Zweifel an der Anwendung tragender AM Metallkomponenten in der Industrie
Additive Manufacturing (AM), oft auch als 3D-Druck bezeichnet, ist eine schnell expandierende Technologie mit großem Potential für die Herstellung von tragenden und sicherheitsrelevanten Strukturen etabliert. Einer der Gründe dafür ist das Fehlen von Methoden zur Vorhersage des Strukturverhaltens, die für die Konstruktion von AM-Metallkomponenten unerlässlich ist. Dies stellt ein großes Hindernis für viele Industriezweige dar, die AM zur Herstellung von tragenden Metallkomponenten einsetzen wollen. Eine der Herausforderungen liegt vor allem in fehlendem Verständnis und der Verknüpfung von Mikrostruktur- und Materialeigenschaften der AM-Strukturen. Die bestehenden Design-Richtlinien für die konventionell hergestellten Strukturen sind deshalb ohne Berücksichtigung detaillierter Kenntnisse über das Eigenschaftsprofil nicht direkt auf AM-Strukturen übertragbar.
Genau hier setzt das Forschungsprojekt PreStige der OTH Regensburg unter der Leitung von Prof. Aida Nonn (Computational Mechanics and Materials Lab, Fakultät Maschinenbau) an. Am Technologie Campus Neustadt a. d. Donau arbeitet ihre Forschungsgruppe an der Entwicklung einer neuartigen Methodik zur zuverlässigen, robusten und effizienten Vorhersage des mechanischen Verhaltens von AM-Strukturen und legt somit einen grundlegenden Baustein zur Ausweitung des Einsatzes von AM auf sicherheitsrelevanten Anwendungen.
Entwicklung einer Methodik für die Vorhersage des mechanischen Verhalten von AM-Strukturen
Unter Anwendung fortgeschrittener experimenteller Methoden und mikromechanischer Modellierungsansätze werden dabei quantitative Zusammenhänge zwischen der Mikrostruktur und den mechanischen Eigenschaften des AM-Werkstoffs abgeleitet. Mittels numerischer Modelle können so verschiedene „Was wäre wenn?“-Szenarien in Abhängigkeit von unterschiedlichen Werkstoffen, Geometrien und Belastungsbedingungen leicht bewertet und virtuell getestet werden, bevor die AM-Produkte tatsächlich hergestellt werden. Neben physikalisch-basierter Modellierung werden zudem fortschrittliche, datenbasierte Modellierungsansätze der künstlichen Intelligenz (u. a. Deep Learning) angewandt, welche dank der umfassenden Analyse experimenteller und numerischer Daten neue Erkenntnisse über die Mikrostruktur-Eigenschaft-Beziehungen ermöglichen. Die entwickelte Methodik aus PreStige könnte u. a. Zertifizierungs- und Qualifizierungsverfahren von AM-Produkten erleichtert, sowie die Kosten und Dauer zur Optimierung sicherheitsrelevanter AM-Strukturen reduziert werden.
Das Kooperationsprojekt wird hierbei zum einen von dem Praxispartner FIT AG, einen führenden Spezialisten im Bereich der Additiven Fertigung, sowie Seitens der klinischen Expertise von dem Universitätsklinikum Regensburg unterstützt.
Förderung und Durchführung des Forschungsprojekts
Das Forschungsvorhaben vom Bayerisches Staatsministerium für Wissenschaft und Kunst mit einem Fördervolumen 243.345 € für die Projektdauer von 1. Januar 2021 bis 31. Dezember 2023 gefördert.
