlich zur zweiten Computereinheit COMP2 und die erste Speichereinrichtung DB1 unterschiedlich zur zweiten Speichereinrichtung DB2.
Zuerst erfolgt ebenfalls eine 3D-Modellierung des Werkstücks mittels eines Datensatzes, der mittels eines CAD-Programms erstellt CAD wird. Im Anschluss daran erfolgt mittels der ersten Methode PROG1 eine Vorverarbeitung 110 auf der Bauplattform, nachgefolgt vom Slicing 120. Im folgenden Verfahrensschritt wird ebenfalls mittels der ersten Methode PR0G1 auf der ersten Computereinheit COMP1 eine erste Verfahrensanweisung generiert 100, wobei die Daten der ersten Verfahrensanweisung die Baustrukturgeometrie, die Bauteilgeometrie sowie die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfasst. Diese Daten und Verfahrensparameter sind vom Material der Baustruktur und von dem CAM-Verfahren abhängig, das der Additiv-Fertiger zur Herstellung M der Baustruktur bzw. des Bauteils nutzt.
Dazu greift 140 die erste Methode PROG1 auf einen ersten Satz Erfahrungsdaten zu, der auf einer ersten Speichereinrichtung DB1 gespeichert ist. Der erste Satz Erfahrungsdaten weist Daten auf, die mittels eines oder mehrerer vorhergehender additiven Fertigungsprozesse von Bauteilen bzw. Baustrukturen sowie den für jedes Bauteil spezifischen Verfahrensanweisungen erfasst und erstellt wurden. Die Erfahrungsdaten umfassen Maschinendaten des Additiv-Fertigers, für den die Initial-Verfahrensanweisung erstellt werden soll, sowie Bauteildaten, Simulationsdaten der Temperaturverteilung in der Baustruktur während des Herstellungsprozesses und/oder Experimentaldaten.
Die mittels der ersten Methode PROG1 erstellten Daten und Verfahrensparameter der Initial-Verfahrensanweisung werden zur Erstellung 200 der Verfahrensanweisung auf der zweiten Computereinheit COMP2 durch die zweite Methode PROG2 eingelesen. Maschinendaten des Additiv-Fertigers, Bauteildaten, Simulationsdaten und Experimentaldaten sind auf einer zweiten Speichereinrichtung DB2 gespeichert und werden zur Erstellung 200 der Verfahrensanweisung von dieser geladen 210.
Die Verfahrensanweisung enthält Verfahrensparameter, die ebenfalls mittels eines ML- Algorithmus ermittelt werden. Der ML-Algorithmus verwendet zur Ermittlung der Verfahrensparameter der Verfahrensanweisung Erfahrungsdaten, wobei die Erfahrungsdaten die Maschinendaten des Additiv-Fertigers, Bauteildaten, Simulationsdaten und/oder Experimentaldaten umfassen, die auf der zweiten Speichereinrichtung DB2 gespeichert sind. Die Verfahrensanweisung wird an den Additiv-Fertiger gesendet 300a/b, und die herzustellende Baustruktur wird mittels der zweiten Verfahrensanweisung additiv gefertigt M (Fig. 7).
Mittels der erstellten Initial-Verfahrensanweisung ist bevorzugt ebenfalls nur ein erster Abschnitt des Bauteils additiv herstellbar. Mittels der Detektionseinrichtung S1 werden in- situ Experimentaldaten des Herstellungsprozesses während der Herstellung des ersten Abschnitts der Baustruktur in Echtzeit erfasst (Fig. 8). Die erfassten Experimentaldaten werden an die zweite Computereinheit C0MP2 versendet und ebenfalls in der zweiten Speichereinrichtung DB2 gespeichert. Diese experimentellen Daten werden eingelesen 220 aus den Experimentaldaten werden berechnete Daten ermittelt. Auf diese berechneten Daten wird mittels der zweiten Methode PROG2 der ML-Algorithmus AI/ML angewendet und ein zweiter Teil der Verfahrensanweisung für die Fertigung M eines zweiten Abschnitts des Bauteils, also einer zweiten Schicht des Bauteils, mittels der zweiten Methode PROG2 erstellt 200.
Dieses Verfahren wird so lange angewendet, bis alle Abschnitte, d.h. alle Schichten des Bauteils mittels der zweiten Methode PROG2 hergestellt sind. Auf die Generierung der zweiten Verfahrensanweisung zur additiven Fertigung einer zweiten Schichtfolge des Bauteils erfolgt die Generierung unter Anwendung des ML-Algorithmus AI/ML eine dritte Verfahrensanweisung zur additiven Fertigung einer dritten Schichtfolge des Bauteils und so weiter, wobei jede n-te Verfahrensanweisung auf Grundlage der (n-1)ten Verfahrensanweisung erstellt wird.
Fig. 9 und Fig. 10 zeigen Ausführungsbeispiele eines Ablaufdiagramms des erfindungsgemäßen Verfahrens 400. Initial-Verfahrensanweisung und Verfahrensanweisung werden auf getrennten und unterschiedlichen Computereinheiten COMP1 , COMP2 erstellt 100, 200 (Fig. 9).
