{"id":3100,"date":"2026-03-09T09:03:47","date_gmt":"2026-03-09T08:03:47","guid":{"rendered":"https:\/\/www.hsu-hh.de\/laft\/?p=3100"},"modified":"2026-03-09T09:03:48","modified_gmt":"2026-03-09T08:03:48","slug":"forschungsprojekt-am-analytics-erfolgreich-abgeschlossen","status":"publish","type":"post","link":"https:\/\/www.hsu-hh.de\/laft\/forschungsprojekt-am-analytics-erfolgreich-abgeschlossen","title":{"rendered":"Forschungsprojekt AM Analytics erfolgreich abgeschlossen"},"content":{"rendered":"\n<p>Im Forschungsprojekt&nbsp;<strong>AM Analytics<\/strong>&nbsp;wurde ein Ansatz zur automatisierten In-situ-Defekterkennung f\u00fcr laserpulverbettbasierte additive Fertigung. Ziel war es, Prozesssignale w\u00e4hrend des Drucks mit realen Defekten im Bauteil zu korrelieren und damit die Grundlage f\u00fcr eine datenbasierte Qualit\u00e4ts\u00fcberwachung zu schaffen.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"768\" src=\"https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/versuchsaufbau-1024x768.jpg\" data-credit=\"(c)\" alt=\"\" class=\"wp-image-3102\" srcset=\"https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/versuchsaufbau-1024x768.jpg 1024w, https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/versuchsaufbau-300x225.jpg 300w, https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/versuchsaufbau-768x576.jpg 768w, https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/versuchsaufbau-1100x825.jpg 1100w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p>Versuchsaufbau der Aconity LPBFM-Anlage mit in-situ-Prozess\u00fcberwachung zur Erfassung von Prozessdaten w\u00e4hrend der additiven Fertigung.<br><\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ziel des Projekts<\/h2>\n\n\n\n<p>Additive Fertigungsverfahren wie Laser Powder Bed Fusion erm\u00f6glichen komplexe metallische Bauteile, stellen die Qualit\u00e4tssicherung jedoch vor gro\u00dfe Herausforderungen. Defekte wie Lack-of-Fusion-Poren entstehen bereits w\u00e4hrend des Bauprozesses und werden bislang h\u00e4ufig erst nachgelagert erkannt. AM Analytics verfolgte deshalb das Ziel, kritische Defekte bereits&nbsp;<em>w\u00e4hrend<\/em>&nbsp;der Fertigung sichtbar zu machen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Vorgehen<\/h2>\n\n\n\n<p>Im Projekt wurden unterschiedliche Sensorsysteme zur Prozess\u00fcberwachung untersucht und mit hochaufl\u00f6senden CT-Daten der gefertigten Proben verkn\u00fcpft. Im Mittelpunkt standen das&nbsp;<strong>Melt Pool Monitoring (MPM)<\/strong>&nbsp;und die&nbsp;<strong>optisch abgeleitete Temperaturmessung (ODT)<\/strong>. Erg\u00e4nzend wurden Methoden der Bildverarbeitung, Datenregistrierung und des maschinellen Lernens entwickelt, um Prozessdaten r\u00e4umlich mit sp\u00e4ter nachgewiesenen Defekten zu korrelieren.<\/p>\n\n\n<script>\tvar sosereDefaults = {\"allowfullscreen\":true,\"fit\":\"contain\",\"transition\":\"crossfade\",\"loop\":true,\"autoplay\":\"3000\",\"stopautoplayontouch\":true,\"keyboard\":true,\"nav\":\"thumbs\"}<\/script><div class='sosere--wp' data-ids='3103'data-link='file'data-itemtag='dl'data-icontag='dt'data-captiontag='dd'data-columns='0'data-size='large'data-width='697'data-auto='false'data-max-width='100%'data-ratio='0.95873452544704'><div id='gallery-1' class='gallery galleryid-3100 gallery-columns-0 gallery-size-thumbnail'><dl class='gallery-item'>\n\t\t\t<dt class='gallery-icon portrait'>\n\t\t\t\t<a href='https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/odt.png' data-full='https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/odt.png' data-credit=\"(c)\"><img loading=\"lazy\" decoding=\"async\" width=\"150\" height=\"150\" src=\"https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/odt-150x150.png\" class=\"attachment-thumbnail size-thumbnail\" alt=\"\" srcset=\"https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/odt-150x150.png 150w, https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/odt-100x100.png 100w\" sizes=\"auto, (max-width: 150px) 100vw, 150px\" \/><\/a>\n\t\t\t<\/dt><\/dl>\n\t\t<\/div>\n<\/div>\n\n\n<p>Thermische Prozessaufnahme einer belichteten Schicht als Grundlage der Defektanalytik im Vergleich zum Baujob.