Evaluation verschiedener optischer Tomografie-Ansätze zur Bewertung der Prozessqualität im PBF-LB/M Prozess mittels Datenanalyse

Institut für Werkzeugmaschinen und Fabrikbetrieb Fachgebiet Mikround Feingeräte Prof. Dr.-Ing. Dirk Oberschmidt Technische Universität Berlin Bachelorarbeit Evaluation verschiedener optischer Tomografie-Ansätze zur Bewertung der Prozessqualität im PBF-LB/M -Prozess mittels Datenanalyse zur Erlangung des akademischen Grades vorgelegt von Jolanda Schumann Berlin, den 14. April 2025 Betreut durch Prof. Dr.-Ing. Dirk Oberschmidt Betreut durch Dr.-Ing. Stefan Kühne Betreut durch M.Sc. Tina Walter (geb. Becker) Technische Universität Berlin Institut für Werkzeugmaschinen und Fabrikbetrieb Fachgebiet Mikround Feingeräte Prof. Dr.-Ing. Dirk Oberschmidt Pascalstraße 8–9 D – 10587 Berlin Tel.: +49 (0)30 314 – 22006 Vorwort Vorwort Die vorliegende Arbeit ist in Kooperation mit der Bundesanstalt für Materialforschung und -prüfung (BAM) und dem Fachgebiet Mikround Feingeräte der Technischen Universität Berlin entstanden. Mein herzlicher Dank gilt Dr.-Ing. Stefan Kühne für die jederzeit verlässliche Betreuung und die gewährten Freiheiten bei der Bearbeitung, welche zum Gelingen der Arbeit beigetragen haben. Ein besonderer Dank gilt M.Sc. Tina Walter (geb. Becker), für ihre kompetente fachliche Betreuung und konstruktives Feedback. Mein Dank gilt ebenfalls meinen Kolleginnen und Kollegen des Fachbereiches „Thermografische Verfahren“ der BAM. Dabei möchte ich mich bei M.Sc. Simon Oster, M.Sc. Philipp Breese und besonders bei Dr. rer. nat. Simon Altenburg bedanken. Durch die gemeinsame Arbeit beim Aufbau der PBF-LB/M Maschine, wurde die Arbeit erst möglich. Schließlich möchte ich mich bei meinen Eltern bedanken. Durch ihr Engagement haben sie die Grundlage für meine akademische Laufbahn geschaffen und mich während dieser Zeit in vielfacher Hinsicht unterstützt. Berlin, den 20. Dezember 2025 Jolanda Schumann II Kurzzusammenfassung Kurzzusammenfassung Die additive Fertigung mittels pulverbettbasiertem selektivem Laserschweißen von Metall (PBF-LB/M) ist ein verbreitetes Verfahren zur Herstellung komplexer Einzelbauteile. Zahlreiche unkontrollierbare Prozessvariablen beeinflussen beispielsweise die Prozessatmosphäre und die Temperaturentwicklung und sorgen dafür, dass eine zuverlässige Prozessüberwachung notwendig ist. Defekte und Unregelmäßigkeiten sind unter anderem auf eine inkonsistente Energieeinbringung zurückzuführen. Die Temperaturentwicklung des Schmelzbads dient als Indikator für Abweichungen in der Energieeinbringung. Die Messung der emittierten thermischen Strahlung ist demnach ein vielversprechender Indikator für die Qualität des Prozesses. Ein in der Industrie bereits etabliertes Verfahren zur Prozessüberwachung ist die optische Tomographie (OT). Dabei werden mittels Langzeitbelichtung Schichtbilder aufgenommen. Es werden verschiedene OT-Ansätze betrachtet. Bei der marktüblichen monochromatischen OT (1C-OT) wird eine Kamera verwendet, die in einem einzelnen Wellenlängenbereich arbeitet. Beim aktuell entwickelten, multispektralen Ansatz, werden entweder mehrere monochromatische Kameras mit Filtern unterschiedlicher Wellenlängen oder eine RGB-Kamera verwendet. Durch die Auswertung bei verschiedenen Wellenlängen können ähnlich der Quotientenpyrometrie zusätzliche Informationen gewonnen werden. Es erfolgt ein Vergleich der monospektralen und multispektralen OT-Ansätze bezüglich der Eignung für die Prozessüberwachung. Dabei wird betrachtet, inwiefern die OT-Ansätze geeignet sind, verschiedene Prozessqualitäten zu unterscheiden. Mit zwei verschiedenen OT-Setups wird ein Druckprozess überwacht. Dabei werden zur Simulation unterschiedlicher Prozessqualitäten mehrere Bauteile mit verschiedenen Prozessparametern auf einer PBF-LB/M Maschine gedruckt. Zudem wird der Einfluss der Positionierung der Bauteile auf der Bauplattform betrachtet. Die Bewertung der Prozessqualität erfolgt durch eine Bestimmung der Porosität der Bauteile. Auf Basis der gewonnenen Erkenntnisse kann ein Überblick über die OT-Ansätze erlangt werden. Diese Erkenntnisse können als Grundlage für die Entwicklung von Echtzeit-Prozessüberwachungssystemen dienen. III Inhaltsverzeichnis Inhaltsverzeichnis Kurzzusammenfassung III Formelund Kurzzeichen V 1 Einleitung 1 2 Stand der Technik 2 2.1 Einführung in additive Fertigungsverfahren (AM-Verfahren) . . . . . . . . . . . . . . 2 2.2 Grundlagen des PBF-LB/M Prozesses . . . . . . . . . . . . . . . . . . . . . . . . . 2 2.3 Prozessüberwachung im PBF-LB/M Prozess . . . . . . . . . . . . . . . . . . . . . . 8 2.4 Optische Tomographie (OT) zur Prozessüberwachung . . . . . . . . . . . . . . . . . 9 2.5 Multispektrale OT zur Quotientenbildung . . . . . . . . . . . . . . . . . . . . . . . 10 2.6 Porosität als Qualitätsmerkmal für PBF-LB/M Bauteile . . . . . . . . . . . . . . . . 11 3 Zielsetzung und Vorgehensweise 14 4 Lösungsansatz 16 4.1 Grundlagen der thermografischen Untersuchung . . . . . . . . . . . . . . . . . . . . 16 4.2 Betrachtung unterschiedlicher Bauteilparameter bzw. Bauteilqualitäten . . . . . . . . 18 5 Umsetzung 19 5.1 PBF-LB/M Maschine: SAMMIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 5.2 BetrachteterBauprozess................................. 21 5.3 Kamerasysteme für die Prozessüberwachung . . . . . . . . . . . . . . . . . . . . . . 24 5.4 Datenerfassung und Datenverarbeitung . . . . . . . . . . . . . . . . . . . . . . . . . 30 5.5 Bestimmung der Porosität der Bauteile . . . . . . . . . . . . . . . . . . . . . . . . . 35 6 Ergebnisse und Diskussion 38 6.1 Piktogrammerklärung für Diagrammbeschreibung . . . . . . . . . . . . . . . . . . . 38 6.2 ReduktionderOT-Daten ................................ 38 6.3 Vergleich der OT-Setups zur Sicherstellung plausibler Daten . . . . . . . . . . . . . 41 6.4 Auswertung und Vergleich der Porositätsmessungen . . . . . . . . . . . . . . . . . . 43 6.5 Positionseinfluss auf Porosität, Einzelkanäle und Quotienten . . . . . . . . . . . . . 46 6.6 Parametereinfluss auf Bauteilgrauwerte und Bauteilquotienten . . . . . . . . . . . . 50 6.7 Zusammenhang Porosität, Energiedichte und Bauteilgrauwerte bzw. Bauteilquotienten 52 7 Zusammenfassung und Ausblick 57 Literaturverzeichnis 59 Anhang i A Relativer Verlauf der Schichtgrauwerte und Schichtquotienten von Bauteil 13 . . . . i B Messergebnisse der Porositätsbestimmung . . . . . . . . . . . . . . . . . . . . . . . ii C Positionsabhängigkeit Einzelkanäle und Quotienten . . . . . . . . . . . . . . . . . . iii IV Formelund Kurzzeichen Formelund Kurzzeichen Formelzeichen Einheit Bezeichnung A m2Fläche EvJ mm–3 Energiedichte h mm Hatchdistanz I - Strahlungsintensität m1mg Masse an Luft m2mg Masse in Flüssigkeit MλW m–2 µm–1 spektrale spezifische Ausstrahlung P W Leistung S - Sensitivität T°C, K Temperatur v mm s–1 Geschwindigkeit δmm Schichtdicke ϵEmisionsgrad λµm Wellenlänge πa% scheinbare Porosität ρag cm–3 scheinbare Feststoffdichte an Luft ρ1g cm–3 scheinbare Feststoffdichte in Flüssigkeit ρrein g cm–3 theoretische Dichte σStandartabweichung des Gauß-Filters τTransmission V Formelund Kurzzeichen Kurzzeichen Bezeichnung 1C Einzelkanal (engl. one chanel) 2C Zweikanal (engl. two chanel) 2-D zweidimensional 3-D dreidimensional AM additive Fertigung (engl. additive manufacturing) AMF Dateiformat der additiven Fertigung (engl. additive manufacturing file) BP Bandpass CAD computergestützte Konstruktion (engl. computer-aided design) CB Farbausgleich (engl. color-balancing) DED-LB/M Materialauftrag mit gerichteter Energieeinbringung von Metallen mittels laserbasiertem System (engl. directed energy deposition of metals with laser beam) IR Infrarot MBP Multi-Bandpass ND Neutraldichte NIR Nahinfrarot OT optische Tomografie PBF-LB/M pulverbettbasiertes Schmelzen von Metallen mittels laserbasiertem System (engl. powder bed fusion of metals with laser beam) RGB Rot Grün Blau ROI Untersuchungsbereich (engl. region of interest) SAMMIE sensor-based additive manufacturing machine VIS sichtbarer Lichtbereich VI Einleitung 1 Einleitung Additive Fertigungsverfahren, wie beispielsweise PBF-LB/M , werden zunehmend beliebter, da im Vergleich zu den konventionellen Fertigungsverfahren vielfältigere und komplexere Geometrien erzeugt werden können. Allerdings muss die Reproduzierbarkeit und Zuverlässigkeit des Verfahrens noch verbessert werden [REN23, UNA17]. Zunächst muss ein tieferes Prozessverständnis durch Prozessüberwachung erlangt werden, sodass Voraussagen zur Qualität getroffen werden können. Die Anzahl der Publikationen, welche sich mit der Untersuchung, Optimierung und Qualitätssicherung des PBF-LB/M Prozesses beschäftigen, ist in den letzten Jahren gestiegen. Es besteht großes Interesse seitens der Anwender und ein hoher Forschungsbedarf, um den Prozess durch Prozessüberwachung zu optimieren [DIE19]. Das übergeordnete Ziel besteht in der Etablierung einer geschlossenen Feedbackschleife. Dabei werden Defekte und Unregelmäßigkeiten in Echtzeit detektiert und die Prozessparameter entsprechend angepasst, um eine hohe Bauteilqualität zu gewährleisten [CAI23]. Dafür muss eine zerstörungsfreie Prozessüberwachung angewandt werden. Für eine zerstörungsfreie Prozessüberwachung können unter anderem die optischen Signale des Schmelzbades erfasst werden. Eine Möglichkeit dafür ist die monochromatische optische Tomografie (OT). Dabei wird das emittierte Licht aus dem Bauprozess mittels Langzeitbelichtung bei einer Wellenlänge erfasst. Ein neu entwickelter multispektraler OT-Ansatz beschreibt den Vergleich der Daten aus der Langzeitbelichtung bei verschiedenen Wellenlängen. In dieser Arbeit sollen verschiedene OT-Ansätze miteinander verglichen werden. Dabei soll ermittelt werden, welche der OT-Setups für die Prozessüberwachung geeignet sind. In dem mit verschiedenen OT-Setups untersuchten Bauprozess werden Bauteile mit unterschiedlichen Qualitäten gedruckt. Um verschiedene Qualitäten zu erreichen, werden die Prozessparameter variiert. Als Indikator der Qualität wird die Porosität bestimmt. Der Fokus der Untersuchung liegt auf dem Zusammenhang zwischen den Bauteilqualitäten und den Ergebnissen der OT. 1 Stand der Wissenschaft und Technik 2 Stand der Technik In diesem Kapitel wird auf die additive Fertigung und das PBF-LB/M Verfahren im speziellen näher eingegangen. Die optische Tomografie (OT) wird als eine Möglichkeit der Prozessüberwachung beschrieben. Zusätzlich wird die Porosität als Qualitätsmerkmal für additiv gefertigte Bauteile eingeführt. 