Zuerst erfolgt eine 3D-Modellierung des Werkstücks mittels eines Datensatzes, der mittels eines CAD-Programms erstellt CAD wird. Das CAD-Programm wird in diesem und dem folgenden Ausführungsbeispiel auf einer von der ersten COMP1 und der zweiten Computereinheit COMP2 unterschiedlichen Computereinheit ausgeführt. Das CAD-Modell beinhaltet Daten zur Beschreibung der zu fertigenden Baustruktur. Die Daten werden in standardisierten Dateiformaten bereitgestellt, beispielsweise als STL-File (STL: Standard Tessellation Language). Diese CAD-Daten werden von der ersten Computereinheit COMP1 eingelesen.
Im Anschluss daran erfolgt wiederum eine Vorverarbeitung 110 auf der Bauplattform, nachgefolgt vom Slicing 120. Im folgenden Verfahrensschritt wird eine Initial- Verfahrensanweisung generiert 130, die Baustrukturgeometrie, die Bauteilgeometrie sowie die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfasst.
Aus einer ersten Datenbank DB1 werden dann von der ersten Computereinheit COMP1 ein erster Satz Erfahrungsdaten geladen 140, der auf einer ersten Speichereinrichtung DB1 gespeichert ist. Die erste Speichereinrichtung DB1 ist in diesem und dem folgenden Ausführungsbeispiel in der ersten Computereinheit COMP1 angeordnet. Der erste Satz Erfahrungsdaten weist Daten auf, die mittels eines oder mehrerer vorhergehender additiven Fertigungsprozesse von Bauteilen bzw. Baustrukturen sowie den für jedes Bauteil spezifischen Verfahrensanweisungen erfasst und erstellt wurden. Die Erfahrungsdaten umfassen Maschinendaten des Additiv-Fertigers, für den die Initial-Verfahrensanweisung erstellt werden soll. Mit diesen Erfahrungsdaten wird die Initial-Verfahrensanweisung erstellt 150, indem die Verfahrensparameter und Werkzeugpfade des Additiv-Fertigers generiert werden.
Die Initial-Verfahrensanweisung umfasst abhängig von der CAM-Methode des Additiv- Fertigers den Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren, die Prozessparameter der Strahlquelle und/oder die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur. Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfassen die Leistung des Energiestrahls, die Bestrahlungszeiten einzelner Vektoren, die Pausenzeiten zwischen den Bestrahlungszeiten einzelner Vektoren, die Verfahrgeschwindigkeit des Energiestrahls, den Hatch-Abstand zwischen den Vektoren, die Vektorreihenfolge, die Vektorlänge und/oder die Vektorausrichtung. Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur sind vom Material der Baustruktur abhängig.
Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung werden optional an ein öffentliches Netzwerk CL versendet 150 (Fig. 6) und optional auf einer Speichereinheit des öffentlichen Netzwerks CL gespeichert. Auf das öffentliche Netzwerk CL haben Nutzer Zugang. Die Nutzer können eigene erstellte Verfahrensanweisungen auf das öffentliche Netzwerk CL transferieren und von dem öffentlichen Netzwerk CL auf dem öffentlichen Netzwerk CL gespeicherte Verfahrensanweisungen herunterladen. Dabei können die vom Nutzer erstellten Verfahrensanweisungen auch unterschiedliche Dateiformate aufweisen.
Optional wird diese Initial-Verfahrensanweisung an einen Additiv-Fertiger versendet 300a/b und aufgrund der ersten Verfahrensanweisung die Baustruktur gefertigt M werden. Mittels der ersten Verfahrensanweisung ist also eine erste Baustruktur - also ein erstes Bauteil mit einer ersten Supportstruktur - herstellbar.
Vorteilhafterweise ist mittels der Verfahrensanweisung eine zweite Baustruktur herstellbar, die unterschiedlich ist zur ersten Baustruktur. Die mittels der Verfahrensanweisung herstellbare Baustruktur weist eine gegenüber einem nach der Initial-Verfahrensanweisung gefertigten Baustruktur und/oder einem nach der Initial-Verfahrensanweisung gefertigten Bauteil veränderte mechanische Kennwerte auf, wobei die mechanischen Kennwerte mittels der Verfahrensanweisung herstellbaren Baustruktur insbesondere eine veränderte, insbesondere minimierter Verzug und verbesserte Eigenspannungsverteilung gegenüber der mittels der Initial-Verfahrensanweisung herstellbaren Baustruktur aufweist. Die mittels der Verfahrensanweisung herstellbaren Baustruktur weist daher gegenüber der mittels der Initial-Verfahrensanweisung herstellbaren Baustruktur eine veränderte Geometrie insbesondere der Supportstruktur, ggf. auch des Bauteils auf.
