Maschinelles Lernen optimiert Laserverfahren in der Metallverarbeitung

THUN / LONDON (IT BOLTWISE) – Die Metallverarbeitung mittels Laser hat sich als eine der präzisesten und vielseitigsten Methoden in der Industrie etabliert. Doch die Komplexität der Prozesse und die Notwendigkeit aufwändiger Vorversuche stellen Unternehmen vor Herausforderungen. Forschende der Empa in Thun haben nun einen innovativen Ansatz entwickelt, um diese Verfahren durch den Einsatz von maschinellem Lernen effizienter und kostengünstiger zu gestalten.

Die Metallverarbeitung mit Lasertechnologie ist in vielen Industriezweigen, wie der Automobil- und Luftfahrtindustrie, unverzichtbar geworden. Diese Verfahren ermöglichen die präzise Herstellung komplexer Bauteile, die in herkömmlichen Produktionsprozessen kaum realisierbar wären. Trotz ihrer Vielseitigkeit sind Laserverfahren technisch anspruchsvoll und erfordern oft aufwändige Vorversuche, um die optimalen Parameter für jedes Material zu bestimmen.

Forschende der Empa in Thun haben sich dieser Herausforderung angenommen und nutzen maschinelles Lernen, um die Effizienz und Präzision von Laserverfahren zu steigern. Durch den Einsatz von Algorithmen, die aus optischen Sensordaten lernen, können die notwendigen Vorversuche um bis zu zwei Drittel reduziert werden, ohne die Qualität des Endprodukts zu beeinträchtigen. Dies eröffnet insbesondere kleineren Unternehmen den Zugang zu diesen fortschrittlichen Technologien.

Ein besonderer Fokus liegt auf der additiven Fertigung, auch bekannt als 3D-Druck von Metallen. Hierbei wird das sogenannte Powder Bed Fusion (PBF) Verfahren eingesetzt, bei dem dünne Metallschichten durch Laserstrahlen geschmolzen werden. Die Herausforderung besteht darin, die richtigen Einstellungen für den Laser zu finden, da selbst minimale Abweichungen in der Materialbeschaffenheit zu Fehlern führen können.

Masinelli und Rajani, zwei der führenden Köpfe hinter diesem Projekt, haben einen Algorithmus entwickelt, der in Echtzeit den Schweißmodus des Lasers erkennt und die Parameter entsprechend anpasst. Dies ermöglicht nicht nur eine Reduzierung der Vorversuche, sondern auch eine Optimierung des eigentlichen Schweißvorgangs. Die Integration dieser Technologie in bestehende Laserschweißmaschinen könnte die Produktionskosten erheblich senken und die Zugänglichkeit für Unternehmen erhöhen.

Die Anwendung von maschinellem Lernen in der Laserverarbeitung ist ein bedeutender Schritt in Richtung einer effizienteren und flexibleren Produktion. Die Empa-Forschenden sind überzeugt, dass diese Technologie das Potenzial hat, die Metallverarbeitung grundlegend zu verändern und neue Standards in der Industrie zu setzen. In Zusammenarbeit mit Partnern aus Forschung und Industrie wird an der Weiterentwicklung der Algorithmen gearbeitet, um deren Einsatzbereich kontinuierlich zu erweitern.

Die Eidgenössische Materialprüfungs- und Forschungsanstalt (Empa) spielt eine zentrale Rolle bei der Entwicklung anwendungsorientierter Materialwissenschaften und Technologien. Mit Standorten in Dübendorf, St. Gallen und Thun fungiert die Empa als Brücke zwischen Forschung und praktischer Anwendung, um Lösungen für die Herausforderungen der Industrie zu erarbeiten und die Grundlagen für eine nachhaltige Entwicklung unserer Gesellschaft zu schaffen.

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