2.1 Einführung in additive Fertigungsverfahren (AM-Verfahren) Die additive Fertigung (engl. additive manufacturing, AM) ermöglicht die Erzeugung komplexer Geometrien mit innen liegenden Strukturen, wodurch sie sich von anderen Fertigungsverfahren abhebt. Im Vergleich zu vielen konventionellen Fertigungsverfahren sind keine aufeinanderfolgenden Bearbeitungsschritte in der Herstellung komplizierter Bauteile notwendig. Der AM-Prozess führt direkt zu einem endkonturnahen Bauteil mit einer nahezu beliebigen Komplexität [DHA21]. AM-Verfahren werden beispielsweise bevorzugt zur Herstellung von Prototypen angewendet. Die Erstellung komplexer Prototypen kann in vergleichsweise kurzer Zeit erfolgen. Als Grundlage wird ein virtuelles Modell in der Form einer computergestützten Konstruktion (engl. computer-aided design, CAD) verwendet. Das Modell wird in einzelne Schichten unterteilt. Während des Bauprozesses werden die Schichten nacheinander übereinander in dem 3-D-Drucker direkt erstellt. Bei der AM mit metallischen Werkstoffen werden in der Industrie vorwiegend die folgenden zwei Verfahren angewendet [REN23]: • Materialauftrag mit gerichteter Energieeinbringung von Metallen mittels laserbasiertem System (engl. directed energy deposition of metals with laser beam, DED-LB/M) • Pulverbettbasiertes Schmelzen von Metallen mittels laserbasiertem System (engl. powder bed fusion of metals with laser beam, PBF-LB/M) Beim DED-LB/M Verfahren wird das Metallpulver durch eine Düse auf die Bauplattform an gewünschten Stellen selektiv aufgetragen und mittels der Energie eines Laserstrahls direkt verschweißt. Der Pulverauftrag und die Führung des Lasers erfolgt durch eine robotergeführte Düse. Mit dem DED-LB/M Verfahren werden vorwiegend größere Bauteile gebaut. Beim PBF-LB/M Verfahren ist die Größe des Fokus des Prozesslasers eine Größeneinheit kleiner ( 50 – 100 µm ) als beim DED-LB/M Verfahren ( 500 – 1000 µm ). Die Scangeschwindigkeit v ist deutlich schneller. Es werden Geschwindigkeiten von v = 300 – 1000 mm s erreicht. Das Verfahren des PBF-LB/M wird bevorzugt für kleinere Bauteile und wenn höhere Präzision gefragt ist, angewendet, da der Materialauftrag deutlich geringer ist [DIE19, REN23]. Beim pulverbettbasierten Schmelzen ruht das Pulver auf einer Bauplattform und der Laserstrahl wird bewegt, um Bauteile im Metallpulver aufzubauen. In dieser Arbeit wird das PBF-LB/M Verfahren betrachtet. 2.2 Grundlagen des PBF-LB/M Prozesses Im Dezember 2022 wurde das „Urformen durch additive Fertigung“ erstmals in der DIN 8580 als Fertigungsverfahren kategorisiert. Das PBF-LB/M Verfahren ist in die Untergruppe „Pulverbettbasiertes Schmelzen (PBF)“ einzuordnen. In der DIN EN ISO/ASTM 52900 wird die Terminologie der Begriffe in der AM beschrieben. Der PBF-LB/M Prozess ist somit der Prozess des pulverbettbasierten Schmelzens von Metall mittels laserbasiertem System [DIN52900, DIN8580]. 2 Stand der Wissenschaft und Technik 2.2.1 Prozessablauf Der schematische Prozessablauf des PBF-LB/M Prozesses ist in Abbildung 2-1 gezeigt. Der Fertigungsprozess beinhaltet die Digitale Vorbereitung, den zyklischen Druckprozess, bestehend aus der Beschichtung, Belichtung und Positionierung, und die Nachbearbeitung der Bauteile. Abschließend kann eine Qualitätskontrolle erfolgen. Abbildung 2-1: Prozessablauf des PBF-LB/M Prozesses [BEC20] In der Vorbereitung wird ein digitales Modell des zu druckenden Bauteils erstellt. Das digitale CADModell wird in ein Oberflächenmodel umgewandelt und im AMF-Editor (engl. additive manufacturing file editor) in Schichten mit der gewünschten Schichtdicke unterteilt. Zusätzlich werden die Prozessparameter für den Bauprozess festgelegt. Die wichtigsten Prozessparameter umfassen die Leistung des Prozesslasers P, dessen Geschwindigkeit v, der Hatchdistanz h und der Schichtdicke δ[LAC22]. Für den Vergleich verschiedener Bauteilparameterkombinationen wird normalerweise die eingebrachte Energiedichte EV(Gl. (2-1)) betrachtet [LAC22, SAN19]. EV=P v·h·δ(2-1) Zudem wird die Scanstrategie bzw. der Bewegungsablauf des Prozesslasers zur Erstellung einer Fläche im Metallpulver festgelegt. In Abbildung 2-2 sind drei verschiedene Scanstrategien gezeigt. Neben dem Muster wird die Hatchdistanz zwischen den einzelnen Laserscanpfade ausgewählt. In den folgenden Schichten wird das Muster variiert, meistens durch eine Rotation des Musters um 67°[DIE19, MAL21]. Der eigentliche Druckprozess kann in drei Unterprozesse unterteilt werden: Beschichtung, Belichtung und Positionierung. Diese werden wiederholt ausgeführt, bis alle Schichten des Bauteils gedruckt sind. In Abbildung 2-1 sind die Unterprozesse eines Drucks und Komponenten der PBF-LB/M Maschine abgebildet. Bei der Beschichtung wird durch den Beschichter (3) eine Schicht Metallpulver vom Vorratsbehälter (9) auf die Bauplattform (8) geschoben. Überflüssiges Pulver wird im Überlaufbehälter (6) gesammelt. Die Belichtung des Metallpulvers (4) erfolgt durch den Prozesslaser (1). Die Bewegung des Lasers in Xund Y-Richtung wird durch eine Scannereinheit (2) realisiert. Durch den Energieeintrag des Lasers, werden nebeneinanderliegende Metallpulver-Partikel lokal verschmolzen. Der Stoffschluss mit den unterliegenden Schichten ist dadurch ebenfalls gegeben. Der punktuelle Bereich, welcher von dem Prozesslaser zu einem Zeitpunkt belichtet bzw. aufgeschmolzen wird, wird Schmelzbad genannt. Die Fokussiereinheit (2) kann den Fokuspunkt des Prozesslaserstrahl in Z-Richtung verschieben. 3 Stand der Wissenschaft und Technik Abbildung 2-5: Aufnahmen mit Langzeitbelichtung; a) Lichtmalerei in der Fotografie (Belichtungszeit 30 s); b) OT-Bild des PBF-LB/M Prozesses; c) schematischer Aufbau der OT 2.5 Multispektrale OT zur Quotientenbildung In dieser Arbeit wird zusätzlich zur monochromatischen OT eine weiterentwickelte Variante der OT, die multispektrale OT, betrachtet. Dabei werden mehrere monochromatische OT-Kameras miteinander kombiniert. Beim Ansatz der multispektralen OT (nC-OT, engl. n-chanel-OT) werden jeweils zwei Aufnahmen der monochromatischen OT miteinander verrechnet, indem der Quotient beider Aufnahmen gebildet wird. Dieses Prinzip wird auch bei der Quotientenpyrometrie angewendet. Dabei wird durch die simultane Messung in zwei Wellenlängenbereichen eine Oberflächentemperatur ermittelt. Ähnlich der Quotientenpyrometrie können bei der multispektralen OT zusätzliche Informationen generiert werden und z. B. kamerabedingte Einflüsse oder Doppelbelichtungen im Aufbauprozess herausgerechnet werden [BEC23]. Wie in Abbildung 2-6 gezeigt, wird für die multispektrale OT ein RGB-Ansatz und ein Zweikanal-Ansatz (2C-Ansatz) betrachtet. Beim 2C-OT-Ansatz wird der Quotient aus zwei Kamerabildern gebildet. Die Kamerabilder sind durch Kameras, welche Licht unterschiedlicher Wellenlänge (im NIR-Bereich) aufnehmen, aufgenommen. Aufgrund des optischen Aufbaus können die Aufnahmen der beiden Kameras für die Quotientenbildung übereinandergelegt werden. Durch einen Strahlteiler haben beide Kameras das gleiche Blickfeld. Der RGB-OT-Ansatz besteht aus einer Kamera mit Bayer-Sensor, welche Licht aus drei verschiedenen Wellenlängen für jeden Bildpixel unabhängig voneinander erfassen kann. Diese Wellenlängenbereiche sind den Farben Rot, Grün und Blau zugeordnet. Die RGB-OT nimmt folglich visuelles Licht auf. 10 Stand der Wissenschaft und Technik Abbildung 2-6: Schematischer Aufbau von zwei multispektralen OT-Ansätzen für die Prozessüberwachung 2.6 Porosität als Qualitätsmerkmal für PBF-LB/M Bauteile Die Porosität beschreibt das Verhältnis vom im Bauteil befindlichen Hohlraumvolumen zu dessen Gesamtvolumen. Das Auftreten von internen Defekten bewirkt eine Erhöhung der Porosität des Bauteils. Eine hohe Porosität führt zu schlechteren mechanischen Eigenschaften der Bauteile [ESP12]. Es ist zu beachten, dass die Porosität keine vollumfängliche Größe zur Beurteilung der Qualität des Bauteils darstellt. Defekte wie beispielsweise Risse, angehobene Kanten oder geometrische Abweichungen gehen dabei nicht in die Betrachtung ein. In den meisten Untersuchungen wird dennoch die Porosität als Qualitätsmerkmal des PBF-LB/M Bauprozesses verwendet [DUP21]. Die Variation der Prozessparameter führt zu unterschiedlichen Porositäten Xiao et al. [XIA22] konnten zeigen, dass die entstehende Porosität von Ti-6Al-4V Bauteilen vorausgesagt werden kann. In ihrem Versuch werden die vier Prozessparameter (Laserleistung, Scangeschwindigkeit, Hatchdistanz und Fokusstiefe) variiert. Mithilfe eines künstlichen neuronalen Netzes wurde die Porosität vorausgesagt. Bei der Messung der Porosität, durch die Untersuchung der Schliffbilder mit einem Rasterelektronenmikroskop, wurde eine Abweichung der vorausgesagten zur gemessenen Porosität von unter ±10 % festgestellt. Auch die vier verschiedenen Algorithmen des maschinellen Lernens von Paulson et al. [PAU20] erreichen Übereinstimmungen der Porositäten von Ti-6Al-4V Bauteilen und Vorhersagen von 84% – 90%. 