Maschinelles Lernen revolutioniert Laserverfahren

LONDON (IT BOLTWISE) – In der Welt der Lasertechnologie wird ein neuer Weg beschritten, der die Effizienz und Zugänglichkeit von laserbasierten Produktionsverfahren maßgeblich verbessern könnte. Forscher der Empa-Abteilung für Advanced Materials Processing haben innovative Ansätze entwickelt, um die Herausforderungen der Laserverarbeitung zu meistern.

Die Lasertechnologie hat sich als unverzichtbares Werkzeug in der modernen Fertigung etabliert, doch ihre Anwendung ist oft mit technischen Herausforderungen verbunden. Die komplexen Wechselwirkungen zwischen Laser und Material erfordern präzise Einstellungen, um Fehler in der Produktion zu vermeiden. Schon kleinste Abweichungen können zu erheblichen Qualitätsproblemen führen.

Um diese Herausforderungen zu bewältigen, setzen Forscher auf maschinelles Lernen, um die Prozesse der Laserverarbeitung zu optimieren. Elia Iseli, Forschungsgruppenleiter bei Empa, betont die Bedeutung eines besseren Verständnisses und der Kontrolle laserbasierter Prozesse. Giulio Masinelli und Chang Rajani, zwei Forscher aus Iselis Team, haben sich zum Ziel gesetzt, die additive Fertigung mittels Laser effizienter und kostengünstiger zu gestalten.

Ein besonderer Fokus liegt auf der additiven Fertigung, auch bekannt als 3D-Druck von Metallen. Das Verfahren der Powder Bed Fusion (PBF) ermöglicht die Herstellung komplexer Geometrien, die mit herkömmlichen Methoden kaum realisierbar sind. Doch die richtige Einstellung der Laserparameter ist entscheidend, um die gewünschte Qualität zu erreichen. Masinelli erklärt, dass selbst geringfügige Unterschiede im Ausgangsmaterial zu völlig unterschiedlichen Einstellungen führen können.

Normalerweise erfordert jede neue Charge eine Reihe von Vorversuchen, um die optimalen Parameter zu ermitteln. Dies ist nicht nur zeitaufwendig, sondern auch kostspielig. Hier setzt der Einsatz von maschinellem Lernen an: Durch die Analyse optischer Sensordaten kann ein Algorithmus den Schweißmodus des Lasers in Echtzeit erkennen und die Einstellungen entsprechend anpassen. Dies reduziert die Anzahl der erforderlichen Vorversuche erheblich.

Ein weiterer Durchbruch gelang den Forschern bei der Optimierung des Laserschweißens selbst. Mithilfe von Field-Programmable Gate Arrays (FPGAs) können die Laserparameter in Echtzeit überwacht und angepasst werden. Diese spezielle Art von Computerchip ermöglicht eine präzise Steuerung, die mit herkömmlichen PCs nicht möglich wäre. Der FPGA arbeitet dabei eng mit einem PC zusammen, der als Backup-Gehirn fungiert und den Algorithmus kontinuierlich verbessert.

Masinelli und Rajani sind überzeugt, dass maschinelles Lernen und künstliche Intelligenz noch viel Potenzial in der Laserverarbeitung bieten. Ihre Arbeit könnte nicht nur die Effizienz steigern, sondern auch die Zugänglichkeit dieser Technologien für Unternehmen erhöhen, die sich bisher die hohen Kosten nicht leisten konnten. Die Integration ihrer Algorithmen in die Firmware von Laserschweißmaschinen könnte die Industrie nachhaltig verändern.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!