06.11.2025
Technologien
Das Konsortium des ITEA-Projekts Familiar hat eine Architektur für föderiertes maschinelles Lernen (FedML) mit Mixed-Reality-(XR)-Datenbrillen erarbeitet und in Use Cases analysiert. In einem der Anwendungsfälle hat die Fraunhofer-Einrichtung für Additive Produktionstechnologien IAPT mit dem Konsortialführer consider it und den Partnern Pumacy Technologies und NXRT ein digitales Assistenzsystem zum Einrichten des robotergestützten Auftragschweißens (DED-Arc) entwickelt.
Familiar: Sicheres und effizientes Machine Learning
Das Projekt Familiar zielt auf die Optimierung von Arbeitsabläufen und Effizienzsteigerungen in produzierenden Unternehmen durch maschinelles Lernen. Kollaboratives Lernen zwischen Edge-Geräten und das dezentrale Speichern der Daten sorgen für Datensicherheit und eröffnen sensiblen Branchen die Vorteile von Machine Learning (ML) sowie virtueller und erweiterter Realität (VR und AR). Anwendungsfälle aus der Automobilbranche und der Additiven Produktion (engl. Additive Manufacturing, kurz AM) dienten in dem Projekt der Analyse und Validierung.
In einem Teilvorhaben des ITEA-Projekts Familiar hat das Fraunhofer IAPT gemeinsam mit den Projektpartnern an einer Einrichtungshilfe für das robotergestützte Auftragschweißen (DED-Arc) gearbeitet. Der Fokus des Fraunhofer IAPT lag auf der Entwicklung der Systemarchitektur in der 3D-Druck Anlage, der Integration von Sensoren, der Entwicklung der Datenströme und Schnittstellen sowie auf Evaluationen und Tests.
Herausforderungen des robotergestützten Auftragschweißens (DED-Arc)
DED-Arc (oft auch als WAAM – Wire Arc Additive Manufacturing bezeichnet) gehört zu den Directed Energy Deposition (DED) Prozessen. Bei dem Additiven Produktionsverfahren entstehen Bauteile im schichtweisen Aufbau durch das Schmelzen von Metalldraht durch einen Lichtbogen. Zu den Vorteilen von DED-Arc gegenüber anderen 3D-Druck-Verfahren zählen hohe Geschwindigkeit und effiziente Materialnutzung. DED-Arc produziert große Strukturen schneller und kostengünstiger als Pulververfahren. Zudem zeichnen sich die Bauteile durch hohe Festigkeit und günstige mechanische Eigenschaften aus.
Doch das robotergestützte Auftragschweißen ist aufwändig und erfordert umfassende Kenntnisse der Produktionsprozesse. Die Einrichtung des roboterbasierten 3D-Druckprozesses entscheidet über Prozess- und Bauteilqualität. Bei unzureichender Einspannung der metallischen Substratplatten kommt es beispielsweise zur Deformation der Substratplatte und kostenintensiver Nacharbeit oder Ausschussproduktion.
Digitales Assistenzsystem: DED-Arc-Prozesse schnell und sicher einrichten
Das neue Assistenzsystem leitet Verantwortliche mit Mixed-Reality-(XR)-Brillen durch das Einrichten des robotergestützten 3D-Druckprozesses. Sensordaten einer In-Prozess Stereokamera trainieren das Machine-Learning-Modell, das die Einrichtungsparameter für das robotergestützte Auftragschweißen berechnet.
Das resultierende digitale Assistenzsystem eliminiert ineffiziente Prozessschritte und halbiert den Aufwand für die Vorbereitungen der DED-Arc-Produktion. Über die Zeitersparnis in der Vorbereitung der Additiven Produktion hinaus trägt das Hilfssystem zur Qualitätssteigerung von DED-Arc-Bauteilen bei.
Über Familiar
ITEA ist ein EUREKA Cluster für Software Innovationen, die europäische Unternehmen bei der Digitalisierung unterstützen. An dem 3-jährigen ITEA-Projekt Familiar (Holistic Federated AI Development for Mixed-Reality Applications in Europe) waren Projektpartner aus Deutschland, der Türkei und Österreich beteiligt. Der Anwendungsfall zu Additiver Produktion wurde vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) und der Österreichischen Forschungsförderungsgesellschaft FFG gefördert.
(Quelle: Fraunhofer IAPT)
Schlagworte
3D-DruckAdditive FertigungAdditive ProduktionAuftragschweißenDED-ArcLichtbogenMetalldrahtWAAM