2.6.1 Bestimmung der Porosität mit dem Archimedischen Prinzip Eine Methode der Porositätsbestimmung ist die Messung der Dichte des Bauteils und der anschließende Vergleich mit der Dichte von reinem Material. Die Methode beruht auf dem Archimedischen Prinzip und ist in der DIN 18754 beschrieben. Bei dem Messaufbau, schematische gezeigt in Abbildung 2-7 , wird das Gewicht der Probekörper in der Luft m1, sowie in einer Immersionsflüssigkeit (hier: destilliertes Wasser) m2bestimmt. Für die Berechnung der scheinbaren Feststoffdichte ρa ( Gl. (2-2) ) wird die Dichte von destilliertem Wasser ρ1 bei der Prüftemperatur verwendet. Bei einer bekannten Temperatur ist die Dichte des Wassers in der DIN 18754 angegeben [DIN18754]. ρa=m1 m1– m2 ρ1(2-2) 11 Stand der Wissenschaft und Technik Abbildung 2-7: Schematischer Aufbau der Porositätsmessung nach Archimedes; a) Messung des Bauteilgewichtes an Luft; b) Messung des Bauteilgewichtes im Wasser Um die Porosität πa der Probekörper zu bestimmen, wird der Quotient der ermittelten Dichte ρa mit der Dichte vom reinen Material ρrein gebildet und von Eins abgezogen (vgl. Gl. (2-3)). πa= 1 – ρa ρrein (2-3) Wits et al. [WIT16] zeigen, dass das Archimedische Verfahren als einfaches, kostengünstiges und zerstörungsfreies Verfahren für die Porositätsbestimmung in der AM angewendet werden kann. Das Archimedische Verfahren ist allerdings limitiert auf die Bestimmung der Gesamtporosität. Es können keine Aussagen über die Anzahl, Größe, Verteilung und Morphologie der Poren bzw. Defekte getroffen werden [SOL19]. Ein weiterer Nachteil des Verfahrens besteht darin, dass eingeschlossene Pulverreste im Bauteil die Porosität verfälschen können [SOL19]. Die ermittelte Porosität nach dem Archimedischen Prinzip wäre dadurch geringer als bei anderen Porositätsmessverfahren [WIT16]. Im Allgemeinen ist allerdings die Porosität nach Archimedes höher als in anderen Verfahren [JOS24]. Dies ist auf den Einschluss von Luftblasen an einer rauen Oberfläche der Proben in der Immersionsflüssigkeit zurückzuführen [DUP21, JOS24, SOL19]. Da es gerade bei PBF-LB/M Bauteilen, wie in Abschnitt 2.2.3 beschrieben, durch das schichtweise Aufbauen vermehrt zu rauen Oberflächen kommt, kann der Einschluss von Luftblasen an der Oberfläche einen großen Einfluss auf die bestimmten Porositäten haben. Zusätzlich muss die Vergleichsdichte des reinen Materials ausreichend genau sein, um sinnvolle Porositäten ermitteln zu können [SOL19]. Taylor et al. [TAY99] zeigen, dass die Wiederholung der Messung zu einer Verbesserung der ermittelten Porositätswerte führt. Taylor et al. [TAY99] beschreiben, dass bei der Untersuchung kleiner Bauteile mit geringer Porosität und unter Verwendung eines geeigneten Flüssigkeitsmediums eine verwertbare Bauteilporosität festgestellt werden kann. 12 Stand der Wissenschaft und Technik 2.6.2 Bestimmung der Porosität mittels Metallografie Bei der Porositätsbestimmung mittels Metallografie wird als Referenzfläche eine Schnittfläche des Bauteils unter dem Mikroskop betrachtet (Schliffbild). Hierfür wird das Bauteil getrennt, wobei in der Regel die Trennung quer und/oder längs zu den Schichten erfolgt. Die Schnittflächen werden geschliffen, poliert und geätzt, um eine glatte Oberfläche zu erzeugen, die unter dem Mikroskop analysiert werden kann [DUP21]. Eine Software identifiziert Poren und andere Defekte im Schliffbild und ermittelt ein Verhältnis von Porenfläche bzw. Defektfläche zur Gesamtfläche (vgl. Abbildung 2-8). Da nur eine Schnittfläche betrachtet wird, entspricht die ermittelte Porosität nicht notwendigerweise der Gesamtporosität des Bauteils. Je nach Orientierung, Vergrößerung und Wahl der untersuchten Fläche können unterschiedliche Porositäten ermittelt werden. Hier ist ebenfalls anzumerken, dass sich bisher keine standardisierte Methode zur Porositätsbestimmung mittels Metallografie durchgesetzt hat [SOL19]. Des Weiteren ist zu berücksichtigen, dass die Festlegung des Grenzwertes zur Einteilung von Defekten und defektfreien Bauteilflächen einen Einfluss auf die bestimmte Porosität hat [ZOU16]. Zusätzlich kann es zu Artefakten kommen, die durch die Vorbereitung des Bauteils zur mikroskopischen Untersuchung entstehen [DUP21, SOL19]. Das Verfahren ist generell mit hohen Kosten und einem hohen Zeitaufwand verbunden. Der wesentliche Nachteil des Verfahrens besteht in der Zerstörung der Bauteile [WIT16]. Die Porositätsbestimmung mittels Metallografie ist eine weit verbreitete Methode. Es ist möglich Teilbereiche der Bauteiltrennflächen unabhängig voneinander auszuwerten [DUP21]. Außerdem kann die Art, Größe, Morphologie und Verteilung der Poren im Bauteil ermittelt werden, was Aufschluss auf die mögliche Ursache der Defekte geben kann (vgl. Abschnitt 2.2.3) [SOL19]. Abbildung 2-8: Schematischer Aufbau der Porositätsmessung mittels Metallografie 13 Zielsetzung und Vorgehensweise 3 Zielsetzung und Vorgehensweise Im Rahmen dieser Arbeit erfolgt ein Vergleich verschiedener optischer Tomografie Ansätze (1C-OT, 2C-OT, RGB-OT) hinsichtlich ihrer Eignung für die Prozessüberwachung des PBF-LB/M Prozesses. Es wird unterschieden zwischen der monochromatischen OT (1C-OT) und der weiterentwickelten multispektralen OT (hier: 2C-OT, RGB-OT). Dabei soll evaluiert werden, inwiefern Aussagen über den Fertigungsprozess aus den OT-Daten zu entnehmen sind. Das Vorgehen ist in Abbildung 3-1 gezeigt. Es werden folgende Hypothesen betrachtet: •Mittels der OT-Daten können unterschiedliche Bauteilparametersätze unterschieden werden. •Anhand der OT-Daten können verschiedene Prozessqualitäten erkannt werden. • Im Vergleich zur monospektralen OT zeigen die multispektralen OT-Ansätze eine höhere Aussagekraft. • Im Rahmen der multispektralen OT zeigt sich ein reduzierter Einfluss der Position, im Vergleich zur monospektralen OT. Um diese Hypothesen zu untersuchen, werden zur Prozessüberwachung zwei unabhängige Kamerasysteme, das 2C-Setup und RGB-Setup, kalibriert und eingesetzt. Es wird ein PBF-LB/M Bauprozess betrachtet, in dem mehrere Bauteile zunächst mit gleichen, sowie später mit variierten Bauteilparametern gedruckt werden. Es werden unterschiedliche Prozessparameter ausgewählt, um verschiedene Bauteilbzw. Prozessqualitäten zu simulieren. Eine Bewertung der Prozessqualität erfolgt durch die Bestimmung der Bauteilporosität. Die Porositätsbestimmung erfolgt über das Archimedische Prinzip, sowie über die Auswertung von Metallografie-Daten. Im Rahmen der Auswertung werden zudem die Einzelkanäle der Kameras, vergleichbar mit der monospektralen OT (1C-OT), betrachtet. Durch die Quotientenbildung aus den Einzelkanälen des 2C-Setups bzw. des RGB-Setups können zusätzliche Informationen generiert werden. Es erfolgt ein Vergleich der Erkenntnisse, welche aus den Daten der Einzelkanäle und aus den Daten der Quotienten gewonnen werden können. Dabei erfolgt eine Bewertung, welches OT-Setup bzw. welcher Einzelkanal für die Prozessüberwachung am besten geeignet ist. 14 Zielsetzung und Vorgehensweise Abbildung 3-1: Schematische Darstellung des Vorgehens der Arbeit 15 Lösungsansatz 4 Lösungsansatz 4.1 Grundlagen der thermografischen Untersuchung Das Planck’sche Strahlungsgesetz beschreibt, dass jeder ideale schwarze Körper abhängig von seiner Temperatur T und Wellenlänge λ ein charakteristisches Strahlungsspektrum emittiert [BER14]. In Abbildung 4-1 ist die spektrale spezifische Ausstrahlung M◦ λ(λ, T) eines idealen schwarzen Strahlers für verschiedene Temperaturen über die Wellenlänge (logarithmisch) aufgetragen. Dabei verschiebt sich das Maximum des Strahlungsspektrums bei höheren Temperaturen zu kleineren Wellenlängen. Bei 300 K bzw. 26,85°C (rote Kurve) wird Strahlung überwiegend im Infrarot-Bereich emittiert. Diese Strahlung ist für den Menschen nicht sichtbar, aber als Wärme wahrnehmbar. Um die Temperatur der Sonne zu bestimmen, könnte beispielsweise angenommen werden, dass die Sonne ein annähernd idealer schwarzer Körper ist. Durch die Auswertung der von der Sonne emittierten Strahlung kann ermittelt werden, dass die Sonne eine mittlere Temperatur von ca. 5777 K besitzt (gelbe Kurve) [UNS55]. Ein schwarzer Körper mit dieser Temperatur würde wie die Sonne Licht im sichtbaren, sowie im ultra-violetten Bereich emittieren. Abbildung 4-1: Strahlungsspektrum eines idealen schwarzen Körpers bei verschiedenen Temperaturen [PRO17] 16 Lösungsansatz Da es in der Realität keine idealen schwarzen Körper gibt, muss bei realen Körpern das emittierte Spektrum Mλ(λ, T)◦ mit dem Emissionsgrad ϵ(λ, T) < 1 multipliziert werden. Der Emissionsgrad reduziert die resultierende spektrale spezifische Ausstrahlung eines Objektes, da nicht die gesamte einfallende Strahlung absorbiert und wieder emittiert wird [ZWI23]. In Gl. (4-1) ist dieser Zusammenhang für die bestrahlte Fläche A und die Wellenlänge λ dargestellt. Die bestrahlte Fläche A kann z. B. die Sensorfläche der Kamera sein [BEC23, BER14]. Mλ(λ, T) ·dA ·dλ=ϵ(λ, T) ·M◦ λ(λ, T) ·dA ·dλ(4-1) Für die Berechnung der Strahlungsintensität I(λ, T) , welche auf den Kamerasensor trifft, muss zusätzlich die Sensitivität der Kamerasensors S(λ) , sowie die Transmission der verwendeten Optiken im optischen Pfad der Kamera betrachtet werden. Aufgrund der Optiken ergibt sich ein Transmissionsspektrum τ ( λ ) (vgl. Gl. (4-2)) [BEC23]. I(λ, T) = ZZ ϵ(λ, T) ·M◦ λ(λ, T) ·S(λ)·τ(λ)·dAdλ(4-2) Der Emissionsgrad ϵ für ein Objekt ist normalerweise nicht bekannt, da dieser Faktor experimentell aufgrund der Temperaturund Wellenlängen-Abhängigkeit kaum zu bestimmen ist. Durch die hohe Komplexität des Schmelzprozesses ist eine exakte Bestimmung des Emissionsgrades für den PBF-LB/M Prozess nicht möglich. In der ersten Näherung kann das Schmelzbad des PBF-LB/M Prozesses als Graukörper angenommen werden. Diese Annahme reduziert die Abhängigkeit des Emissionsgrades ausschließlich auf die Temperatur des Schmelzbades [ZWI23]. Mit der Annahme eines Graukörpers ergibt sich die auf den Kamerasensor treffende Strahlungsintensität I(λ, T) gemäß der Gl. (4-3). I(λ, T) = ϵ(T) ZZ M◦ λ(λ, T) ·S(λ)·τ(λ)·dAdλ(4-3) 4.1.1 Monochromatische OT Bei der monochromatischen OT wird das Schmelzbad des PBF-LB/M Prozesses in nur einem schmalen Wellenlängenbereich durch die Einzelkanäle der Setups betrachtet. In den OT-Setups wird der Wellenlängenbereich der Strahlung durch schmale Bandpassfilter reduziert, bevor die Strahlung auf den Sensor der Kamera trifft. Die detektierte Strahlungsintensität pro Pixel wird über einen definierten Zeitraum kumuliert und in Form von digitalen Grauwerten erfasst. Bei der OT wird eine lange Belichtungszeit gewählt. Infolge der Kumulation bzw. Integration der detektierten Strahlung während der langen Belichtungszeit kommt es zum Verlust zeitlicher Informationen [MOH20]. Die Grauwerte stehen lediglich im Zusammenhang mit dem von der Kamera detektierten Signalen. Die erfassten Grauwerte stehen aufgrund des unbekannten Emissionsgrades in keinem direkten Zusammenhang mit physikalischen Zustandsgrößen wie der Oberflächentemperatur. Bei der monochromatischen OT können nur Abweichungen/Auffälligkeiten im Verlauf der Grauwerte auf Fehler im Prozess hinweisen. Ein Vergleich der Messergebnisse, der maschinenoder materialübergreifend ist, ist nur bedingt möglich [BAM16, MOH20]. 17 Lösungsansatz 4.1.2 Multispektrale OT Bei der multispektralen OT wird die Strahlung des Schmelzbades des PBF-LB/M Prozesses parallel in mehreren Wellenlängenbereichen aufgenommen. Dabei werden mehrere Kameras oder eine Kamera mit integrierten Farbsensor verwendet. Bei der multispektralen OT wird, wie bei der Quotientenpyrometrie, der Quotient aus den Grauwerten von jeweils zwei Einzelkanälen ermittelt. Durch die Bildung der Quotienten von zwei Kanälen und der Graukörperannahme, kürzt sich der unbekannte Emissionsgrad raus. Es können ebenfalls Auffälligkeiten und Abweichungen im Verlauf der Quotienten betrachtet werden. Zusätzlich können mit den Quotienten für verschiedene Maschinen und Materialien übergreifende Aussagen getroffen werden. Mit zusätzlichen Untersuchungen zur Sensitivität der Kamera und der Transmission der verwendeten Optiken könnte mit dem Quotientenverfahren ein Rückschluss auf die vorliegende maximale Oberflächentemperatur gezogen werden [BEC23]. 