Dazu werden die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung von einer zweiten Computereinheit COMP2 eingelesen 220, wobei erste Computereinheit COMP1 und zweite Computereinheit COMP2 unterschiedlich zueinander und entfernt voneinander angeordnet sind. Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung werden eingelesen 220, nachdem sie von der ersten Computereinheit COMP1 an die zweite Computereinheit COMP2 versendet 150 wurden (Fig. 9). In einer weiteren Ausführung werden die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung eingelesen 220, nachdem sie von der ersten Computereinheit COMP1 optional an das öffentliche Netzwerk CL versendet wurden.
Die zweite Computereinheit COMP2 ist dafür geeignet, Initial-Verfahrensanweisung in unterschiedlichen Datenformaten einzulesen 220 und ebenfalls dafür geeignet, Verfahrensanweisungen in unterschiedlichen Datenformaten zu erstellen.
Die von Nutzern auf das optionale öffentliche Netzwerk CL transferierten Verfahrensanweisungen können unterschiedliche Dateiformate aufweisen, die von der zweiten Computereinheit COMP2 eingelesen 220 und für die Erstellung 200 der Verfahrensanweisung herangezogen wird. Zusätzlich werden Maschinendaten des Additiv- Fertigers, Bauteildaten, Simulationsdaten und Experimentaldaten eingelesen und/oder eingegeben 210, die auf einer zweiten Speichereinrichtung DB2 gespeichert sind.
Die Verfahrensanweisung enthält Verfahrensparameter, die ebenfalls mittels eines ML- Algorithmus AI/ML ermittelt 230 werden. Der ML-Algorithmus AI/ML verwendet zur Ermittlung 230 der Verfahrensparameter der Verfahrensanweisung Erfahrungsdaten, wobei die Erfahrungsdaten die Maschinendaten des Additiv-Fertigers, Bauteildaten, Simulationsdaten und/oder Experimentaldaten umfassen, die auf der zweiten Speichereinrichtung DB2 gespeichert sind. Im Anschluss daran erfolgt eine Abfrage 240, ob aufgrund der mittels des ML-Algorithmus AI/ML ermittelten Verfahrensparameter ein geringerer Verzug und insbesondere verbesserte Eigenspannungsverteilung und damit einen minimierten Verzug in der herzustellenden Baustruktur erzielt wird.
Mittels der erstellten Initial-Verfahrensanweisung ist bevorzugt ebenfalls nur ein erster Abschnitt des Bauteils additiv herstellbar. Mittels der Detektionseinrichtung S1 werden in- situ Experimentaldaten des Herstellungsprozesses während der Herstellung des ersten Abschnitts der Baustruktur in Echtzeit erfasst (Fig. 10). Die erfassten Experimentaldaten werden an die zweite Computereinheit COMP2 versendet und ebenfalls in der zweiten Speichereinrichtung DB2 gespeichert. Diese experimentellen Daten werden eingelesen 220 aus den Experimentaldaten werden berechnete Daten ermittelt. Auf diese berechneten Daten wird der ML-Algorithmus AI/ML angewendet und ein zweiter Teil der Verfahrensanweisung für die Fertigung M eines zweiten Abschnitts des Bauteils, also einer zweiten Schicht des Bauteils, erstellt 200.
Dieses Verfahren wird so lange angewendet, bis alle Abschnitte, d.h. alle Schichten des Bauteils mittels der zweiten Methode PROG2 hergestellt sind. Auf die Generierung der zweiten Verfahrensanweisung zur additiven Fertigung einer zweiten Schicht des Bauteils erfolgt die Generierung unter Anwendung des ML-Algorithmus AI/ML eine dritte Verfahrensanweisung zur additiven Fertigung einer dritten Schicht des Bauteils und so weiter, wobei jede n-te Verfahrensanweisung auf Grundlage der (n-1)ten Verfahrensanweisung erstellt wird.
