Prognose von Qualitätsmerkmalen durch Anwendung von KI-Methoden beim „Directed Energy Deposition“

Dieser Beitrag enthält die Ergebnisse eines Forschungsvorhabens zur Qualitätssicherung im additiven Fertigungsverfahren „Directed Energy Deposition“ (DED). Er basiert auf der Verarbeitung verschiedener während des Prozesses gesammelter Sensordaten unter Anwendung künstlicher neuronalen Netze (KNN). So ließen sich die Qualitätsmerkmale Härte und Dichte auf der Datenbasis von 50 additiv gefertigten Probenwürfel mit einer Abweichung von unter 2% vorhersagen. Des Weiteren wurde die Übertragbarkeit der Anwendung von KNN auf eine Schaufelgeometrie untersucht. Auch hier ließen sich Härte und Dichte hervorragend prognostizieren (Abweichung von unter 1,5%), sodass der Ansatz als validiert betrachtet werden kann.