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Zentrale Ergebnisse<\/h2>\n\n\n\n<p>Die Untersuchungen zeigen, dass insbesondere die ODT-Daten eine belastbare Grundlage f\u00fcr die Defekterkennung liefern. W\u00e4hrend MPM in den durchgef\u00fchrten Versuchen keine ausreichend eindeutige Korrelation zu den provozierten Defekten zeigte, konnten thermische Bilddaten mit Hilfe eines neuronalen Netzes erfolgreich zur Unterscheidung zwischen defektbehafteten und fehlerfreien Bereichen genutzt werden.<\/p>\n\n\n\n<p>Damit wurde gezeigt, dass eine KI-gest\u00fctzte Auswertung von In-situ-Prozessdaten grunds\u00e4tzlich geeignet ist, Lack-of-Fusion-Defekte im L-PBF-Prozess zu identifizieren. Eine wesentliche Herausforderung bleibt die pr\u00e4zise r\u00e4umliche Registrierung zwischen Prozessdaten und CT-basierter Referenz.<\/p>\n\n\n<script>\tvar sosereDefaults = {\"allowfullscreen\":true,\"fit\":\"contain\",\"transition\":\"crossfade\",\"loop\":true,\"autoplay\":\"3000\",\"stopautoplayontouch\":true,\"keyboard\":true,\"nav\":\"thumbs\"}<\/script><div class='sosere--wp' data-ids='3101'data-link='file'data-itemtag='dl'data-icontag='dt'data-captiontag='dd'data-columns='0'data-size='large'data-width='993'data-auto='false'data-max-width='100%'data-ratio='1.2569620253165'><div id='gallery-3' class='gallery galleryid-3100 gallery-columns-0 gallery-size-thumbnail'><dl class='gallery-item'>\n\t\t\t<dt class='gallery-icon landscape'>\n\t\t\t\t<a href='https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/ct-segmentierung.jpg' data-full='https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/ct-segmentierung.jpg' data-credit=\"(c)\"><img loading=\"lazy\" decoding=\"async\" width=\"150\" height=\"150\" src=\"https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/ct-segmentierung-150x150.jpg\" class=\"attachment-thumbnail size-thumbnail\" alt=\"\" srcset=\"https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/ct-segmentierung-150x150.jpg 150w, https:\/\/www.hsu-hh.de\/laft\/wp-content\/uploads\/sites\/671\/2026\/03\/ct-segmentierung-100x100.jpg 100w\" sizes=\"auto, (max-width: 150px) 100vw, 150px\" \/><\/a>\n\t\t\t<\/dt><\/dl>\n\t\t<\/div>\n<\/div>\n\n\n<p>CT-basierte Referenzdaten erm\u00f6glichten die Validierung der in-situ erfassten Prozesssignale.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Bedeutung f\u00fcr Forschung und Industrie<\/h2>\n\n\n\n<p>Die Projektergebnisse leisten einen wichtigen Beitrag zur datenbasierten Qualit\u00e4tssicherung in der additiven Fertigung. Perspektivisch k\u00f6nnen solche Ans\u00e4tze helfen, Ausschuss zu reduzieren, Prozesse robuster auszulegen und langfristig eine adaptive Prozessregelung zu erm\u00f6glichen. Besonders f\u00fcr industrielle Anwendungen mit hohen Qualit\u00e4tsanforderungen ist dies ein wesentlicher Schritt in Richtung zuverl\u00e4ssiger und wirtschaftlicher AM-Prozesse.<\/p>\n\n\n\n<p>Das Projekt wurde im Rahmen der Industriellen Gemeinschaftsforschung (IGF) durchgef\u00fchrt und in Kooperation zwischen dem Fraunhofer IAPT und dem Laboratorium Fertigungstechnik der Helmut-Schmidt-Universit\u00e4t \/ Universit\u00e4t der Bundeswehr Hamburg bearbeitet.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Im Forschungsprojekt&nbsp;AM Analytics&nbsp;wurde ein Ansatz zur automatisierten In-situ-Defekterkennung f\u00fcr laserpulverbettbasierte additive Fertigung. Ziel war es, Prozesssignale w\u00e4hrend des Drucks mit realen Defekten im Bauteil zu korrelieren und damit die Grundlage [&hellip;]<\/p>\n","protected":false},"author":3650,"featured_media":3102,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4,29,38],"tags":[],"class_list":["post-3100","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-forschung","category-nachrichtenslider","category-news"],"_links":{"self":[{"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/posts\/3100","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/users\/3650"}],"replies":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/comments?post=3100"}],"version-history":[{"count":1,"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/posts\/3100\/revisions"}],"predecessor-version":[{"id":3104,"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/posts\/3100\/revisions\/3104"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/media\/3102"}],"wp:attachment":[{"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/media?parent=3100"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/categories?post=3100"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.hsu-hh.de\/laft\/wp-json\/wp\/v2\/tags?post=3100"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}