Forscher an der Nanyang Technological University Singapore (NTU) in Singapur haben laut einer Pressemitteilung der NTU ein kostengünstiges und schnelles Verfahren entwickelt, das die Struktur von 3D-gedruckten Metallteilen analysiert und einen Einblick in die Materialqualität gewährt. 3D-gedruckte Metalllegierungen verfügen über sehr viele mikroskopisch kleine Kristalle, die sich in Form, Größe und Ausrichtung des Atomgitters unterscheiden. Diese Informationen zuzuordnen hilft Forschern, auf die Eigenschaften der Legierung wie Festigkeit und Zähigkeit zu schließen. Das ist vergleichbar mit der Holzmaserung. Dort wo die Maserung kontinuierlich in die gleiche Richtung verläuft, ist das Holz am stärksten. Ihre Forschung veröffentlichten sie in einer Arbeit mit dem Titel „A machine learning approach to map crystal orientation by optical microscopy“ im Fachjournal Computational Materials.
Details zur „Made-in-NTU“-Technologie
Die Luft– und Raumfahrt könnten von der „Made-in-NTU“-Technologie profitieren, da dort schnelle, kostengünstige Bewertungen unternehmenskritischer, 3D-gedruckter Teile wie Turbinen, Lüfterblätter oder anderen Komponenten ein Wendepunkt für die Wartungs-, Reparatur- und Überholungsbranche sein können. Die „Mikrostruktur“ 3D-gedruckter Metalllegierungen wird durch zeitintensive Messungen mit Rasterelektronenmikroskopen analysiert und kann Kosten zwischen 100.000 Singapur-Dollar (rund 65.000) und 2 Mio. Singapur-Dollar (rund 1.210.000 Euro) verursachen.
Die Methode des Teams um Nanyang-Assistenzprofessor Matteo Seita, welcher auch am Moon Gallery Foundation Projekt beteiligt war, liefert in wenigen Minuten die gleiche Qualität an Informationen. Dabei werden eine optische Kamera, eine Taschenlampe und ein Computer mit einer proprietären Software für maschinelles Lernen verwendet. Die Hardware kostet rund 25.000 Singapur-Dollar (rund 16.400 Euro).
Das Prozedere
Bei der neuen Methoden behandelt das Team zuerst die Metalloberfläche mit Chemikalien und macht die Struktur damit sichtbar. Dann wird die Probe mit Blick auf die Kamera platziert und einige optische Bilder werden aufgenommen, während die Taschenlampe das Metall aus unterschiedlichen Richtungen beleuchtet. Die Software analysiert das durch das Licht erzeugte Muster, das von der Oberfläche verschiedener Metallkristalle reflektiert wird, und leitet ihre Ausrichtung ab. Das Prozedere dauert circa 15 Minuten.
Ass. Prof. Seita, von NTU School of Mechanical and Aerospace Engineering und School of Materials Science and Engineering, erklärt:
„Mit unserer kostengünstigen und schnellen Bildgebungsmethode können wir gute 3D-gedruckte Metallteile leicht von fehlerhaften unterscheiden. Derzeit ist es unmöglich, den Unterschied zu erkennen, wenn wir die Mikrostruktur des Materials nicht im Detail beurteilen. Keine zwei 3D-gedruckten Metallteile sind gleich, auch wenn sie möglicherweise mit derselben Technik hergestellt wurden und dieselbe Geometrie haben. Konzeptionell ist dies so, als würden zwei ansonsten identische Holzartefakte jeweils eine unterschiedliche Maserung aufweisen.“
Die von Ass. Prof. Seita und seinem Team entwickelte „intelligente Software“ ist ein neutrales Netzwerk, das die Assoziationen des menschlichen Gehirns nachahmt. Mit maschinellem Lernen gelang es dem Team, die Software zu programmieren, indem es Hunderte von optischen Bildern fütterte. Die Software lernte die Ausrichtung von Kristallen im Metall anhand von Bildern vorherzusagen, basierend auf Unterschieden in der Lichtstreuung an der Metalloberfläche.
Über weitere Projekt, Produkte und Entwicklungen zur Qualitätssicherung in der additiven Fertigung berichten wir auch zukünftig im 3D-grenzenlos Magazin (Newsletter abonnieren).