Die mittels des ML-Algorithmus AI/ML ermittelten Verfahrensparameter werden in weiteren Iterationen der Anwendung der zweiten Methode so lange als Startwert der Anwendung 230 eines ML-Algorithmus AI/ML angewendet, bis ein Minimum der Eigenspannungsverteilung in der herzustellenden Baustruktur ermittelt ist. Die Verfahrensanweisung weist also Verfahrensparameter auf, mit denen eine Baustruktur mit minimierter Eigenspannungsverteilung herstellbar ist. Die Verfahrensanweisung wird an den Additiv-Fertiger gesendet 300a/b, und die herzustellende Baustruktur wird mittels der zweiten Verfahrensanweisung additiv gefertigt M. Alternativ wird der ML-Algorithmus genutzt, um mittels der aus der zweiten Datenbank DB2 geladenen 220 Erfahrungsdaten ein Vorhersagemodell der Verzugs- und Eigenspannungsverteilung in der herzustellenden Baustruktur zu ermitteln 230. Dieses Vorhersagemodell wird von der zweiten Methode PROG2 als Startwert von Optimierungsalgorithmen herangezogen. Mittels der Optimierungsalgorithmen werden Verfahrensparameter der zweiten Verfahrensanweisung mittels Verfahrensschritte 220 bis 240 der so lange optimiert, bis ein minimierter Verzug und optimierte Eigenspannungsverteilung in der herzustellenden Baustruktur ermittelt ist.
Mittels des erfindungsgemäßen Verfahrens 400 wird eine Verfahrensanweisung zur additiven Fertigung einer Baustruktur bereitgestellt, mit dem eine Baustruktur mittels unterschiedlicher CAM-Verfahren herstellbar ist. Die CAM-Verfahren umfassen Laser und/oder Elektronenstrahl Powder Bed Fusion, Direct Energy Deposition (DED) Binder Jetting, Fused Filament Fabrication (FFF), Schmelzfilamentdruck und/oder andere nicht abrasive Verfahren der rechnergestützten Fertigung, die sich auf einen Werkzeugpfad mit diesem zugewiesenen Prozessparametern stützen.
Fig. 11 und Fig. 12 zeigen bevorzugte Ausführungsbeispiele von Ablaufdiagrammen des erfindungsgemäßen Verfahrens 400. Die hier gezeigten Ausführungsbeispiele entsprechen den vorhergehenden Ausführungsbeispielen (s. Fig. 9, Fig. 10), lediglich die Verfahrensschritte Vorverarbeitung auf Bauplattform 110, Slicen 120 und Generierung der Prozessparameter und Werkzeugpfade 130 werden auf der ersten Computereinheit COMP1 mittels einer ersten Methode PROG1 , also einem ersten Computerprogramm PROG1 ausgeführt. Auf der zweiten Computereinheit COMP2 werden die Verfahrensschritte Einlesen von Daten aus der Initial-Verfahrensanweisung 220, Erstellen der Verfahrensanweisung unter Einbeziehung der Daten aus der Initial- Verfahrensanweisung und Anwendung 230 eines ML-Algorithmus AI/ML und Abfrage 240 mittels einer zweiten Methode PROG2, also einem zweiten Computerprogramm PROG2 ausgeführt. Dabei sind erstes PROG1 und zweites Computerprogramm PROG2 unterschiedlich zueinander ausgeführt. Das erste Computerprogramm PROG1 weist im Gegensatz zum zweiten Computerprogramm PROG2 keinen ML-Algorithmus AI/ML auf. Zuerst erfolgt eine 3D-Modellierung des Werkstücks mittels eines Datensatzes, der mittels eines CAD-Programms erstellt CAD wird. Das CAD-Programm wird in diesem und dem folgenden Ausführungsbeispiel auf einer von der ersten COMP1 und der zweiten Computereinheit COMP2 unterschiedlichen Computereinheit ausgeführt. Das CAD-Modell beinhaltet Daten zur Beschreibung der zu fertigenden Baustruktur. Die Daten werden in standardisierten Dateiformaten bereitgestellt, beispielsweise als STL-File (STL: Standard Tessellation Language) oder weitere implizite oder explizite Dateiformate. Diese CAD- Daten werden von der ersten Computereinheit COMP1 eingelesen.
Im Anschluss daran erfolgt wiederum eine Vorverarbeitung 110 auf der Bauplattform, nachgefolgt vom Slicing 120. Im folgenden Verfahrensschritt wird eine Initial- Verfahrensanweisung generiert 130, die Baustrukturgeometrie, die Bauteilgeometrie sowie die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfasst.
Aus einer ersten Datenbank DB1 werden dann von der ersten Computereinheit COMP1 ein erster Satz Erfahrungsdaten geladen 140, der auf einer ersten Speichereinrichtung DB1 gespeichert ist. Die erste Speichereinrichtung DB1 ist in der ersten Computereinheit COMP1 angeordnet. Der erste Satz Erfahrungsdaten weist Daten auf, die mittels eines oder mehrerer vorhergehender additiven Fertigungsprozesse von Bauteilen bzw. Baustrukturen sowie den für jedes Bauteil spezifischen Verfahrensanweisungen erfasst und erstellt wurden. Die Erfahrungsdaten umfassen Maschinendaten des Additiv-Fertigers, für den die erste Verfahrensanweisung erstellt werden soll. Mit diesen Erfahrungsdaten wird die Initial- Verfahrensanweisung erstellt 150, indem die Verfahrensparameter und Werkzeugpfade des Additiv-Fertigers generiert werden.