4.2 Betrachtung unterschiedlicher Bauteilparameter bzw. Bauteilqualitäten Um verschiedene Bauteilparameter bzw. Bauteilqualitäten mit den verschiedenen OT-Ansätzen beobachten zu können, wird ein Bauprozess mit geometrisch identischen Bauteilen überwacht. Alle Bauteile werden zunächst mit gleichen Prozessparametern aufgebaut. Anschließend werden die Parameter variiert. Bei gleichen Parametern kann die Abweichung der Grauwerte bzw. Quotienten unabhängig von den gewählten Parametern betrachtet werden. Es wird der Einfluss der Positionierung der Bauteile auf der Bauplattform betrachtet. Durch die Wahl der verschiedenen Parameter werden unterschiedliche Prozessqualitäten simuliert. Dies erfolgt durch die Variation der Laserleistung und der Scangeschwindigkeit. Abschließend erfolgt eine Bestimmung der Porosität der Bauteile. Damit kann verschiedenen Parametersätzen jeweils eine Bauteilqualität zugeordnet werden. Es wird betrachtet, inwiefern mithilfe der Einzelkanäle bzw. Quotienten der OT-Ansätze unterschiedliche Prozessqualitäten, charakterisiert durch die Parametersätze und dem Positionseinfluss, unterschieden und erkannt werden können. 18 Umsetzung 5 Umsetzung Zur Bewertung der Prozessqualität werden in dieser Arbeit Quader mit unterschiedlichen Prozessparametern durch eine PBF-LB/M Maschine gedruckt. Dieser Prozess wird mit verschiedenen OT-Setups überwacht. Es wird betrachtet, inwiefern die verschiedenen OT-Setups für die Prozessüberwachung geeignet sind. Im folgenden Kapitel wird der untersuchte Bauprozess, der Aufbau der PBF-LB/M Maschine und der Aufbau der OT-Setups zur Prozessüberwachung beschrieben. 5.1 PBF-LB/M Maschine: SAMMIE SAMMIE ( S ensor-based A dditive M anufacturing M asch I n E ) ist eine selbstgebaute PBF-LB/M Maschine. Ein Foto der Maschine ist in Abbildung 5-1 gezeigt. Da SAMMIE für wissenschaftliche Zwecke gebaut wurde, bietet die Maschine viele Möglichkeiten, den Bauprozess zu überwachen und zu steuern. Ebenfalls kann jederzeit in den Prozess eingegriffen werden. Abbildung 5-1: Aufbau von SAMMIE; Rot Prozesslaserpfad; (1) Vakuumkammer; (2) Vorratsbehälter; (3) Bauraum bzw. Bauplattform (blau); (4) Beschichter; (5) Schutzgasführung Einlass; (6) Schutzgasführung Auslass; (7) Optische Zugänge außeraxial; (8) Scannereinheit; (9) Fokussiereinheit; (10) Prozesslaser; (11) Optischer Zugang axial 19 Umsetzung Abbildung 5-5: Optische Komponenten des 2C-Setups; a) Transmissionsspektren; b) Transmissionsspektren der Einzelkanäle ermittelt durch Multiplikation der Transmissionsspektren aller Komponenten in einem optischen Pfad Im transmittierten und reflektierten Pfad wird jeweils ein schmalbandiger Bandpassfilter (BP-Filter) eingesetzt. Dieser limitiert die Wellenlänge des auf die Kamera fallenden Lichtes. In dem reflektierten Pfad wird ein Bandpassfilter eingesetzt, welcher ausschließlich Licht mit einer Wellenlänge von 675 nm – 725 nm durchlässt. Im transmittierten Pfad wird vom Bandpassfilter nur Licht mit einer Wellenlänge von 900 nm – 910 nm durchgelassen. Die Bandpassfilter sollen ebenfalls verhindern, dass die Kameras das Licht des Prozesslasers (1070 nm ) aufnehmen. Dies würde eine Überbelichtung und somit eine Verfälschung der Ergebnisse zur Folge haben. Zudem könnte es zu einer Beschädigung der Kamerasensoren kommen. Damit ein scharfes Kamerabild entsteht, werden Abstandshülsen und Linsen eingesetzt. Die untere Linse parallelisiert das einfallende Licht. Bei einem Arbeitsabstand von ca. 20 cm zwischen 2C-Setup und der Bauebene, wird durch die untere Linse das Sichtfeld und die Numerische Apertur des 2C-Setups festgelegt. Die Numerische Apertur ist ein vom OT-Setup abhängiger Wert und umgekehrt proportional zum Abstand zwischen zwei gerade noch auflösbaren Objekten im Kamerabild [SUB12]. Die oberen Linsen gewährleisten die korrekte Projektion des Bildes auf den Bildsensor der Kamera. Zusätzlich wird eine Blende im optischen Pfad eingesetzt. Es wird eine möglichst geschlossene Blende angestrebt, damit eine hohe Tiefenschärfe erreicht werden kann und eine Überbelichtung vermieden wird. Allerdings ist weiterhin zu berücksichtigen, dass Beugungseffekte bzw. Beugungsunschärfen verhindert werden sollen, sodass eine mittlere Blende eingesetzt wird [SUB12]. Die Neutraldichtefilter (ND-Filter) schwächen das einfallende Licht unterschiedlicher Wellenlängen möglichst gleichmäßig ab. Damit soll verhindert werden, dass die Kameras überbelichtete Pixel haben. In Abbildung 5-5 ist allerdings zu erkennen, dass die verwendeten ND-Filter je nach Wellenlänge unterschiedlich viel Licht durchlassen. Im reflektierten, transmittierten und gemeinsamen Pfad werden Neutraldichtefilter eingesetzt. Bei der OT soll eine möglichst lange Belichtungszeit gewählt werden. Dadurch kann die Datenmenge reduziert werden. Nach Herstellerangaben weisen die Kameras bei kürzeren Belichtungszeiten eine höhere Verlässlichkeit auf. Als Kompromiss wird eine Belichtungszeit von drei Sekunden gewählt. 26 Umsetzung 5.3.2 Rot Grün Blau - Setup (RGB-Setup) Der schematische und reale Aufbau des RGB-Setups ist in Abbildung 5-6 dargestellt. Alle verwendeten optischen Komponenten und deren Hersteller sind in Tabelle 5-4 erfasst. Für das RGB-Setup wird die Farbkamera „a2A5328-15ucPRO“ der Firma Basler AG, Ahrensburg verwendet. Diese Kamera hat ebenfalls eine Auflösung von 5328 pix x 4608 pix und eine Bittiefe von 4096 Grauwertabstufungen. Es wird ein RGB-Bild aufgenommen indem für jeden Pixel, wie im menschlichen Auge, der Lichteinfall von rotem, grünem und blauem Licht unabhängig voneinander aufgenommen wird. Die einzelnen Farbkanäle eines Bildpixels können zu einer entsprechenden Farbe verrechnet werden. In dieser Arbeit werden allerdings lediglich die Einzel(farb)kanäle und Quotienten betrachtet. In Abbildung 5-6 ist gezeigt, dass die Farbpixel eines Bildpixels in einem 2x2 Gitter angeordnet sind. Diese Anordnung entspricht einem Bayer-Sensor. Da angenommen wird, dass die zwei grünen Pixel eines Farbpixels nahezu die gleichen Informationen enthalten, wird nur ein Pixel berücksichtigt und der andere Pixel ignoriert [ZOU22]. Abbildung 5-6: Schematischer und realer Aufbau des RGB-Setups Im RGB-Setup wird ebenfalls ein Strahlteiler eingesetzt. Dieser Strahlteiler reflektiert bzw. transmittiert Licht beliebiger Wellenlängen gleichermaßen. Der Strahlteiler ist für das hier betrachtete RGB-Setup nicht notwendig. Allerdings ergibt sich dadurch die Möglichkeit den Prozess mit einer weiteren Kamera zu beobachten. Analog zum 2C-Setup werden die Transmissionsspektren der Komponenten und Sensitivitäten der Kanäle des RGB-Setups ermittelt. Dazu wurden ebenfalls die Transmissionsspektren mittels des Spektrometers „Ocean FX“ der Firma Ocean Insight, Orlando, USA und der Referenzquelle und Ulbrichtkugel „ISS-30-VA“ der Firma Gigahertz Optik GmbH, Türkenfeld ermittelt. Die Sensitivität der Kameras wurde aus den Herstellerangaben der Firma Basler AG, Ahrensburg entnommen. 27 Umsetzung Tabelle 5-4: Verwendete optische Komponenten des RGB-Setups Optik Bezeichnung Herstellung Kamera (RGB) a2A5328-15ucPRO Basler AG, Ahrensburg Strahlteiler 50/50 50/50 Cube Excelitas Technologies Corp., Pittsburgh, USA BP 560 FESH750 Thorlabs, Newton, USA MBP # 87-244 Edmund Optics, Barrington, USA CB FGT 165 Thorlabs, Newton, USA Linse 0,5x100 05x100 FL Excelitas Technologies Corp., Pittsburgh, USA Linse 1x200 1x200 FL Excelitas Technologies Corp., Pittsburgh, USA Blende Blende Excelitas Technologies Corp., Pittsburgh, USA In Abbildung 5-7a ist für den Strahlteiler nur der reflektierte Pfad dargestellt, da der transmittierte Pfad nicht berücksichtigt wird. In diesem RGB-Setup ergeben sich die Einzelkanäle durch unterschiedliche Sensitivitäten der Kamerakanäle (rot, grün und blau gestrichelt). Wie im 2C-Setup werden auch im RGB-Setup Bandpassfilter eingesetzt, welche den Wellenlängenbereich des einfallenden Lichtes der Einzelkanäle beschränken. Ein breitbandiger Bandpassfilter lässt nur Licht mit einer Wellenlänge von 400 nm – 750 nm passieren. Es wird also nur visuelles Licht durchgelassen. Dadurch soll erreicht werden, dass kein Licht des Prozesslasers (Wellenlänge: 1070 nm ) vom RGB-Setup erfasst wird. Zusätzlich wird ein Multibandpass verwendet. Dieser lässt lediglich Licht der Wellenlängenbereiche von 414 nm – 450 nm , 506 nm – 528 nm und 585 nm – 645 nm durch. Damit erfolgt eine bessere Trennung des visuellen Lichtes in drei Farbbereiche. In Abbildung 5-7a ist das Transmissionsspektrum des Multibandpasses durch einen braunen Graphen dargestellt. Weiterhin wird ein Farbausgleichsfilter (engl. color-balancing, CB-Filter) eingesetzt. Aufgrund des Planck’schen Strahlungsspektrums (vgl. Abbildung 4-1) wird mehr Licht mit größeren Wellenlängen emittiert. Der CB-Filter soll die verschiedenen Intensitäten der Farbkanäle angleichen, indem beispielsweise rotes Licht weniger als blaues Licht transmittiert wird (vgl. Abbildung 5-7a hellrosa Graph). Im RGB-Setup werden für die Fokussierung des Kamerabildes ebenfalls diverse Abstandshülsen, zwei Linsen (untere und obere Linse) und eine Blende eingesetzt. In diesem Setup sind keine Neutraldichtefilter enthalten. Das Signal wird durch den Farbausgleichsfilter bereits genug geschwächt, sodass keine Pixel unterbzw. überbelichtet sind. Die Multiplikation der Transmissionsspektren aller verwendeten Komponenten und der Sensitivität des entsprechenden Kamerakanals resultiert in dem jeweiligen Transmissionsspektrum des Einzelkanals, gezeigt in Abbildung 5-7b . Es ist zu erkennen, dass die Transmissionsspektren der Einzelkanäle überlappen. Licht mit einer Wellenlänge von 510 nm wird beispielsweise von allen Einzelkanälen detektiert. Allerdings erfolgt die Detektion mit unterschiedlichen Intensitäten bei den Einzelkanälen. Wie bereits dargelegt, wird vom Schmelzbad mehr Licht mit größeren Wellenlängen emittiert. Insbesondere bei einer Wellenlänge um 600 nm wird von dem roten sowie dem grünen Kanal viel Licht empfangen. Dies könnte dazu führen, dass die Kanäle ähnliches Licht aufnehmen und das Quotientenverfahren dadurch unbrauchbar wird. 28 Umsetzung Abbildung 5-7: Optische Komponenten des RGB-Setups; a) Transmissionsspektren; b) Transmissionsspektren der Einzelkanäle ermittelt durch Multiplikation der Transmissionsspektren aller Komponenten im optischen