- Ein neuartiges Kamerasystem überwacht schichtweise den Entstehungsprozess von 3D-Druck-Bauteilen.
- Das System erkennt frisch gedruckte Filamente in Echtzeit und berechnet deren Durchmesser.
- Der automatisierte Ablauf ist bei der Analyse rund 100.000-mal schneller als manuelle Messungen.
- Die Technik lässt sich auf andere additive Verfahren und Laborsysteme übertragen und steigert die Fertigungsautonomie.
Forscher des Lawrence Livermore National Laboratory in den USA haben ein kamerabasiertes Inspektionssystem entwickelt, das den schichtweisen Aufbau von 3D-Druck-Teilen überwacht. Mithilfe künstlicher Intelligenz erkennt das System Fehler, noch bevor das Bauteil den Drucker verlässt, und konzentriert sich dabei auf die Direct Ink Writing-Technik – ein additives Fertigungsverfahren, bei dem eine Düse flexible oder pastöse Materialien in präzise angeordneten Filamenten aufträgt. Laut den LLNL-Forschern kann dieser Ansatz den Zeit- und Arbeitsaufwand für die Prüfung fertiger Komponenten reduzieren und ermöglicht die Inspektion großer, komplexer Bauteile, die mit der herkömmlichen Röntgen-Computertomographie nur schwer vollständig erfasst werden.
Das System kombiniert eine direkt am 3D-Drucker montierte Kamera mit Werkzeugen aus dem Bereich maschinelles Lernen – Bildsegmentierung und Computer Vision. Diese Werkzeuge verwandeln die während des Druckvorgangs aufgenommenen Tausenden von Bildern in detaillierte Messwerte und räumliche Karten des abgelagerten Materials. Brian Weston, KI/ML-Ingenieur für digitale Zwillinge am LLNL und technischer Leiter des Projekts, beschrieb die Leistung anschaulich: Das System funktioniere nun wie ein Gehirn mit einem Augenpaar, das den gesamten Druckvorgang sehen könne.
Mit Direct Ink Writing lassen sich komplexe und flexible Spacer herstellen, deren mechanische Eigenschaften von Filamenten abhängen, die manchmal nur wenige Zehntel Millimeter dick sind. Kleine Lücken oder gerissene Filamente können die Leistung des fertigen Bauteils beeinträchtigen. Bei der herkömmlichen Inspektion muss das Werkstück nach Abschluss des Drucks entnommen und offline geprüft werden – Probleme werden oft erst nach der Fertigung entdeckt.
Echtzeit-Inspektionsfähigkeit des Systems
Das LLNL-System hingegen nimmt bei jeder Schichtablagerung Bilder auf. Die Software erkennt neu gedruckte Filamente in Echtzeit und berechnet deren Durchmesser – eine erste Prüfung für die Ingenieure, bevor kostspielige nachgelagerte Tests anstehen. Das Team trainierte sein Bildsegmentierungsmodell mit knapp 15.000 manuell annotierten Bildern, die mehrere Gittergeometrien abdeckten. Anschließend nutzten Algorithmen aus dem Bereich Computer Vision die Modellausgaben, um die gedruckten Filamente zu verfolgen und deren Durchmesser zu messen. In Tests an 55 Bauteilen stimmten die automatisierten Messungen typischerweise bis auf wenige Mikrometer mit manuellen Messungen überein.
Während die manuelle Auswertung eines großen Bildes 20 Minuten bis zu einer Stunde dauern kann, erledigt der automatisierte Ablauf dieselbe Analyse in Millisekunden – im Durchschnitt etwa 100.000-mal schneller als die manuelle Messung.
Um die Leistungsfähigkeit des Systems zu demonstrieren, setzten die Forscher es bei einem etwa 25 cm mal 25 cm (9,8 Zoll mal 9,8 Zoll) großen Spacer ein. Aus einer einzelnen Schicht erfassten sie rund 2.500 Bilder und führten die Messungen zu einer räumlichen Karte des Bauteilinneren zusammen. Die Karte zeigte, dass der Filamentdurchmesser von einer zur anderen Seite des Drucks graduell variierte. Dieses Muster ließ sich auf eine leichte Schräglage der Druckplattform gegenüber der Düse zurückführen – ein Hardwareproblem, das bei einer globalen Mittelwertbildung leicht übersehen worden wäre.
Breites Anwendungspotenzial der Technologie
Brian Giera, stellvertretender Programmleiter für Data Science, KI und Fertigung am LLNL, erklärte, die Bedeutung der Technologie beschränke sich nicht auf Direct Ink Writing. Die zugrundeliegende Technik sei darauf ausgelegt, an andere additive Verfahren, die konventionelle subtraktive Fertigung sowie weitere in Laboren eingesetzte Systeme angepasst zu werden. Eine solche Inline-Inspektion, so Giera, stelle eine grundlegende Fähigkeit für eine höhere Fertigungsautonomie dar, da ein autonomes System ohne verlässliche Messung und Prüfung nicht funktionieren könne. Die Fähigkeit soll an das Kansas City National Security Complex übergehen, um dort produktionsrelevante Systeme zu bewerten.
Langfristig könnten die Inspektionsdaten laut Weston digitale Zwillinge speisen und die gemessene Struktur eines Bauteils mit dessen prognostizierter Leistung verknüpfen. Diese Verknüpfung könne es dem System letztlich ermöglichen, während des Aufbaus eigenständig Annahme- oder Ablehnungsentscheidungen zu treffen. Die Forschungsergebnisse wurden im Fachjournal npj Advanced Manufacturing veröffentlicht.
Zukunftspotenzial der automatisierten Inspektion
Die Verwirklichung des neuartigen Kamerasystems markiert einen bedeutenden Fortschritt in der 3D-Druck-Technologie, insbesondere bei der Automatisierung des Inspektionsprozesses. Ein solches System kann nicht nur die Prüfungseffizienz steigern, sondern erkennt Probleme bereits während des Druckvorgangs in Echtzeit – und senkt damit die Kosten und den Zeitaufwand für nachfolgende Tests. Mit der weiteren Entwicklung der Technologie dürfte sich diese Inspektionsfähigkeit auf andere additive Fertigungsverfahren ausdehnen, die Autonomie und Zuverlässigkeit der gesamten Fertigung weiter erhöhen und weitreichende Auswirkungen auf die intelligente Produktion und industrielle Automatisierung der Zukunft haben.