Overslaan en naar de inhoud gaan

Additive manufacturing

Transparantie en kwaliteitszekerheid rond additive manufacturing, van poeder tot levering

De opkomst van additive manufacturing vraagt om digitale ondersteuning van de volledige productieketen, om zo de productkwaliteit te kunnen opvolgen en garanderen. Om dit mogelijk te maken, werkt Sirris in haar 4.0 Made Real Pilot Factory aan een 'eID' of digitaal paspoort van producten. Ook werd een onderzoek uitgevoerd rond kwaliteitsborging en procesbetrouwbaarheid op SLM-machines.

Traceerbaarheid en kwaliteitsborging dankzij een eID van producten 

De voorbije jaren heeft zich een grote verschuiving voorgedaan bij het inzetten van additive manufacturing. De technologie wordt vandaag meer en meer ingezet voor serieproductie van functionele eindproducten, waarbij de eigenschappen aan strengere eisen dienen te voldoen. Procescontrole, herhaalbaarheid en certificatie worden daardoor steeds grotere uitdagingen om dit ook aan te kunnen tonen. Een digitale ondersteuning van de volledige productieketen wordt noodzakelijk, zodat de productiekwaliteit opgevolgd en gegarandeerd kan worden en traceerbaarheid mogelijk wordt over de verschillende stappen, vaak verspreid over verschillende locaties, en aan het einde van de rit is de beschikbare informatie over de productie voor de eindklant vaak zeer beperkt.

 

In het kader van Industrie 4.0 werkt Sirris binnen het 4.0 Made Real-project aan een eID of digitaal paspoort dat een antwoord zal bieden op de bestaande noden. Dit eID bevat niet alleen de karakteristieken van het product, maar ook van de productieprocessen en -stappen, gereedschappen, handelingen, ... die uitgevoerd en ingezet werden om tot het eindproduct te komen. 

 

De aanwezigheid van deze productidentiteit wordt steeds vaker een noodzakelijke voorwaarde in elke vorm van kwaliteitsgarantie en certificering. Voor de certificering van AM-onderdelen werden er reeds enkele richtlijnen ontwikkeld. Dankzij het digitale paspoort zullen bedrijven in staat zijn op een eenvoudige manier conclusies te trekken over de kwaliteit van het proces en eindproduct door analyses uit te voeren op alle beschikbare data die voorhanden is. Deze kennis is onontbeerlijk voor serieproductie in verschillende sectoren. 

 

Verhoogde kwaliteitszekerheid via in-situ monitoring van selective laser melting

Kwaliteitszekerheid en procesbetrouwbaarheid blijven de grote uitdaging op SLM-en LBM-machines. In een door Sirris uitgevoerd onderzoek werd gebruik gemaakt van machine learning-algoritmen die men toepaste op de data van het smeltbad en gegevens voortkomend uit het layer-controlesysteem, om op basis hiervan interne fouten, ontstaan tijdens de fabricage van de stukken, te detecteren.


Ondanks de grote technologische vooruitgang bij selective laser melting-machines (SLM-en LBM-machines) vormen de kwaliteitsborging en procesbetrouwbaarheid een grote uitdaging. Om deze uitdaging te overwinnen zijn commerciële machines uitgerust met in-situ monitoringmodules die op doeltreffende wijze het productieproces bewaken op verschillende niveaus, zoals poederbeduitspreiding, bewakingssystemen voor het smeltbad en het laservermogen. Maar het gebrek aan dataverwerking en het niet koppelen van gemonitorde proceskernparameters zorgen ervoor dat men het volle potentieel van deze systemen niet kan gebruiken. Omdat de oorzaak van een defect in het uiteindelijke product niet altijd gelinkt is aan één onafhankelijk procesparameter, maar aan meerdere onafhankelijke parameters.

 

Om dit te illustreren nemen we aan dat er in een bepaalde laag een slechte poederuitspreiding was door bijvoorbeeld een verschuiving van een onderdeel tijdens fabricage. Dit fenomeen zal het profiel van het smeltbad niet beïnvloeden. Bijgevolg zal men via monitoring van deze enkele parameter niet in staat kunnen zijn om de uiteindelijke kwaliteit van het geprinte product te voorspellen. Daarom is het onderling linken van de monitoringdata een onvermijdelijke noodzaak vandaag. In onze studie passen we het machine-learning-algoritme toe op zowel de data uit het smeltbad als de gegevens van het layer-controlesysteem, om zo de procesbetrouwbaarheid en kwaliteitsborging te verbeteren.

