Maschinelles Lernen revolutioniert die Metallverarbeitung mit Laser

THUN / LONDON (IT BOLTWISE) – Die Anwendung von maschinellem Lernen in der Metallverarbeitung mit Laser eröffnet neue Möglichkeiten für die Fertigungsindustrie. Forscher der Eidgenössischen Materialprüfungs- und Forschungsanstalt (EMPA) in Thun haben innovative Methoden entwickelt, um die Effizienz und Präzision von laserbasierten Verfahren zu steigern.

Die Integration von maschinellem Lernen in die laserbasierte Metallverarbeitung markiert einen bedeutenden Fortschritt in der Fertigungstechnologie. Forscher der Eidgenössischen Materialprüfungs- und Forschungsanstalt (EMPA) in Thun haben Methoden entwickelt, um die Effizienz und Präzision dieser Verfahren zu verbessern. Diese Entwicklungen könnten insbesondere für Branchen wie die Automobilindustrie und die Medizintechnik von großem Interesse sein, da sie die Herstellung komplexer Bauteile erleichtern.

Traditionelle Methoden der Metallverarbeitung erfordern oft zeitaufwändige Vorversuche, um die optimalen Einstellungen für die Produktion zu ermitteln. Das Team um Elia Iseli, Leiter der Forschungsgruppe ‘Advanced Materials Processing’, setzt auf maschinelles Lernen, um diese Prozesse zu optimieren. Durch die Analyse von Sensordaten können die Forscher die Anzahl der erforderlichen Vorversuche um zwei Drittel reduzieren, ohne die Qualität der Endprodukte zu beeinträchtigen.

Ein besonderer Fokus liegt auf dem Verfahren der ‘Powder Bed Fusion’ (PBF), bei dem ein Laser dünne Metallpulverschichten an definierten Stellen schmilzt. Dieses Verfahren ermöglicht die Herstellung komplexer Geometrien, die mit anderen Techniken schwer umsetzbar wären. Die Forscher haben Algorithmen entwickelt, die den Schweißmodus des Lasers in Echtzeit erkennen und die Einstellungen entsprechend anpassen können.

Die Herausforderung besteht darin, die Grenze zwischen den beiden Modi der Laserverarbeitung, dem ‘Conduction Mode’ und dem ‘Keyhole Mode’, präzise zu bestimmen. Diese Modi unterscheiden sich in ihrer Anwendung: Während der ‘Conduction Mode’ für dünne, hochpräzise Bauteile geeignet ist, wird der ‘Keyhole Mode’ für dickere Werkstücke verwendet. Die Wahl des richtigen Modus hängt von zahlreichen Parametern ab, die je nach Material variieren können.

Um die Echtzeit-Anpassung der Schweißvorgänge zu ermöglichen, setzen die Forscher auf spezielle Computerchips, sogenannte Field-Programmable Gate Arrays (FPGAs). Diese Chips sind in der Lage, Daten schnell zu verarbeiten und Entscheidungen in Echtzeit zu treffen, was mit herkömmlichen Computern nicht möglich wäre. Die Kombination aus FPGA und einem PC, der als ‘Backup-Gehirn’ dient, ermöglicht eine kontinuierliche Verbesserung der Algorithmen.

Die Forscher sind überzeugt, dass maschinelles Lernen und künstliche Intelligenz großes Potenzial für die Laserverarbeitung von Metallen bieten. Durch die Weiterentwicklung ihrer Algorithmen und Modelle in Zusammenarbeit mit Partnern aus Forschung und Industrie hoffen sie, die Zugänglichkeit und Effizienz dieser Technologien weiter zu steigern.

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