top of page

Quick Tech News

QuickTechnics

von A. Fäh

3D Druck, 3D Drucken, 3D Drucker, Additive Fertigung, Fachzeitschrift für additive Fertigung, Technologien der additiven Fertigung, Additive Fertigung auf Deutsch, Additive Fertigung von Metallen, Metall additive Fertigung, Additive Fertigung Siemens, Additive Fertigung Design, Additive Fertigung Prozess, Additive Fertigung 3D, Fortschritte in der additiven Fertigung, Additive Fertigung SLM (selektives Laser-Schmelzen), Additive Laserverarbeitung, Additive Fertigung Laser, Keramik-Spritzguss, 2K-Spritzguss, 3D Druck und additive Fertigung, Additive Fertigungslayer, Additive Fertigungsindustrie, Sla additive Fertigung, Additive Fertigung Elsevier, Additive Fertigungsunternehmen in Deutschland, Ultraschall additive Fertigung, SLS additive Fertigung, Additive Fertigung SLS, Additive Fertigungsmaterialien, Additive Fertigungssoftware, Additive Fertigungsnachrichten, Additive Fertigung Berlin, Nachhaltigkeit der additiven Fertigung, Additive Fertigung Forum, Oerlikon additive Fertigung,

Quick Tech News

QuickTechnics

von Alexander Fäh

Newsletter abonnieren

Niemehr das Aktuellste aus der Tech-Industrie verpassen, indem Sie unseren Newsletter abonnieren.

  • Bestes Angebot

    Plus

    8CHF
    jeden Monat
     
    • Exclusive Content with industry experts
    • Ad-free browsing experience without interruptions
AutorenbildAlexander Fäh

Fortschritte im 3D-Druck: Experten entwickeln Sensoren zur Fehlererkennung


 
  • Experten des Johns Hopkins APL entwickeln Sensoren zur frühzeitigen Fehlererkennung in additiv gefertigten Teilen.

  • Hochgeschwindigkeitssensoren erfassen spektrale und Temperaturdaten in Echtzeit, um Defekte während des 3D-Druckprozesses zu verhindern. Die Integration von Künstlicher Intelligenz soll die Produktion von zuverlässigeren und qualitativ hochwertigen Bauteilen beschleunigen und verbessern.

 

Neue Wege im 3D-Druck: Sensoren zur frühzeitigen Erkennung von Defekten revolutionieren die additive Fertigung.

Forscher des Johns Hopkins APL entwickeln Sensoren zur frühzeitigen Fehlererkennung in additiv gefertigten Teilen. Bildquelle: Johns Hopkins Applied Physics Laboratory (APL).
Forscher des Johns Hopkins APL entwickeln Sensoren zur frühzeitigen Fehlererkennung in additiv gefertigten Teilen. Bildquelle: Johns Hopkins Applied Physics Laboratory (APL).

Der 3D-Druck birgt ein erhebliches Potenzial für die Produktion, jedoch haben Defekte in additiv gefertigten Teilen bisher eine breite Anwendung verhindert. Experten des Johns Hopkins Applied Physics Laboratory (APL) setzen sich mit diesem Problem auseinander, indem sie Sensoren entwickeln, die in der Lage sind, Fehler zu erkennen und zu verhindern, bevor sie auftreten.


Vince Pagán, Wissenschaftler für experimentelle Optik am Johns Hopkins APL, betont die Bedeutung des Problems: „Die Achillesferse des 3D-Drucks ist die Entstehung von Defekten, die zu Schwächungen und Versagen der Teile führen können, besonders in kritischen Anwendungen wie der Landesverteidigung und der Luft- und Raumfahrt.“


Um dieses Problem zu lösen, entwickeln Experten am APL Sensoren, die Defekte bereits im Entstehungsprozess erkennen können. Diese Forschung wird durch das Hopkins Extreme Materials Institute und das Army Research Laboratory sowie das Office of Naval Research unterstützt.


Ein häufiges Problem in der additiven Fertigung ist die Bildung von Schlüssellochdefekten während des Pulverbettfusion-Prozesses. Diese können die strukturelle Integrität beeinträchtigen. Durch die Entwicklung von Hochgeschwindigkeitssensoren, die spektrale und Temperaturdaten in Echtzeit erfassen, kann die Bildung solcher Defekte frühzeitig erkannt und verhindert werden.


Die Forschenden planen, Künstliche Intelligenz in den Prozess zu integrieren, um die Rückkopplungsschleife zu beschleunigen und die Defekterkennung weiter zu verbessern. Dies soll die Produktion von zuverlässigeren und qualitativ hochwertigen Bauteilen ermöglichen.

Newsletter​
Die neuesten Nachrichten von QuickTechnics in Ihrem Posteingang.

Vielen Dank!

bottom of page