Maschinelles Lernen revolutioniert Laserverfahren in der Industrie

THUN / LONDON (IT BOLTWISE) – Die Anwendung von maschinellem Lernen in der Lasertechnologie verspricht eine Revolution in der industriellen Metallverarbeitung. Forschende der Empa in Thun haben innovative Methoden entwickelt, um Laserverfahren effizienter und kostengünstiger zu gestalten.

Die Integration von maschinellem Lernen in die Lasertechnologie eröffnet neue Möglichkeiten in der industriellen Metallverarbeitung. Forschende der Empa in Thun haben eine Methode entwickelt, die es ermöglicht, laserbasierte Produktionsverfahren in Echtzeit zu optimieren. Diese Entwicklung könnte die Art und Weise, wie Metalle in der Industrie verarbeitet werden, grundlegend verändern.

Laserverfahren sind in der Industrie für ihre Vielseitigkeit bekannt. Sie ermöglichen das präzise Zusammenschweißen von Komponenten oder die Herstellung komplexer Bauteile im 3D-Druckverfahren. Besonders in der Automobil- und Luftfahrtindustrie sowie in der Medizintechnik sind diese Verfahren von großer Bedeutung. Trotz ihrer Vorteile sind Laserverfahren technisch anspruchsvoll und erfordern oft aufwändige Vorversuche, um optimale Ergebnisse zu erzielen.

Die Forschenden der Empa haben maschinelles Lernen genutzt, um diesen Prozess zu vereinfachen. Durch den Einsatz von Algorithmen, die auf Daten aus optischen Sensoren basieren, können die optimalen Einstellungen für Laserverfahren schneller und effizienter ermittelt werden. Dies reduziert die Anzahl der benötigten Vorversuche erheblich und senkt die Kosten für Unternehmen, die diese Technologie einsetzen möchten.

Ein besonderer Fokus der Forschung 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 Schichten aus Metallpulver mit einem Laser geschmolzen werden. Die Herausforderung besteht darin, die richtigen Einstellungen für den Laser zu finden, um die bestmögliche Qualität des Endprodukts zu gewährleisten.

Masinelli und Rajani, die beiden führenden Forschenden des Projekts, haben einen Algorithmus entwickelt, der in der Lage ist, den Schweissmodus des Lasers in Echtzeit zu erkennen und die Einstellungen entsprechend anzupassen. Dies ermöglicht eine erhebliche Reduzierung der Vorversuche und macht die Technologie auch für Unternehmen zugänglicher, die bisher aufgrund der hohen Kosten darauf verzichtet haben.

Die Anwendung von maschinellem Lernen beschränkt sich jedoch nicht nur auf die additive Fertigung. Auch das Laserschweissen kann durch diese Technologie optimiert werden. Die Forschenden haben einen speziellen Computerchip, ein sogenanntes Field-Programmable Gate Array (FPGA), eingesetzt, um den Schweissvorgang in Echtzeit zu überwachen und anzupassen. Diese Technologie könnte die Effizienz und Präzision von Laserschweissverfahren erheblich verbessern.

Die Fortschritte in der Lasertechnologie durch maschinelles Lernen bieten nicht nur wirtschaftliche Vorteile, sondern könnten auch die Entwicklung neuer Produkte und Anwendungen in der Industrie vorantreiben. Die Empa-Forschenden sind überzeugt, dass diese Technologie das Potenzial hat, die industrielle Metallverarbeitung nachhaltig zu 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!