Ein neuer Algorithmus des Oak Ridge National Laboratory (ORNL) hat das Potenzial, die Qualitätsprüfung von 3D-gedruckten Komponenten für Kernkraftanwendungen erheblich zu beschleunigen. Mithilfe maschinellen Lernens reduziert der Algorithmus die Inspektionszeit um 85 %, wie das Office of Nuclear Energy berichtet. Derzeit wird die Technologie auch am Idaho National Laboratory (INL) getestet, um ähnliche Effizienzsteigerungen für bestrahltes Material und Kernbrennstoffe zu erzielen.
Schnellere Analyse für additiv gefertigte Kernkomponenten
3D-Druck – auch additive Fertigung genannt – eröffnet der Kernkraftindustrie neue Möglichkeiten, komplexe Teile schnell und kostengünstig herzustellen. Die Qualitätssicherung dieser Bauteile erfolgt meist durch CT-Scans (Computertomographie), die Röntgenstrahlen nutzen, um mögliche Schwachstellen im Inneren der Bauteile sichtbar zu machen. Die herkömmliche Analyse dieser Scans erfordert jedoch oft viel Zeit und Ressourcen.
Der neue Algorithmus von ORNL nutzt maschinelles Lernen, um diese Bilddaten schneller und präziser zu analysieren und den Inspektionsaufwand deutlich zu reduzieren. Laut ORNL konnte das Verfahren auf mehr als 30 Proben angewandt werden, wodurch die Scanzeit auf weniger als fünf Stunden verkürzt wurde. Im Vergleich zu bisherigen Methoden, die über 30 Stunden pro Bauteil in Anspruch genommen hätten, bedeutet dies eine erhebliche Zeitersparnis.
Mit diesem Fortschritt wird es möglich, die Zahl der benötigten Scans zu verringern und gleichzeitig die Qualität der Daten zu verbessern. INL plant, den Algorithmus künftig auch für die Analyse radioaktiver Materialien und Kernbrennstoffe zu nutzen. Kürzere Scan-Zeiten könnten in diesem Zusammenhang nicht nur die Strahlenbelastung für Laborgeräte und Personal senken, sondern auch die Lebensdauer der verwendeten Detektoren erhöhen.
Bill Chuirazzi, Instrumentenwissenschaftler und Leiter der Diffractions- und Bildgebungsgruppe am INL:
„Wenn wir diesen Algorithmus nutzen, um die Scanzeit für radioaktive Materialien und Brennstoffe zu reduzieren, steigern wir die Sicherheit der Mitarbeiter und können neue Materialien schneller bewerten. Längerfristig könnten wir so den Entwicklungsprozess neuer Kernkrafttechnologien von der Idee bis zur praktischen Umsetzung beschleunigen.“
Zusammenarbeit zur Optimierung von Reaktor-Komponenten
Die Zusammenarbeit zwischen ORNL und INL könnte dazu beitragen, den Entwicklungsprozess von neuen Reaktortypen zu verkürzen und somit die Modernisierung und Dekarbonisierung der Stromversorgung zu unterstützen. Der entwickelte Algorithmus ist Teil des Advanced Materials and Manufacturing Technologies (AMMT)-Programms des US-Energieministeriums. Dieses Programm zielt darauf ab, die Kommerzialisierung neuer Materialien und Fertigungstechnologien durch gezielte Demonstration und Einsatz in industriellen Anwendungen zu fördern.