 

Kennis rond additive manufacturing van keramische materialen gebundeld in overzicht

Keramische producten zijn over het algemeen de beste keuze voor onderdelen die moeten extreme omstandigheden over een lange periode weerstaan: ze bieden tal van voordelen ten opzichte van metalen, waaronder bestendigheid aan hoge temperaturen en corrosie, een hoge hardheid en een hoge compressiesterkte. De belangrijkste toepassingen van technische keramieken zijn precies gelinkt aan een of meer van die voordelen. Echter, keramisch materiaal vertoont ook een aantal nadelen, meer bepaald door hun hoge hardheid.

 

Additive manufacturing kan de juiste optie zijn om keramische onderdelen vorm te geven. Maar net zoals het geval is met andere types van materialen, is het niet realistisch om ervan uit te gaan dat additive manufacturing alle problemen van de keramische industrie zal oplossen. De toepassing van deze technologie is ook helemaal niet verstoken van uitdagingen.

20 jaar kennis en ervaring

Sinds het begin van de jaren 2000 heeft Sirris fors aan ontwikkeling gedaan in het domein van additive manufacturing van keramische materialen, op vraag van de industrie of in het kader van diverse collectieve onderzoeksprojecten. Het heeft haar kennis en ervaring, zowel uit de praktijk als uit research, gebundeld in een nieuw e-book. In dit boek vindt u meer informatie over de markt, het potentieel en de opportuniteiten, de AM-processen die zich het best lenen voor keramische materialen, industriële succesverhalen en nog veel meer.

U kunt het e-book rond additive manufacturing van keramische materialen gratis downloaden.


Vroeger project als benchmark voor nieuwe software

Voor additive manufacturing, meer bepaald voor het laser-melting-proces (LBM of SLM), is de keuze van aangepaste steunstructuren een kritische fase voor het succes van de fabricage die erop volgt. Tot vandaag was dit vaak een verhaal van iteraties, gekenmerkt door trial & error, zeker in geval van complexe stukken met grote afmetingen (> 150 mm) in materialen gevoelig voor hoge interne spanningen, zoals het geval is bij titaniumlegeringen. De empirische validatie zorgde voor extra kosten en overschrijding van termijnen, wat een hinderpaal vormde voor de technologie.

 

Om het risico te beperken en naar 'first-time-right' te streven, heeft Sirris geïnvesteerd in een softwareoplossing die toelaat het gedrag van ondersteuningen ten opzichte van de opgebouwde interne spanningen tijdens fabricage te simuleren. Met het doel de mogelijke winst en de juistheid van de via deze oplossing aangebrachte simulatie te valideren, besloot Sirris in samenspraak met Thales Alenia Space gebruik te maken van een eerdere onderzoekscase uit 2014, waarin toen nog geen gebruik werd gemaakt van dit type tool.


Thales Alenia Space, ontwerper en producent van ruimtesystemen, had destijds beroep gedaan op Sirris om de produceerbaarheid van een spiegelsteun voor satellieten te valideren voor de LBM-techniek. Voor dit project werd een iteratief proces ingezet om tot een bevredigende oplossing te komen. Op basis van deze ervaring produceert Thales Alenia Space nog altijd regelmatig de in het kader van dit project ontwikkelde component, die ondertussen door de onderneming gepatenteerd is.

 

Met deze oefening kon Sirris via de softwaretool precies identificeren waar de risicozones voor breuk zich bevinden in de steun. Deze werden ook eerder geidentificeerd via de oude iteratiemethode. De oefening kon zo een substantiële winst (meerdere tientallen productie-uren) aantonen dankzij dit soort van tool, zeker voor kleine series van stukken met een complexe geometrie waarvoor zelfs de knowhow van een ervaren operator niet volstaat om het risico op defect door breuk van de steun te elimineren.

 

Als collectief centrum stelt Sirris deze tool nu ter beschikking van bedrijven, om zo aan ontwerpers en gebruikers van LBM-machines toe te laten het risico gelinkt aan breuk van steunstructuren te elimineren.