Die Initial-Verfahrensanweisung umfasst abhängig von der CAM-Methode des Additiv- Fertigers den Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren, die Prozessparameter der Strahlquelle und/oder die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur. Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur umfassen die Leistung des Energiestrahls, die Bestrahlungszeiten einzelner Vektoren, die Pausenzeiten zwischen den Bestrahlungszeiten einzelner Vektoren, die Verfahrgeschwindigkeit des Energiestrahls, den Hatch-Abstand zwischen den Vektoren, die Vektorreihenfolge, die Vektorlänge und/oder die Vektorausrichtung. Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur sind vom Material der Baustruktur abhängig.
Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung werden optional an ein öffentliches Netzwerk CL versendet 150 (Fig. 6) und optional auf einer Speichereinheit des öffentlichen Netzwerks CL gespeichert. Auf das öffentliche Netzwerk CL haben Nutzer Zugang. Die Nutzer können eigene erstellte Verfahrensanweisungen auf das öffentliche Netzwerk CL transferieren und von dem öffentlichen Netzwerk CL auf dem öffentlichen Netzwerk CL gespeicherte Verfahrensanweisungen herunterladen. Dabei können die vom Nutzer erstellten Verfahrensanweisungen auch unterschiedliche Dateiformate aufweisen.
Optional wird diese Initial-Verfahrensanweisung an einen Additiv-Fertiger versendet 300a/b und aufgrund der Initial-Verfahrensanweisung die Baustruktur gefertigt M werden. Mittels der Initial-Verfahrensanweisung ist also eine erste Baustruktur - also ein erstes Bauteil mit einer ersten Supportstruktur - herstellbar.
Vorteilhafterweise ist mittels der Verfahrensanweisung eine zweite Baustruktur herstellbar, die unterschiedlich ist zur ersten Baustruktur. Die mittels der Verfahrensanweisung herstellbare Baustruktur weist eine gegenüber einem nach der Initial-Verfahrensanweisung gefertigten Baustruktur und/oder einem nach der Initial-Verfahrensanweisung gefertigten Bauteil veränderte mechanische Kennwerte auf, wobei die mechanischen Kennwerte mittels der Verfahrensanweisung herstellbaren Baustruktur insbesondere eine veränderte, insbesondere minimierte Eigenspannungsverteilung gegenüber der mittels der Initial- Verfahrensanweisung herstellbaren Baustruktur aufweist. Die mittels der Verfahrensanweisung herstellbaren Baustruktur weist daher gegenüber der mittels der Initial-Verfahrensanweisung herstellbaren Baustruktur eine veränderte Geometrie insbesondere der Supportstruktur, ggf. auch des Bauteils auf. Dazu werden die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung von einer zweiten Computereinheit COMP2 eingelesen 220, wobei erste Computereinheit COMP1 und zweite Computereinheit COMP2 unterschiedlich zueinander und entfernt voneinander angeordnet sind. Die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung werden eingelesen 220, nachdem sie von der ersten Computereinheit COMP1 an die zweite Computereinheit COMP2 versendet 150 wurden (Fig. 9). In einer weiteren Ausführung werden die Verfahrensparameter zur Beeinflussung des Energieeintrags in die Baustruktur, Bestrahlungspfad eines Energiestrahls, die Belichtungsvektoren sowie die Prozessparameter der Strahlquelle der Initial-Verfahrensanweisung eingelesen 220, nachdem sie von der ersten Computereinheit COMP1 optional an das öffentliche Netzwerk CL versendet wurden.
Die zweite Computereinheit COMP2 ist dafür geeignet, Initial-Verfahrensanweisung in unterschiedlichen Datenformaten einzulesen 220 und ebenfalls dafür geeignet, Verfahrensanweisungen in unterschiedlichen Datenformaten zu erstellen.
Die von Nutzern auf das optionale öffentliche Netzwerk CL transferierten Verfahrensanweisungen können unterschiedliche Dateiformate aufweisen, die von der zweiten Computereinheit COMP2 eingelesen 220 und für die Erstellung 200 der Verfahrensanweisung herangezogen wird. Zusätzlich werden Maschinendaten des Additiv- Fertigers, Bauteildaten, Simulationsdaten und Experimentaldaten eingelesen und/oder eingegeben 210, die auf einer zweiten Speichereinrichtung DB2 gespeichert sind.