Pfad mit der Sensitivität der Kamerakanäle 5.3.3 Schnittstelle der OT-Setups an die PBF-LB/M Maschine Beide OT-Setups werden außerhalb der Baukammer platziert. In Abbildung 5-8 ist die Integration der OT-Setups an SAMMIE gezeigt. Durch die optischen Zugänge können die Kameras Aufnahmen der Bauplattform machen. Die OT-Setups sind im 25°Winkel zur Bauplattform angeordnet und nehmen aus einem festen Blickwinkel von oben Bilder auf. Um die OT-Setups vor Verschmutzung durch Metallpulver zu schützen und die Baukammer abzudichten wird ein Glas im optischen Zugang eingesetzt. Die Aluminiumfolie unten am RGB-Setup, verhindert, dass gesundheitsschädliche Strahlung aus dem Setup austritt. Abbildung 5-8: Anbau der OT-Setups an SAMMIE 29 Umsetzung Die Auflösung des OT-Setups wird durch die Verwendung bestimmter Linsen und Abstandshülsen definiert. In diesem Fall ergibt sich für das 2C-Setups eine Auflösung von ca. 12 µm pix und für das RGB-Setup eine Auflösung von ca. 6 µm pix . Die Auflösung des Blickfeldes wurde mittels Division der realen Bauteillänge durch die Pixelanzahl auf einem Schichtbild ermittelt. Aufgrund der Verwendung von unterschiedlichen Vergrößerungslinsen, haben die OT-Setups unterschiedlich große Sichtfelder. In Abbildung 5-10 sind exemplarisch Kamerabilder der beiden Setups gezeigt. Beim RGB-Setup sind weniger Bauteile auf dem Kamerabild zu erkennen. Da jeder Bildpixel des RGB-Setups aus mehreren Farbpixeln besteht, enthält lediglich jeder zweite Pixel neue (Farb-)Informationen. Folglich ergibt sich für die Einzelkanäle des RGB-Setups eine halb so große Auflösung im Vergleich zum gesamten RGB-Kamerabild. Somit haben alle Einzelkanäle die gleiche Auflösung von ca. 12 µm pix . 5.4 Datenerfassung und Datenverarbeitung Mit den OT-Setups werden Aufnahmen während des Bauprozesses gemacht. Die Kameras werden kalibriert und Aufnahmen für die Auswertung vorbereitet. Die Datenverarbeitung erfolgt nach dem Abschluss der Datenerfassung. 5.4.1 Ablauf der Datenvorbereitung für die Auswertung Für die Auswertung der Schichtbilder werden verschiedene Datenverarbeitungsschritte mithilfe von Python-Softwareskripts durchgeführt. Die Datenverarbeitungsschritte sind in Abbildung 5-9 dargestellt. Die aufgenommenen Einzelbilder (Abschnitt 5.4.2) werden, wie in Abschnitt 5.4.3, in den erstellten Skripten mit dem Masterbias, dem Masterdark und der Masterflat automatisiert korrigiert (1). Für jedes OT-Setup wird ein approximierter Grenzwert für die Hintergrundpixel festgelegt. Im Vorfeld der Zusammenführung der Einzelbilder, erfolgt in jedem Einzelbild eine Festsetzung der Werte der Pixel unterhalb des Grenzwertes, auf den Pseudowert Null (2). Dadurch soll eine Akkumulation des Hintergrundrauschens vermieden werden. Es folgt eine pixelweise Addition der Einzelbilder zu einem Schichtbild (3). Unvollständige Schichtbilder, in denen nicht alle Bauteile erfasst sind, werden entfernt (4). Im nächsten Schritt werden die 2C-Daten aufeinander abgestimmt, sodass sinnvolle Quotienten ermittelt werden können. Es erfolgt eine Translation, Rotation und Glättung der Einzelbilder (5). Dieser Vorgang ist in Abschnitt 5.4.4 beschrieben. Die Ermittlung der Quotienten erfolgt durch eine pixelweise Division der Schichtbilder der Einzelkanäle (6). Anschließend erfolgt eine detailliertere Unterscheidung der Pixel, welche die Strukturen des Bauteils selbst zeigen, sowie den Hintergrundpixeln. Als Hintergrundpixel werden die Pixel beschrieben, welche Licht aus Bereichen des nicht verschweißten Metallpulvers empfangen. Während des Bauprozesses verändert sich der Kamerawinkel nicht, sodass eine Bauteilmaske je Kamera, für alle Schichten ausreichend ist. Die ermittelten Hintergrundpixel werden durch die Maskierung auf NaN-Werte gesetzt (7). So kann sichergestellt werden, dass bei der Ermittlung von repräsentativen Werten keine Hintergrundpixel berücksichtigt werden, selbst wenn der Untersuchungsbereich außerhalb der Bauteilkanten liegt. 30 Umsetzung Abbildung 5-9: Datenverarbeitungsschritte; a) Erstellung der Schichtbilder; b) Erstellung der Datensätze für die Auswertung 5.4.2 Aufnahme und Berechnung der Schichtbilder Um den Speicherplatz der Daten zu minimieren, wird angestrebt, ausschließlich Aufnahmen während des Belichtens des Prozesslasers zu machen. Da SAMMIE eine selbst gebaute Experimentalmaschine ist, kann während des Prozesses beliebig eingegriffen werden. So ist es möglich, der Kamera mit einem Triggersignal zu signalisieren, zu welchem Zeitpunkt der Belichtungsvorgang des Prozesslasers stattfindet. Dadurch kann die Kamera mit dem Bauprozess synchronisiert werden, sodass nur während des gewünschten Zeitraumes (Belichtung durch den Prozesslaser) Bilder aufgenommen werden. Sobald die Kameras das Triggersignal erhalten, nehmen sie mit einer Belichtungszeit von drei Sekunden kontinuierlich Bilder auf. Der Belichtungsvorgang einer Schicht dauert deutlich länger als die drei Sekunden Belichtungszeit der Kameras, sodass pro Schicht zunächst mehrere Bilder aufgenommen werden. Die Anzahl der Bilder hängt von der Zeit ab, die der Prozesslaser braucht, um die Strukturen einer Schicht zu verschmelzen. In dem untersuchten Bauprozess werden ungefähr zehn Bilder pro Schicht aufgenommen. 31 Umsetzung Während des Belichtungsprozesses durch den Prozesslaser erfolgt keine externe Beleuchtung der Baukammer. Beim Beschichtungsprozesss hingegen wird die Bauplattform mit einer externen Lichtquelle beleuchtet. Die Beleuchtung ist notwendig, da somit der Bauprozess von außerhalb beobachtet werden kann. Bei Bedarf, z. B. wenn es sichtbare Auffälligkeiten gibt, können Prozessanpassungen vorgenommen werden. Durch eine Verzögerung von drei Sekunden zwischen Belichtungsund Beschichtungsprozess wird verhindert, dass das Licht der externen Lichtquelle auf den Aufnahmen der OT-Setups zu sehen ist. In dem untersuchten Bauprozess, werden von den 226 (fehlerfrei gedruckten) Schichten, insgesamt 19 + 34 + 148 = 201 Schichten fehlerfrei von den Kameras aufgenommen. Nach Schicht 19 kam es zu Funktionsstörungen bei der Triggerung der Kameras, sodass zunächst keine Aufnahmen gemacht wurden. Nach einem Neustart der Software konnten ab Schicht 41 wieder Aufnahmen gemacht werden. Ab Schicht 223 hat eine externe Lichtquelle die Aufnahmen verfälscht, sodass die oberen Schichten nicht in der Auswertung betrachtet werden. Die auszuwertenden Schichten sind folgendermaßen verteilt: 1. 19-mal gleiche Parameter (gebaute Schichten 1-19) 2. 33-mal gleiche Parameter (gebaute Schichten 41-47, 50-75) 3. 148-mal variierte Parameter (gebaute Schichten 76-223) Durch die verwendeten optischen Komponenten in den OT-Setups sind unterschiedlich viele Bauteile auf den Grauwertbildern der OT-Setups abgebildet. In Abbildung 5-10 sind die Bildausschnitte von jeweils einem Einzelkanal der OT-Setups abgebildet. Auf dem Bildausschnitt der RGB-Kamera sind zwölf Bauteile ganz oder teilweise zu erkennen. Die Bauteile am Rand des Bildausschnittes, die nur wenige Pixel im Bild einnehmen, werden bei der Auswertung nicht berücksichtigt, sodass lediglich die in Abbildung 5-10b gezeigten sieben Bauteile in den Ergebnissen betrachtet werden. Abbildung 5-10: Aufgenommene Bildausschnitte der OT-Setups; a) 2C-Setup; b) RGB-Setup; Die Erklärung der Piktogramme befindet sich in Abschnitt 6.1. 32 Umsetzung Der Bildausschnitt des 2C-Setups zeigt Bauteil 3 bis Bauteil 19. In der Auswertung wird bei den Quotienten des 2C-Setups das Bauteil 18 und Bauteil 19 nicht betrachtet. Wie in Abbildung 5-10a zu erkennen, sind diese Bauteile auf den Aufnahmen des 2C-Setups nicht vollständig enthalten. Durch das Glätten der 2C-Daten, können keine sinnvollen Quotienten für diese Bauteile ermittelt werden. Die grauen Kreise in der Abbildung zeigen den Mittelpunkt des Bildes und geben eine Orientierung, wie weit die Bauteile vom Bildmittelpunkt entfernt sind. 5.4.3 Korrektur der Aufnahmen Es erfolgt die Anwendung der von Tomsik [TOM11] beschriebenen Kalibrierung. Dazu wird eine Korrektur der Rohbilder mit einem Masterbias, -dark und -flat vorgenommen. Es werden Korrekturbilder aufgenommen und diese mit jedem Einzelbild verrechnet. Durch die Kalibrierung sollen kamerabzw. setupbedingte Artefakte minimiert werden. Masterbias Je nachdem wie viele Elektronen auf einen Pixel des Kamerasensors treffen, wird diesem Pixel ein Digitalwert (Grauwert) von 0 - 4096 (12 Bit) zugeordnet. Da der Auslesevorgang sequenziell erfolgt, kann es zu Abweichungen beim Auslesen kommen. Diese können sowohl statistisch zufällig oder systematisch auftreten. Durch die Biaskorrektur können die systematisch auftretenden Abweichungen eliminiert werden [TOM11]. Der Masterbias wird erstellt, indem die Kamera bei verschlossenem Sensor und kurzer Belichtungszeit Aufnahmen macht. Es wurden fünf Bilder aufgenommen und der Median dieser gebildet, um den Masterbias zu ermitteln. Durch die Medianbildung der Aufnahmen sollen zufällige Ausreißer minimiert werden. Der Masterbias wird vom Rohbild pixelweise abgezogen. Masterdark Der Masterdark wird angewendet, um die Veränderungen, welche auf den thermischen Einfluss zurückzuführen sind, zu korrigieren. Dazu werden Bilder gemittelt, welche bei verschlossenem optischen Eingang der Kamera aufgenommen werden. Aufgrund der Temperaturabhängigkeit wird die Aufnahme bei einer möglichst ähnlichen Temperatur, wie die zu korrigierende Aufnahme beim Bauprozess gemacht [TOM11]. Es werden fünf Aufnahmen mit einer Belichtungszeit von drei Sekunden gemacht. Durch die Medianbildung der fünf Aufnahmen, werden statistische Störungen minimiert und Extremwerte eliminiert [TOM11]. Der Masterdark wird erstellt, indem die Aufnahmen gemittelt werden, der Masterbias abgezogen wird und anschließend durch die Belichtungszeit geteilt wird (vgl. Gl. (5-1)). Masterdark = Median von Darkframes – Masterbias Belichtungszeit (5-1) 33 Umsetzung Masterflat Bei einem optischen Aufbau kommt es durch die verwendeten Optiken zu Bildfehlern. Dies schließt Phänomene wie beispielsweise Vignettierung (Randlichtabfall) ein. Bereiche, in denen durch verwendete Optiken weniger bzw. mehr Licht einfällt, sollen angeglichen werden [TOM11]. Für die Aufnahme der Flatframes wird eine homogene Lichtquelle mit Ulbrichtkugel verwendet. Dabei handelt es sich um die „ISS-30-VA“ Referenzlichtquelle und Ulbrichtkugel der Firma Gigahertz Optik GmbH, Türkenfeld. Die Referenzlichtquelle und die Ulbrichtkugel werden vom Hersteller regelmäßig kalibriert, sodass die Homogenität der Lichtfläche angenommen werden