Andere Kunden interessierten sich auch für
![Tiefbohren in Metallen mittels ultrakurzen Laserpulsen]( "Tiefbohren in Metallen mittels ultrakurzen Laserpulsen")
Tiefbohren in Metallen mittels ultrakurzen Laserpulsen49,00 €![Extremes Hochgeschwindigkeits-Laserauftragschweißen ¿ Prozesstechnologische Untersuchung der Oberflächenbeschaffenheit von Beschichtungen]( "Extremes Hochgeschwindigkeits-Laserauftragschweißen ¿ Prozesstechnologische Untersuchung der Oberflächenbeschaffenheit von Beschichtungen")
Extremes Hochgeschwindigkeits-Laserauftragschweißen ¿ Prozesstechnologische Untersuchung der Oberflächenbeschaffenheit von Beschichtungen49,00 €![Funktionsorientiertes Laserstrahl-Mikroschweißen von Aluminium-Kupfer-Verbindungen mit örtlicher Leistungsmodulation]( "Funktionsorientiertes Laserstrahl-Mikroschweißen von Aluminium-Kupfer-Verbindungen mit örtlicher Leistungsmodulation")
Funktionsorientiertes Laserstrahl-Mikroschweißen von Aluminium-Kupfer-Verbindungen mit örtlicher Leistungsmodulation49,00 €![Anforderungsdeterminiertes und aufwandsorientiertes Qualitätsmanagement für die additive Fertigung]( "Anforderungsdeterminiertes und aufwandsorientiertes Qualitätsmanagement für die additive Fertigung")
Anforderungsdeterminiertes und aufwandsorientiertes Qualitätsmanagement für die additive Fertigung49,00 €![Laserdurchstrahlschweißen transparenter Thermoplaste ohne Strahlungsabsorber]( "Laserdurchstrahlschweißen transparenter Thermoplaste ohne Strahlungsabsorber")
Laserdurchstrahlschweißen transparenter Thermoplaste ohne Strahlungsabsorber39,00 €![Laserdurchstrahlschweißen von transparenten Kunststoffen mit Thulium-Faserlaserstrahlung]( "Laserdurchstrahlschweißen von transparenten Kunststoffen mit Thulium-Faserlaserstrahlung")
Laserdurchstrahlschweißen von transparenten Kunststoffen mit Thulium-Faserlaserstrahlung49,00 €![Adaptives Laser Powder Bed Fusion der Titanlegierung TiAl6V4]( "Adaptives Laser Powder Bed Fusion der Titanlegierung TiAl6V4")
Adaptives Laser Powder Bed Fusion der Titanlegierung TiAl6V449,00 €
Das laserbasierte Directed Energy Deposition (DED, dt. Laserauftragschweißen) zählt aufgrund seiner vielseitigen Anwendbarkeit zu den wichtigsten Additive Manufacturing (AM)-Verfahren. Zu den größten Herausforderungen von AM gehört die Erkennung lokaler Prozessabweichungen mittels Prozessüberwachung. Die Überwachung der thermischen Schmelzbadstrahlung gilt dabei als eine der wichtigsten Werkzeuge. Trotz vieler Vorarbeiten wird das Potential der Prozessüberwachung für das DED nicht vollständig abgerufen, da diese bisher ausschließlich zeitaufgelöst erfolgt. Aufgrund fehlender zeitlicher Synchronisation mit Ortsinformationen können detektierte Effekte nur ungenügend lokal in Bauteilen zugeordnet werden. In dieser Arbeit wird eine Methodik zur zeit- und ortsaufgelösten Prozessüberwachung entwickelt. Die Überwachung des Schmelzbades erfolgt mittels eines Pyrometers und einer CMOS-Kamera, die koaxial in den Bearbeitungskopf integriert werden. Zur Ortsauflösung werden die Sensordaten während des Prozesses mit Koordinaten der Werkzeugbahnen synchronisiert. Diese werden prozessbegleitend mittels der Steuerungsschnittstelle OPC Unified Architecture erfasst. So wird die kombinierte Untersuchung der Einflüsse der Prozessparameter, Bauteilgeometrie und Prozessstrategie ermöglicht. Darauf aufbauend werden zuerst mittels eines statistischen Versuchsplans die Sensitivitäten der beiden verwendeten Sensoren gegenüber systematischen Prozessabweichungen verglichen. Dabei wird gezeigt, dass Änderungen von Prozessparametern und der Prozessführung in CMOS-Aufnahmen sensitiver erfasst werden als mittels Pyrometrie. Um die technologischen Grenzen zur Detektion von Prozessabweichungen zu untersuchen, werden neuartige Datenanalysemethoden untersucht. Dazu werden Modelle des maschinellen Lernens zur Evaluierung der Potenziale bei deren Anwendung auf CMOS-Aufnahmen implementiert. Mithilfe eines dimensionalitätsreduzierenden Autoencoders werden die den Aufnahmen zugrundeliegenden Muster erfolgreich abgebildet. Auf Basis der Dimensionalitätsreduktion erfolgt die Quantifizierung der Repräsentativität der Bilder für diese Muster anhand des Rekonstruktionsfehlers, um Anomalien im Prozessverlauf zu detektieren. Abschließend wird ein Ansatz zur Qualitätssicherung mittels ortsaufgelöster Daten vorgestellt. Durch ein Clustering der CMOS-Aufnahmen eines Demonstrators wird dieser in geometrie- und prozessabhängige Bereiche unterteilt, für die separate Prüfkriterien definiert werden können.