Die Verfahrensanweisung enthält Verfahrensparameter, die ebenfalls mittels eines ML- Algorithmus AI/ML ermittelt 230 werden. Der ML-Algorithmus AI/ML verwendet zur Ermittlung 230 der Verfahrensparameter der Verfahrensanweisung Erfahrungsdaten, wobei die Erfahrungsdaten die Maschinendaten des Additiv-Fertigers, Bauteildaten, Simulationsdaten und/oder Experimentaldaten umfassen, die auf der zweiten Speichereinrichtung DB2 gespeichert sind. Im Anschluss daran erfolgt eine Abfrage 240, ob aufgrund der mittels des ML-Algorithmus AI/ML ermittelten Verfahrensparameter eine geringere, insbesondere minimierte Eigenspannungsverteilung in der herzustellenden Baustruktur erzielt wird.
Mittels der erstellten Initial-Verfahrensanweisung ist bevorzugt ebenfalls nur ein erster Abschnitt des Bauteils additiv herstellbar. Mittels der Detektionseinrichtung S1 werden in- situ Experimentaldaten des Herstellungsprozesses während der Herstellung des ersten Abschnitts der Baustruktur in Echtzeit erfasst (Fig. 10). Die erfassten Experimentaldaten werden an die zweite Computereinheit COMP2 versendet und ebenfalls in der zweiten Speichereinrichtung DB2 gespeichert. Diese experimentellen Daten werden eingelesen 220 aus den Experimentaldaten werden berechnete Daten ermittelt. Auf diese berechneten Daten wird der ML-Algorithmus AI/ML angewendet und ein zweiter Teil der Verfahrensanweisung für die Fertigung M eines zweiten Abschnitts des Bauteils, also einer zweiten Schicht des Bauteils, erstellt 200.
Dieses Verfahren wird so lange angewendet, bis alle Abschnitte, d.h. alle Schichten des Bauteils mittels der zweiten Methode PROG2 hergestellt sind. Auf die Generierung der zweiten Verfahrensanweisung zur additiven Fertigung einer zweiten Schicht des Bauteils erfolgt die Generierung unter Anwendung des ML-Algorithmus AI/ML eine dritte Verfahrensanweisung zur additiven Fertigung einer dritten Schicht des Bauteils und so weiter, wobei jede n-te Verfahrensanweisung auf Grundlage der (n-1)ten Verfahrensanweisung erstellt wird.
Die mittels des ML-Algorithmus AI/ML ermittelten Verfahrensparameter werden in weiteren Iterationen der Anwendung der zweiten Methode so lange als Startwert der Anwendung 230 eines ML-Algorithmus AI/ML angewendet, bis ein Minimum der Eigenspannungsverteilung in der herzustellenden Baustruktur ermittelt ist. Die Verfahrensanweisung weist also Verfahrensparameter auf, mit denen eine Baustruktur mit minimierter Eigenspannungsverteilung herstellbar ist. Die Verfahrensanweisung wird an den Additiv-Fertiger gesendet 300a/b, und die herzustellende Baustruktur wird mittels der zweiten Verfahrensanweisung additiv gefertigt M. Mittels des erfindungsgemäßen Verfahrens 400 wird eine Verfahrensanweisung zur additiven Fertigung einer Baustruktur bereitgestellt, mit dem eine Baustruktur mittels unterschiedlicher CAM-Verfahren herstellbar ist. Die CAM-Verfahren umfassen Laser und/oder Elektronenstrahl Powder Bed Fusion, Direct Energy Deposition (DED) Binder
Jetting, Fused Filament Fabrication (FFF), Schmelzfilamentdruck und/oder andere nicht abrasive Verfahren der rechnergestützten Fertigung, die sich auf einen Werkzeugpfad mit diesem zugewiesenen Prozessparametern stützen.
B EZ U G SZ E I C H E N L I S TE
CAD Erstellen eines CAD-Modells
C0MP1 Erste Computereinheit
C0MP2 Zweite Computereinheit
PR0G1 Erste Software
PR0G2 Zweite Software
CL Öffentliches Netzwerk
AI/ML ML-Algorithmus
DB1 Erste Speichereinrichtung
DB2 Zweite Speichereinrichtung
S1 Detektionseinrichtung M Ausführen der Verfahrensanweisung / Additive Fertigung des Bauteils
100 Erstellen der Initial-Verfahrensanweisung
110 Vorverarbeitung auf Bauplattform / in Prozesskammer
120 Slicen / Erstellen einer Schichtstruktur
130 Generierung der Prozessparameter und Werkzeugpfade
140 Einlesen von Daten aus erster Datenbank
150 Generierung der Prozessparameter und Werkzeugpfade mittels der Daten aus erster Datenbank
200 Erstellen einer Verfahrensanweisung
210 Einlesen von Daten aus zweiter Datenbank
220 Einlesen von Daten aus der Initial-Verfahrensanweisung
230 Erstellen der Verfahrensanweisung unter Einbeziehung der Daten aus der Initial-Verfahrensanweisung und Anwendung eines ML-Algorithmus Abfrage Versenden der Verfahrensanweisung a/b Versenden der Verfahrensanweisung an den Additiv-Fertiger Verfahren zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung eines Bauteils