kann. Es werden ebenfalls fünf Aufnahmen gemacht, um Rauschen zu minimieren. In Gl. (5-2) ist die Berechnung der Masterflat gezeigt. Masterflat = Median von (Flatframe – Masterbias – Masterdark ·Belichtungszeit)(5-2) Anwendung der Kalibrierung Um eine Aufnahme mit dem Masterbias, Masterdark und der Masterflat zu korrigieren muss Gl. (5-3) angewendet werden. Kalibrierte Aufnahme = Rohbild – Masterbias – (Masterdark ·Belichtungszeit) Masterflat (5-3) 5.4.4 Datenabstimmung bei dem 2C-Setup Die pixelweise Berechnung der Quotienten erfordert eine Abstimmung bzw. ein Übereinanderlegen der Einzelkanäle. Bei der Berechnung der Quotienten des RGB-Setups können die Grauwerte der Einzelkanäle durch den Bayer-Sensor der RGB-Kamera ohne Anpassungen aus einem Farbpixel entnommen werden. Bei dem 2C-Setup müssen die Aufnahmen vorher so angepasst werden, dass beide Einzelkanäle den gleichen Bildausschnitt zeigen. Die Aufnahme des reflektierten Pfades muss dafür zunächst gespiegelt werden. Neben einer translatorischen und rotatorischen Abweichung, kommt zusätzlich eine Verzeichnung hinzu. Das Schichtbild einer Kamera wird verdreht und verschoben, sodass die Schichtbilder beider Kameras scheinbar übereinander liegen. Durch die Verzeichnung in den Aufnahmen, sind dennoch Abweichungen in den Bildern zu erkennen. Ein Laserscanpfad (Hatch) wird durch die Kamerasysteme auf 8-9 Pixel abgebildet. Für eine genaue Berechnung der Quotienten sollten die Scanpfade der beiden Einzelbilder übereinstimmen. Bereits geringe Abweichungen beim Übereinanderlegen der Aufnahmen führen zu verfälscht hohen bzw. auf der gegenüberliegenden Seite niedrigen Quotienten neben den Laserscanpfaden. Da in dieser Arbeit nur ein qualitativer Vergleich erfolgt, wird auf ein pixelgenaues Übereinanderlegen der Aufnahmen verzichtet. Ein Glätten der Aufnahmen wird vorgenommen. Es wird angenommen, dass durch das Glätten der Grauwerte, gezeigt in Abbildung 5-11 , keine Scanpfade mehr im Bauteil zu erkennen sind, sodass einheitliche Quotienten berechnet werden können. Für das Glätten der Daten wird die Funktion „gaussian _ filter“ der SciPy Bibliothek verwendet. Dabei wird die Standardabweichung des Gauß-Filters mit σ= 12 festgelegt. Dies entspricht ca. der 1.5fachen Breite eines Laserscanpfades. Die Bildung eines repräsentativen Wertes der Quotienten über die Bauteilfläche in dieser Arbeit schließt zusätzlich die Berücksichtigung von Ausreißern aus, welche beispielsweise durch ein ungenaues Übereinanderlegen der zu vergleichenden Aufnahmen entstehen können. 34 Umsetzung Abbildung 5-11: Glättung der Grauwerte für Quotientenbildung (2C-Setup) 5.4.5 Sonstige Hilfsmittel zur Verarbeitung der Daten Die Anwendung der Kalibrierung, sowie das Zusammensetzen der Schichtbilder in der Datenvorbereitung wird mittels Skripten von Tina Walter durchgeführt. Die Darstellung der Transmissionsspektren der OT-Setups in Abbildung 5-5 und Abbildung 5-7 erfolgt ebenfalls auf der Grundlage von Skripten von Tina Walter. Für die Formatierung der Diagramme in der Programmiersprache Python wird „ChatGPT“, Version GPT-4o, der Firma OpenAI, San Francisco, USA als Hilfsmittel eingesetzt. Darüber hinaus findet zum Teil auch „DeepL Write“ der Firma DeepL SE, Köln Anwendung, um den Sprachstil und den Satzbau der Arbeit anzupassen. 5.5 Bestimmung der Porosität der Bauteile Die Ermittlung der Porosität in dieser Arbeit erfolgt mit zwei verschiedenen Verfahren. Eine detaillierte Beschreibung der verwendeten Messmittel und der Durchführung dieser Verfahren findet sich in den nachfolgenden Abschnitten. 5.5.1 Messung nach dem Prinzip von Archimedes Bei der Porositätsbestimmung nach dem Archimedischen Prinzip wird das Gewicht eines Bauteils in einer Flüssigkeit und an der Luft bestimmt und verrechnet. Für die Ermittlung der Gewichte der Bauteile wird die Waage „AT261 Deltarange“ der Firma Mettler Toledo, Columbus, USA verwendet. Diese Waage erfüllt die in der DIN 18754 angegebene Genauigkeit von 0 , 1 mg für Proben deren Gewicht unterhalb von 10 g liegt [DIN18754]. 35 Ergebnisse Abbildung 6-4: Schichtwerte des Bauteils 10 der Einzelkanäle über mehrere Schichten 6.3.2 Vergleich der Einzelkanäle und Quotienten Neben den Einzelkanälen sollen die Quotienten der Einzelkanäle betrachtet werden. Im Folgenden wird der Verlauf der Schichtquotienten im Vergleich zu den Schichtgrauwerten über mehrere Schichten dargestellt. In Abbildung 6-5 sind Schichten, in denen für das Bauteil 10 gleiche Parameter verwendet wurden, abgebildet. Die Schichtgrauwerte bzw. Schichtquotienten von allen Kameras sind dargestellt. Um die Schichtwerte der Einzelkanäle und Quotienten besser vergleichen zu können, werden nur relative Werte betrachtet. Die Schichtgrauwerte bzw. Schichtquotienten jeder Schicht werden durch den Schichtwert der dazugehörigen ersten Schicht geteilt, um die relativen Schichtwerte zu berechnen. Abbildung 6-5: Vergleich von relativen Schichtwerten der Einzelkanäle und Quotienten über mehrere Schichten des Bauteils 10 42 Ergebnisse Die Schichtgrauwerte haben größere relative Abweichungen als die Schichtquotienten. Die Schichtgrauwerte haben, bis auf zwei Schichten, relative Schichtgrauwerte größer Eins. Bei den Schichtquotienten schwankt der relative Schichtquotient häufig um Eins. Im Vergleich der Einzelkanäle und Quotienten unter sich ist wieder ein ähnlicher Verlauf, sowie ähnliche Maxima und Minima zu erkennen. Eine Ausnahme bildet der grün/rot Quotient. Dessen Verlauf der Maxima und Minima der Schichtquotienten ist ab der sechsten Schicht genau entgegengesetzt zu den anderen Schichtquotienten. Dies kann z. B. auf den verwendeten Referenzwert zurückzuführen sein. Die Verläufe der Schichtwerte der Einzelkanäle sind im Vergleich zu den Quotienten an manchen Stellen ähnlich, an anderen Stellen hingegen abweichend. Der entgegengesetzte Verlauf des grün/rot Quotienten ist nur bei Bauteil 10 zu beobachten. Bei den anderen Bauteilen hat auch dieser Quotient die gleichen Maxima und Minima, analog zu den anderen Quotienten. In Abbildung A-1 ist der Verlauf der Schichtwerte von Bauteil 13 dargestellt. Bereits in Abbildung 5-7 wird gezeigt, dass sowohl der rote und als auch der grüne Kamerakanal ähnlich viel, vorrangig langwelliges, emittiertes Licht aufnimmt. Auch Abbildung 6-4 zeigt, dass die Schichtgrauwerte des grünen und roten Kanals sehr nah beieinander liegen. Der Schichtquotient der beiden Kanäle schwankt demnach vermehrt um den Wert Eins und zeigt auch in der Abbildung 6-5 die geringsten Abweichungen zwischen den Schichten. Da der Verlauf der Schichtwerte der Einzelkanäle und Quotienten untereinander sehr ähnlich ist, ist anzunehmen, dass die Kameras plausible Werte aufnehmen. Zudem zeigt sich, dass die Schichtquotienten über die Schichten weniger variieren. 6.4 Auswertung und Vergleich der Porositätsmessungen Um die Ergebnisse der Porositätsmessungen besser einordnen zu können werden zunächst die Schliffbilder exemplarischer Bauteile analysiert. Die ermittelten Porositäten aus dem Prinzip von Archimedes und der Metallografie werden mit der Energiedichte in Zusammenhang gebracht, validiert und mit Erfahrungswerten aus der Literatur abgeglichen. 6.4.1 Analyse der metallografischen Schliffbilder zur Visualisierung der Defekte In Abbildung 6-6 werden drei Schliffbilder aus der Metallografie exemplarisch dargestellt. Die Schliffbilder zeigen jeweils eine bearbeitete Schnittfläche des auf der Seite liegenden Bauteils. Die Schichten, die mit gleichen Prozessparametern gefertigt wurden, sind rechts durch einen dunkelblauen Pfeil gekennzeichnet. Die Schichten mit variierten Prozessparametern sind links durch einen hellblauen Pfeil gekennzeichnet. Bei Bauteil 4 ist der Übergangsbereich zwischen dem „variierten“ und dem „gleichen“ Parametersatz in Abbildung 6-6a durch einen großen Defekt (4.1) gekennzeichnet. Im Schliffbild sind ebenfalls die Schichten mit dem gleichen und dem variierten Parametersatz gut zu unterscheiden. Die Schichten mit gleichen Parametern weisen viele kleine Defekte auf. Die Schichten bei variierten Parametern weisen kaum Defekte auf. Bei den Schichten bei variierten Parametern mit mehreren kleinen Defekten (4.3) wird angenommen, dass unzureichend Pulver auf der Bauplattform an der Stelle aufgetragen wurde. Der größere Defekt (4.1) im Übergangsbereich von Bauteil 4 könnte ebenfalls auf einen insuffizienten Pulverauftrag zurückzuführen sein. In Abbildung 6-6b ist ein Schliffbild von Bauteil 19 abgebildet. Dieses Bauteil weist kaum innen liegende Defekte auf. Sowohl die Schichten mit variierten Parametern als auch die Schichten mit gleichen Parametern zeigen bei Bauteil 19 kaum Defekte. 43 Ergebnisse Abbildung 6-6: Ausgewählte Schliffbilder aus der Metallografie; a) Bauteil 4; b) Bauteil 19; c) Bauteil 5 Beim Bauteil 5, gezeigt in Abbildung 6-6c, ist der Bereich mit gleichen Parametern, wie bei Bauteil 4, von vielen Defekten durchsetzt. Bei Bauteil 5 wurden für das gesamte Bauteil gleiche Parameter verwendet. Es gibt folglich keinen Übergangsbereich zwischen den zwei Parametersätzen. Im gesamten Bauteil sind ungefähr gleich viele Defekte vorhanden. Aus den Schliffbildern in Abbildung 6-6 lässt sich ableiten, dass selbst bei Schichten mit gleichen Parametern ein sehr unterschiedliches Defektbild zu beobachten ist. Das lässt den Schluss zu, dass die Porosität von der jeweiligen Bauteilposition auf der Bauplattform abhängt. Beim Prinzip von Archimedes wird die Gesamtporosität bestimmt. Dabei sind alle Schichten eingeschlossen. Anhand der Schliffbilder kann gezeigt werden, dass die Schichten mit gleichen Parametern unterschiedliche Porositäten haben. Die Abweichungen der Porositäten, die nach dem Prinzip von Archimedes ermittelt wurden, sind demnach nicht nur auf verschiedene Parametersätze zurückzuführen, sondern auch auf die Porosität der Schichten mit gleichen Parametern. Der Vergleich der variierten Parametersätze kann bei den Porositäten nach dem Prinzip von Archimedes nur eingeschränkt erfolgen. Die Aussagekraft der metallografisch ermittelten Porositäten hingegen ist deutlich belastbarer. 6.4.2 Zusammenhang Energiedichte und Porosität In Abbildung 6-7 ist die ermittelte Porosität in Abhängigkeit der Energiedichte der Bauteile dargestellt. Die mit einem Kreuz markierten Datenpunkte zeigen für ein Bauteil die zugehörige Energiedichte und die Porosität, die durch das Prinzip von Archimedes ermittelt worden ist. Die Fehlerbalken zeigen jeweils den maximalen und minimalen Porositätsmesswert von einem Bauteil. 44 Ergebnisse Abbildung 6-7: Ergebnisse der Porositätsmessung nach dem Archimedischen Prinzip, sowie durch Metallografie und Zusammenhang zur Energiedichte; hellblauer Pfeil siehe Abschnitt 6.7 bzw. Abbildung 6-12 Bei den Metallografieergebnissen, gekennzeichnet durch eine Raute, zeigen die Fehlerbalken jeweils die ermittelten Porositäten aus den zwei Messungen der Schichten mit variierten Parametern. Da nur zwei Porositäten pro Bauteil ermittelt wurden, liegt die im Folgenden verwendete Porosität immer exakt zwischen dem maximalen und minimalen Messwert. Die ermittelten Porositäten eines Bauteils sind in Abbildung 6-7 mit der gleichen Farbe dargestellt. Abbildung 6-7 zeigt, dass sich die ermittelten Porositäten der Bauteile unterhalb von πa= 3% befinden. Die meisten Bauteile haben eine Porosität von unter πa= 1%. Bei dem Vergleich der drei Porositätswerte des Archimedischen Prinzips sind keine Auffälligkeiten durch die Bauteiltrennung, beschrieben in Abschnitt 5.5, zwischen der ersten und den anderen Messungen in den Messwerten zu erkennen. Die Tabelle B-1 enthält zum Vergleich die numerischen Ergebnisse. Die ermittelten Porositäten mittels des Prinzips von Archimedes sind für die einzelnen Bauteile bei geringen Porositäten fast immer größer als die mittels Metallografie ermittelten Porositäten. Bei besonders hohen Porositäten sind die Porositätswerte nach dem Prinzip von Archimedes hingegen eher geringer als bei den Porositäten aus der Metallografie. Generell ist zu beobachten, dass die Fehlerbalken bei den Messwerten nach dem Prinzip von Archimedes, unabhängig von der ermittelten Porosität, ähnlich groß sind. Bei den Ergebnissen aus der Metallografie sind die Fehlerbalken der Messwerte bei hohen Porositäten größer und bei kleinen Porositäten deutlich kleiner. Bei geringen Porositäten sind die Fehlerbalken der Metallografie-Daten deutlich kleiner als die Fehlerbalken bei den Archimedes-Daten. Bei hohen Energiedichten gleichen sich die Längen der Fehlerbalken der Verfahren an. Die beobachteten Abweichungen in der Länge der Fehlerbalken, sind dadurch zu erklären, dass bei einer geringen Porosität normalerweise kleine Poren gleichmäßig im Bauteil verteilt sind. Wenn zwei Schnittflächen eines Bauteils in der Metallografie betrachtet werden, sind erwartungsgemäß etwa 45 Ergebnisse gleich viele kleine Poren auf den Schliffbildern zu erkennen, sodass eine ähnliche Porosität gemessen wird. Wenn ein Bauteil eine hohe Porosität hat, liegen meistens größere Defekte im Bauteil vor. Diese Defekte sind nicht unbedingt gleichmäßig verteilt, sodass es bei unterschiedlichen Schnittflächen zu größeren Abweichungen bei der Auswertung der Schliffbilder kommen kann [SOL19]. Beim Prinzip von Archimedes wird eine Gesamtporosität bestimmt, welche sich nicht nur auf die Auswertung weniger Schichten bezieht. Das Messprinzip hat deshalb bei allen Porositäten ungefähr eine gleiche Abweichung der Messwerte. Ein gemessener Porositätswert von Bauteil 16 hat eine Porosität kleiner als 0 % (vgl. Tabelle B-1). Das ist physikalisch nicht möglich. Bei dem Prinzip von Archimedes wird die Porosität über eine Vergleichsdichte des reinen Materials ermittelt. Es ist anzunehmen, dass die negative Porosität auf eine Messungenauigkeit im Verfahren zurückzuführen ist. Insbesondere da auch die Vergleichsdichte bestimmt wurde, indem mehrere Messungen gemittelt wurden. In Abbildung 6-7 ist ein klarer Zusammenhang der gemessenen Porositäten der Bauteile und der Energiedichte der Bauteile bei Schichten mit variierten Parametern zu erkennen. Eine Trendlinie ist eingezeichnet. Diese fällt zunächst mit steigenden Energiedichten. Danach bildet sich ein Plateau aus. Bei diesen Energiedichten wurden die geringsten Porositäten gemessen. Bei höheren Energiedichten steigt die Porosität dann stark an. Die Bauteile mit hohen Energiedichten, haben mit Abstand die höchsten Porositäten. Der Verlauf der Trendlinie findet sich auch in der Literatur wieder. Cacace et al. [CAC22] beschreiben, dass es bei geringen Energiedichten vermehrt zu Bindefehlern in den Bauteilen kommt. Daraus resultiert eine erhöhte Porosität. Bei hohen Energiedichten treten ebenfalls vermehrt Defekte im Bauteil auf, deshalb sind auch hier höhere Porositäten zu erwarten (vgl. Abschnitt 2.6). Wie in Abbildung 6-7 dargestellt zeigen Josué et al. [JOS24] bei einem Vergleich der ermittelten Porositäten nach Archimedes und mittels Metallographie einen sehr ähnlichen Verlauf der Messwerte. Dies schließt sowohl die Porositätswerte untereinander als auch im Zusammenhang mit der Energiedichte ein. Die Ergebnisse zeigen, dass die Porositäten nicht als absolute Werte betrachtet werden können. Die Messergebnisse sind dennoch ausreichend für eine qualitative Zuordnung der Bauteile zur Prozessqualität. 6.5 Positionseinfluss auf Porosität, Einzelkanäle und Quotienten Nachfolgend wird eine Aufschlüsselung der Porositätsergebnisse und der Ergebnisse der Einzelkanäle und Quotienten nach der Bauteilposition vorgenommen. 6.5.1 Porosität In Abbildung 6-8a sind die Bauteile des untersuchten Bauprozesses mit zugeordneter Energiedichte dargestellt. Die Energiedichten der Schichten mit variierten Parametern der Bauteile sind durch unterschiedliche Farbtöne gekennzeichnet. Das Bild findet sich ebenfalls in Abbildung 5-3c wieder. In Abbildung 6-8b sind die Ergebnisse aus der Porositätsbestimmung nach dem Prinzip von Archimedes für die Bauteile dargestellt. Die Ergebnisse der Metallografie aus dem Untersuchungsbereich, welche nur Schichten mit gleichen Parametern beinhaltet, sind in Abbildung 6-8c dargestellt. Die Porosität, welche nur aus Schichten mit den variierten Parametern ermittelt wurde, ist in Abbildung 6-8d gezeigt. Wie aus den Piktogrammen zu entnehmen ist, werden die Schichten mit variierten Parametern nur bei den Abbildung 6-8b und Abbildung 6-8d berücksichtigt. In den beiden Diagrammen ist im Vergleich zur Energiedichte eine ähnliche Verteilung zu erkennen. Besonders die Bauteile mit sehr hohen Energiedichten haben hohe Porositäten. Dieser Zusammenhang ist, wie bereits in Abschnitt 6.4.2 dargestellt wurde, zu erwarten. 46 Ergebnisse Abbildung 6-8: Vergleich der Porositätsergebnisse mit den Energiedichten; a) Energiedichten; b)-c) Porositäten der gedruckten Bauteile In Abbildung 6-8c ist ein starker Anstieg der Porositäten von rechts nach links zu erkennen. Diese Abweichungen sind wahrscheinlich auf die Schutzgasführung in der Baukammer zurückzuführen. Die Einlassdüse der Schutzgasführung befindet sich rechts von den Bauteilen 18 und 19. Diese bläst das Schutzgas Argon von rechts nach links über die Bauplattform. Links neben den Bauteilen 1 und 2 befindet sich die Auslassdüse der Schutzgasführung, welche das Schutzgas aktiv ansaugt. Der Schutzgasfluss sorgt für einen Abtransport von Prozessresten, die bei dem Belichten entstehen [HOP19]. Die Porositäten der Bauteile in der Nähe der Einlassdüse (rechts) sind gering, da die Schutzgasführung die Prozessreste ausreichend abführt. Umso weiter die Bauteile von der Einlassdüse entfernt sind, umso größer werden die Porositäten. Das Bauteil 1 hat eine minimal geringere Porosität. Das könnte darauf zurückzuführen sein, dass die Auslassdüse durch den Sog die Prozessreste besser abführen kann. Bei dem Verfahren nach Archimedes wird die Gesamtporosität des Bauteils bestimmt. Sowohl die Schichten mit gleichen als auch mit variierten Parametern sind enthalten. Zusätzliche Abweichungen in der Archimedes-Porosität können durch den, in der Metallografie nicht berücksichtigten, Übergangsbereich erklärt werden. Durch diese beiden Faktoren sind die generell unterschiedlichen Porositäten der beiden Messverfahren zu erklären. 47 Ergebnisse Obwohl die Anwendbarkeit der beiden Messverfahren an sich gezeigt werden kann, sind die Messungen nach dem Archimedischen Prinzip von den stark variierenden Porositäten der Schichten, die mit gleichen Parametern gebaut wurden, verfälscht. Eine Interpretation der Ergebnisse sollte dies berücksichtigen. 6.5.2 Einzelkanäle und Quotienten In Abbildung 6-3 ist bereits für den transmittierten Kanal des 2C-Setups gezeigt, dass die Schichtwerte der Bauteile teilweise stark variieren. Es ist zudem zu erkennen, dass die Abweichungen der Schichtwerte der ausgewählten Bauteile, in X-Richtung (verschiedene Farben) deutlich größer als in Y-Richtung auf der Bauplattform (verschiedene Linienstile) sind. In X-Richtung haben die mittleren Bauteile 9, 10 und 11 die höchsten Schichtgrauwerte. Die Bauteile 15, 16 und 17 auf der rechten Seite der Bauplattform und die Bauteile 3, 4 und 5 auf der linken Seite der Bauplattform haben generell geringere Schichtgrauwerte. Dabei haben wiederum die linken Bauteile die kleinsten Schichtgrauwerte. Bei den Schichtgrauwerten der Bauteile 3, 4 und 5 ist die Abweichung untereinander (Y-Richtung) deutlich geringer. Dies gilt auch für die rechts positionierten Bauteile (Orange). Die Abweichung innerhalb der mittleren Bauteile (Grün) ist allerdings deutlich höher. Die Position des Bauteils auf der Bauplattform scheint einen Einfluss auf die Schichtgrauwerte zu haben. Abbildung 6-9 zeigt die Abhängigkeit zwischen der Bauteilpositionierung und den Bauteilgrauwerten bzw. Bauteilquotienten der verschiedenen OT-Setups. Es werden die relativen Bauteilwerte von jeweils einem Einzelkanal und einem Quotienten der OT-Setups exemplarisch betrachtet. Um die Einzelkanäle und Quotienten miteinander vergleichen zu können, wird eine relative Abweichung berechnet. Dafür werden alle Bauteilwerte durch den jeweiligen Bauteilwert des mittig positionierten Referenzbauteils 10 geteilt. Die Diagramme zeigen die relative Abweichung des betrachteten Bauteilwertes zum Referenzbauteilwert des Bauteils 10. In den Diagrammen ist je nach Einzelkanal bzw. Quotient eine unterschiedliche Anzahl von Bauteilen dargestellt. Das ist auf die unterschiedenen Kameraausschnitte, beschrieben in Abschnitt 5.4.2, zurückzuführen. Mit Ausnahme des grün/rot Quotienten in Abbildung C-1 zeigen alle anderen acht Einzelkanäle und Quotienten eine ähnliche Tendenz wie die jeweiligen Pendants der in Abbildung 6-9 gezeigten Diagramme. Aus diesem Grund erfolgt in der Darstellung in Abbildung 6-9 eine Reduktion auf vier Kanäle, welche exemplarisch abgebildet sind. In Abbildung C-2 sind die Ergebnisse der anderen Kanäle dargestellt. Allgemein ist zu sehen, dass bei allen OT-Setups die außen liegenden Bauteile geringere Bauteilwerte als die Bauteile in der Mitte haben. Generell ist der Abfall der Bauteilwerte nach außen eher in X-Richtung zu beobachten. Dies könnte auf die Positionierung der Bauteile zurückzuführen sein. Durch die Quotientenbildung ist die positionsabhängige relative Abweichung der Bauteilquotienten untereinander deutlich geringer als die relative Abweichung der Bauteilgrauwerte. Dies ist beispielsweise auch in Abbildung 6-5 dargestellt. Gerade bei den Schichten mit gleichen Parametern sind geringe Schwankungen zu erwarten. Die größere Abweichung der Bauteilgrauwerte zu den Bildrändern hin ist bei den Einzelkanälen wahrscheinlich auf setupbedingte Einflüsse zurückzuführen. Durch die verwendeten optischen Komponenten und Kameras kommt es zu größeren Abweichungen am Rand des Kamerabildes. Diese Effekte sollen durch die Kalibrierung mit der Masterflat minimiert werden. In den ermittelten Daten sind allerdings dennoch große Abweichungen zu erkennen. 