Claims

PA T E N TA N S P R Ü C H E
1. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils mit den Verfahrensschritten:
• Einlesen geometrischer Daten des Bauteils
• Erstellen (120) einer Schichtstruktur einer Baustruktur, wobei die Baustruktur das Bauteil umfasst,
• Erstellen (200) einer Verfahrensanweisung zur additiven Fertigung der Baustruktur, wobei die Verfahrensanweisung einen oder mehrere Parameter aus der Gruppe Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren, Verfahrgeschwindigkeit des Energiestrahls, Veränderung des Hatch- Abstandes zwischen den Vektoren, der Vektorreihenfolge, der Vektorlänge, Vektorausrichtung und/oder veränderte Geometrie der Stützstruktur umfasst, wobei zur Erstellung (200) der Verfahrensanweisung ein ML-Algorithmus (AI/ML) verwendet (230) wird.
2. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 1 , dadurch gekennzeichnet, dass die Baustruktur und/oder die Schichtstruktur eine Stützstruktur umfasst.
3. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven
Fertigung (M) eines Bauteils nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der ML-Algorithmus (AI/ML) auf eine Initial-Verfahrensanweisung angewendet (230) wird. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 3, dadurch gekennzeichnet, dass die Initial-Verfahrensanweisung ohne ML-Algorithmus (AI/ML) erstellt (100) wird. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach einem oder mehreren der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für die Verwendung (230) des ML-Algorithmus (AI/ML) ML-Daten aus einer Datenbank (DB2) eingelesen werden. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 5, dadurch gekennzeichnet, dass die ML-Daten aus einer separaten Datenbank (DB2) eingelesen (210) werden. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass die ML-Daten Daten aus unterschiedlichen Herstellungsverfahren für die additive Fertigung stammen. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach einem oder mehreren der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für die Verwendung (230) des ML-Algorithmus (AI/ML) experimentelle Daten und/oder Simulationsdaten verwendet werden.
9. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 8, dadurch gekennzeichnet, dass die experimentellen Daten die lokale Temperatur, Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren und/oder die Verfahrgeschwindigkeit des Energiestrahls umfassen.
10. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass aus den experimentellen Daten berechnete Daten ermittelt werden.
11. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach einem oder mehreren der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass während der Durchführung eines ersten Teils der Verfahrensanweisung zur Fertigung (M) eines ersten Abschnitts des Bauteils experimentelle Daten erfasst werden.
12. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 11 , dadurch gekennzeichnet, dass die experimentellen Daten in-situ erfasst werden. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 11 oder 12, dadurch gekennzeichnet, dass während der Durchführung der Verfahrensanweisung aus den in-situ erfassten experimentellen Daten ein zweiter Teil der Verfahrensanweisung für die Fertigung (M) des Bauteils erstellt wird. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 13, dadurch gekennzeichnet, dass der zweite Teil der Verfahrensanweisung für die Fertigung (M) eines zweiten Abschnitts des Bauteils erstellt wird. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 13 oder 14, dadurch gekennzeichnet, dass der zweite Teil der Verfahrensanweisung gegenüber der Verfahrensanweisung veränderte Parameter für die Fertigung (M) des gleichen Abschnitts des Bauteils aufweist. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven Fertigung (M) eines Bauteils nach Anspruch 15, dadurch gekennzeichnet, dass die veränderten Parameter einer oder mehrere Parameter aus der Gruppe Leistung des Energiestrahls, Bestrahlungszeit einzelner Vektoren, Pausenzeit zwischen den Bestrahlungszeiten einzelner Vektoren, Verfahrgeschwindigkeit des Energiestrahls, Veränderung des Hatch-Abstandes zwischen den Vektoren, der Vektorreihenfolge, der Vektorlänge, Vektorausrichtung und/oder veränderte Geometrie der Stützstruktur umfasst.
17. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven
Fertigung (M) eines Bauteils nach einem oder mehreren der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Initial-Verfahrensanweisung auf einer ersten Computereinheit (COMP1) erstellt wurde und die Verfahrensanweisung auf einer zweiten Computereinheit (COMP2) erstellt wird wobei die erste Computereinheit (COMP1) von der zweiten Computereinheit (COMP2) verschieden ist. 18. Verfahren (400) zur Bereitstellung einer Verfahrensanweisung zur additiven
Fertigung (M) eines Bauteils nach einem oder mehreren der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Initial-Verfahrensanweisung mit einem ersten Softwareprogramm (PROG1) erstellt wurde und die Verfahrensanweisung mit einem zweiten Softwareprogramm (PROG2) erstellt wird wobei das erste Softwareprogramm (PROG1) vom zweiten Softwareprogramm (PROG2) verschieden ist.
PCT/EP2023/081430 2022-11-14 2023-11-10 Verfahren zur bereitstellung einer verfahrensanweisung für die additive fertigung mittels machinellen lernens Ceased WO2024104902A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP23804683.3A EP4619183A1 (de) 2022-11-14 2023-11-10 Verfahren zur bereitstellung einer verfahrensanweisung für die additive fertigung mittels machinellen lernens

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022130090.0A DE102022130090A1 (de) 2022-11-14 2022-11-14 Verfahren zur bereitstellung einer verfahrensanweisung
DE102022130090.0 2022-11-14

Publications (1)

Publication Number Publication Date
WO2024104902A1 true WO2024104902A1 (de) 2024-05-23

Family

ID=88757495

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/081430 Ceased WO2024104902A1 (de) 2022-11-14 2023-11-10 Verfahren zur bereitstellung einer verfahrensanweisung für die additive fertigung mittels machinellen lernens

Country Status (3)

Country Link
EP (1) EP4619183A1 (de)
DE (1) DE102022130090A1 (de)
WO (1) WO2024104902A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118385614A (zh) * 2024-07-01 2024-07-26 创材深造(苏州)科技有限公司上海分公司 多模态粉末的部件增材制造方法、装置、设备及存储介质
WO2025131502A1 (en) * 2023-12-21 2025-06-26 Siemens Aktiengesellschaft Method to operate an additive manufacturing system, additive manufacturing system, control device, computer program and storage medium
WO2025163262A1 (fr) * 2024-02-02 2025-08-07 Safran Additive Manufacturing Campus Correction de la stratégie d'élaboration de pièces fabriquées par fabrication additive par l'étude des trajectoires d'outils

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018217903A1 (en) * 2017-05-24 2018-11-29 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
EP3970886A1 (de) * 2020-09-17 2022-03-23 General Electric Company Steuerung der bestrahlungsparameter einer maschine zur generativen fertigung

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101929654B1 (ko) * 2017-03-31 2018-12-17 전자부품연구원 3d 프린팅 슬라이서와 재귀 루프 구조가 장착된 3d 프린팅 모니터링 방법
US11358337B2 (en) * 2017-05-24 2022-06-14 Divergent Technologies, Inc. Robotic assembly of transport structures using on-site additive manufacturing
DE102019111620A1 (de) * 2019-05-06 2020-11-12 Hochschule Aalen Vorrichtung und Verfahren zur additiven Fertigung eines dreidimensionalen Objekts

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018217903A1 (en) * 2017-05-24 2018-11-29 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
EP3970886A1 (de) * 2020-09-17 2022-03-23 General Electric Company Steuerung der bestrahlungsparameter einer maschine zur generativen fertigung

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025131502A1 (en) * 2023-12-21 2025-06-26 Siemens Aktiengesellschaft Method to operate an additive manufacturing system, additive manufacturing system, control device, computer program and storage medium
WO2025163262A1 (fr) * 2024-02-02 2025-08-07 Safran Additive Manufacturing Campus Correction de la stratégie d'élaboration de pièces fabriquées par fabrication additive par l'étude des trajectoires d'outils
CN118385614A (zh) * 2024-07-01 2024-07-26 创材深造(苏州)科技有限公司上海分公司 多模态粉末的部件增材制造方法、装置、设备及存储介质
CN118385614B (zh) * 2024-07-01 2024-10-18 创材深造(苏州)科技有限公司上海分公司 多模态粉末的部件增材制造方法、装置、设备及存储介质

Also Published As

Publication number Publication date
DE102022130090A1 (de) 2024-05-16
EP4619183A1 (de) 2025-09-24

Similar Documents

Publication Publication Date Title
WO2024104902A1 (de) Verfahren zur bereitstellung einer verfahrensanweisung für die additive fertigung mittels machinellen lernens
DE60115136T2 (de) Herstellung von dreidimensionalen Gegenständen durch kontrollierte Photohärtung
EP3283985B1 (de) Verfahren und steuerbefehls-generierungseinheit zur automatischen generierung von steuerbefehlen einer generativen schichtbauvorrichtung
EP2785481B1 (de) Verfahren zur herstellung eines formkörpers durch schichtweises aufbauen aus werkstoffpulver
EP3621758B1 (de) Verfahren für ein additiv herzustellendes bauteil mit vorbestimmter oberflächenstruktur
EP3768448B1 (de) Verfahren zum bestimmen von bauvorschriften für ein additives fertigungsverfahren, verfahren zum erstellen einer datenbank mit korrekturmassnahmen für die prozessführung eines additiven fertigungsverfahrens und ein computer-programmprodukt
DE102018202506A1 (de) Additives Herstellverfahren mit kontrollierter Verfestigung und zugehörige Vorrichtung
WO2018172080A1 (de) Belichtungsstrategie in mehrstrahl-am-systemen
WO2018197506A1 (de) Erhöhung der oberflächenqualität
WO2017153187A1 (de) Generatives schichtbauverfahren mit verbesserter detailauflösung und vorrichtung zur durchführung desselben
DE102019104839A1 (de) Steuerung der Mikrostruktur eines ausgewählten Bereichs von Schichten eines Objekts während der Additivherstellung
WO2018172079A1 (de) Überlappoptimierung
WO2024068831A1 (de) Generierung von optimierten prozessgrössenwerten und steuerdaten für einen additiven aufbauprozess
DE102022117936A1 (de) Ermittlung von Eigenschaftswerten eines Segments eines aus mehreren Schichten eines Aufbaumaterials aufgebauten Fertigungsprodukts
WO2024104951A1 (de) Verfahren zur bereitstellung einer verfahrensanweisung für die additive fertigung
EP3257606A1 (de) Verfahren und vorrichtung zum fertigen von objekten mit verbesserter oberflächenbeschaffenheit
DE102022130089A1 (de) Verfahren zur bereitstellung einer verfahrensanweisung
WO2023078762A1 (de) Verfahren, planungsvorrichtung und computerprogrammprodukt zum planen einer lokal selektiven bestrahlung eines arbeitsbereichs mit einem energiestrahl, sowie verfahren, fertigungsvorrichtung und computerprogrammprodukt zum additiven fertigen von bauteilen aus einem pulvermaterial
EP3388171A1 (de) Verfahren und fertigungsvorrichtung zum lagenweisen aufbau eines durch geometriebeschreibungsdaten definierten formkörpers
DE102022130234A1 (de) Verfahren zur bereitstellung einer verfahrensanweisung
EP3807031A1 (de) Berechnung von belichtungsbahnen mit geringem bauteilverzug
EP3416813B1 (de) Bearbeitungswerkzeug und verfahren zu seiner herstellung mittels eines generativen schichtbauprozesses
WO2023232928A1 (de) Verfahren und vorrichtung zur generierung von steuerdaten für eine vorrichtung zur additiven fertigung eines bauteils
EP3752346B1 (de) Selektive nachbelichtung
DE102014010930A1 (de) Vorrichtung und Verfahren zur Herstellung dreidimensionaler Objekte

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23804683

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023804683

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2023804683

Country of ref document: EP

Effective date: 20250616

WWP Wipo information: published in national office

Ref document number: 2023804683

Country of ref document: EP