48 Ergebnisse Abbildung 6-9: Vergleich der OT-Setups bezüglich ihrer Positionsabhängigkeit; a)-b) Einzelkanäle; c)-d) Quotienten Ein ähnlicher Einfluss könnte auch beim Quotienten des 2C-Setup auftreten. Beim 2C-Setup könnten beispielsweise der transmittierte und reflektierte Pfad eine unterschiedliche Vignettierung aufweisen. Bei der Quotientenbildung könnte diese Vignettierung nicht eliminiert werden. Dadurch dass die Abweichungen bei der Quotientenbildung beim 2C-Setup geringer werden, kann angenommen werden, dass ein Teil der Abweichungen aufgrund des optischen Aufbaus entsteht. Im RGB-Setup werden funktionsbedingt die gleichen optischen Komponenten für alle Einzelkanäle verwendet. Aufgrund der unterschiedlichen Sensitivitäten der Farbkanäle können, wie beim 2C-Setup, durch die Quotientenbildung nicht alle kamerabedingten Abweichungen eliminiert werden. Zudem könnte sich der Emissionsgrad wellenlängenabhängig ändern, sodass bei der Quotientenbildung der Emissionsgrad nicht entfällt. 49 Ergebnisse Auch der unterschiedliche Lasereinstrahlungswinkel könnte einen Einfluss auf die von den OT-Setups erfasste Prozessstrahlung haben. Der Laserspot weist im Zentrum eine andere Divergenz als an den Rändern der Bauplattform auf [ALB22]. Abweichungen in den OT-Daten sind durch wellenlängenabhängige Veränderung des Auftreffwinkels der emittierten Strahlung auf den Kamerasensor denkbar. Im untersuchten Bauprozess wurde keine positionsabhängige Variierung des Laserfokus vorgenommen, sodass die Divergenz je nach Position auf der Bauplattform variiert. In Abschnitt 6.5.1 wurde bereits gezeigt, dass die Porosität selbst bei gleichen Parametern positionsabhängig stark variiert. Die Abweichung bei den Bauteilquotienten und Bauteilgrauwerten könnten demnach auch auf prozessbedingte Einflüsse zurückzuführen sein. Es besteht die Möglichkeit, dass die Schutzgasführung zu Abweichungen in den Bauteilwerten der Bauteile führt. Gerade beim transmittierten Kanal sind die Bauteilwerte auf der rechten Seite der Bauplattform (Einlass des Schutzgases) etwas höher als auf der linken Seite. Wie bereits in Abschnitt 6.3.2 gezeigt, weicht der Verlauf des grün/rot Schichtquotienten von den anderen Schichtquotienten ab. Beim Vergleich der relativen grün/rot Bauteilquotienten aus Abbildung C-1 mit den anderen Bauteilquotienten in Abbildung 6-9 sind starke Unterschiede zu erkennen. Die Schichtquotienten des grün/rot-Setups haben untereinander geringere Abweichungen. Zusätzlich fällt auf, dass teilweise die relativen Bauteilquotienten im Vergleich zu den anderen Kanälen positiv sind. Die Abweichungen könnten, wie in Abschnitt 6.3.2 beschrieben, auf die Ähnlichkeit der Transmissionsspektren des grünen und roten Kanals und/oder den Referenzwert zurückgeführt werden. Zusammenfassend lässt sich sagen, dass in Abhängigkeit von der Position der Bauteile auf der Bauplattform unterschiedliche Bauteilwerte entstehen, obwohl alle Bauteile mit den gleichen Parametern gedruckt wurden. Dies scheint durch den Prozess bedingt zu sein. Eine zusätzliche Beeinflussung durch die verwendeten optischen Komponenten in den OT-Setups ist ebenfalls wahrscheinlich. Durch die Quotientenbildung kann dieser Einfluss allerdings minimiert werden. 6.6 Parametereinfluss auf Bauteilgrauwerte und Bauteilquotienten In der folgenden Auswertung werden bei Bauteilgrauwerten und Bauteilquotienten nur noch Schichten, in denen die Parameter je nach Bauteil variiert wurden, betrachtet. Bei der Untersuchung dieser Schichten soll ermittelt werden, inwiefern die unterschiedlichen Parameter zu Veränderungen in den OT-Daten führen. Bei der Variation der Parameter wird die Laserleistung und die Scangeschwindigkeit verändert. Es wird der Einfluss dieser Größen auf die Bauteilgrauwerte bzw. Bauteilquotienten betrachtet. Dabei wird eine Größe variiert und die andere konstant gehalten. 6.6.1 Laserleistung und Bauteilgrauwerte bzw. Bauteilquotienten Zunächst wird in Abbildung 6-10 die Abhängigkeit der Bauteilgrauwerte und Bauteilquotienten von der Laserleistung betrachtet. In Abbildung 6-10 werden nur Daten aus dem 2C-Setup dargestellt. Da die RGB-Kamera einen zu kleinen Bildausschnitt hat, gibt es nicht ausreichend Bauteile, welche mit der gleichen Scangeschwindigkeit gedruckt wurden. In der Abbildung 6-10a sind die Einzelkanäle bei jeweils unterschiedlichen Scangeschwindigkeiten dargestellt. Alle Bauteilgrauwerte steigen mit höherer Laserleistung. Bei den Scangeschwindigkeiten von v = 600 mm/s bzw. v = 800 mm/s steigen die Bauteilgrauwerte des reflektierten Kanals zunächst stark an. Bei Laserleistungen von über P = 235 W bzw. P = 215 W steigt die Kurve nur noch moderat an. In Abbildung 6-10b sind die Bauteilquotienten dargestellt. Hier ist näherungsweise ein quadratischer Zusammenhang erkennbar. Die Graphen haben alle ihr Minimum bei einer Laserleistung von P = 215 W . 50 Ergebnisse Abbildung 6-10: Abhängigkeit zwischen Laserleistung und OT-Daten; a) Einzelkanäle; b) Quotienten Eine hohe Laserleistung resultiert in einer erhöhten Wärmeeinbringung. Die Einzelkanäle nehmen die daraus resultierende erhöhte Strahlung auf. Der Verlauf der Bauteilquotienten beschreibt die Abweichungen der Einzelkanäle untereinander, dabei scheint es bei einer bestimmten Laserleistung ein Minimum zu geben. Das könnte beispielsweise auf die verschiedenen Transmissionsspektren der Einzelkanäle zurückzuführen zu sein. Für eine umfassende Beurteilung des Zusammenhangs der Bauteilgrauwerte bzw. Bauteilquotienten und der Laserleistung sind in diesem Bauprozess zu wenige Daten aufgenommen worden. Allerdings sind in den Diagrammen grobe Trends sichtbar. Bei den Einzelkanälen ist ein steigender Verlauf zu erkennen. Die Quotienten zeigen einen quadratischen Verlauf mit einem Minimum bei P = 215 W. 6.6.2 Scangeschwindigkeit und Bauteilgrauwerte bzw. Bauteilquotienten In Abbildung 6-11 werden die Bauteilgrauwerte bzw. Bauteilquotienten der Bauteile den verwendeten Scangeschwindigkeiten gegenübergestellt. Die Laserleistung ist mit P = 260 W bei allen betrachteten Bauteilen konstant. In Abbildung 6-11a sind nur die Einzelkanäle betrachtet. Es ist zu erkennen, dass die Bauteilgrauwerte mit höherer Scangeschwindigkeit sinken. Das Sinken der Bauteilgrauwerte könnte dem Verlauf einer quadratischen Funktion ähneln. Der Verlauf des reflektierten Kanals weicht von den Verläufen der anderen Einzelkanäle etwas ab. Insbesondere bei den Bauteilgrauwerten mit einer Scangeschwindigkeit von v = 600 mm/s und v = 800 mm/s des reflektierten Kanals scheinen die Bauteilgrauwerte von den Verläufen der anderen Einzelkanäle abzuweichen. In Abbildung 6-11b sind die Bauteilquotienten betrachtet. Dabei fällt auf, dass die RGB-Bauteilquotienten minimal steigen. Der Bauteilquotient aus dem 2C-Setup hat einen inkonsistenten Verlauf ohne klaren Trend. Die Kurve des Bauteilquotienten fällt zunächst, steigt kurz und fällt letztendlich wieder. Durch die gegebene Variation der Laserleistung und Scangeschwindigkeit können nur maximal vier Bauteile mit gleicher Laserleistung betrachtet werden. Die Anzahl der Daten ist nicht ausreichend, um fundierte Aussagen treffen zu können. 51 Zusammenfassung und Ausblick Für eine zuverlässigere Unterscheidung der Prozessqualität, könnte zusätzlich die Verknüpfung der Erkenntnisse aus den Einzelkanälen und den Quotienten untersucht werden. Aufgrund der signifikanten positionsabhängigen Abweichungen im vorliegenden PBF-LB/M Prozess wird eine Reproduktion der Untersuchung mit alternativen PBF-LB/M Maschinen empfohlen. Eine Vorhersage der Prozessqualität, unabhängig von der verwendeten PBF-LB/M Maschine und dem überwachenden OT-Setup, ist anzustreben. Um die in dieser Arbeit gewonnenen Erkenntnisse für eine schichtweise Echtzeit-Prozessüberwachung nutzen zu können, muss untersucht werden, inwiefern die Erkenntnisse aus den Bauteilgrauwerten bzw. Bauteilquotienten auf einzelne Grauwerte bzw. Quotienten übertragbar sind. Für die schichtweise Echtzeit-Prozessüberwachung sollten lokale Defekte detektiert werden können. Die dabei produzierten Massendaten könnten mit KI-Tools in Echtzeit ausgewertet werden, um den Prozess auch in Echtzeit zu beeinflussen. 58 Literaturverzeichnis Literaturverzeichnis ALB22 J. Albert, O. Hermann, S. Purschke, D. Rule und C. Fleck. „Investigation on Process Stability and Part Positioning Influence on the Relative Density of Designed Materials via Laser-Based Powder Bed Fusion of Metals on a Multi-Laser Machine“. In: Advanced Engineering Materials 24.1 (2022). issn: 1527-2648. doi: 10.1002/adem .202100635. ALI22 M. H. Ali, N. Sabyrov und E. Shehab. „Powder bed fusion–laser melting (PBF–LM) process: latest review of materials, process parameter optimization, application, and up-to-date innovative technologies“. In: Progress in Additive Manufacturing 7.6 (1. Dez. 2022), S. 1395–1422. issn: 2363-9520. doi:10.1007/s40964-022-00311-9. ASTMA276 ASTM International.ASTM A276:2024-02, Standard Specification for Stainless Steel Bars and Shapes. (Besucht am 14. 04. 2025). BAM15 J. Bamberg, K.-H. Dusel und W. Satzger. „Overview of additive manufacturing activities at MTU aero engines“. In: 41ST annual review of progress in quantitative nondestructive evaluation: Volume 34. Boise, Idaho, 2015, S. 156–163. doi: 10.1063 /1.4914605. BAM16 J. Bamberg, G. Zenzinger und A. Ladewig. „In-Process Control of Selective Laser Melting by Quantitative Optical Tomography“. In: 19th World Conference on Non-Destructive Testing. BEC20 T. Becker. „Statistical analysis of optical monitoring data for layer wise defect detection in the LPBF process“. Master thesis. Technical University Berlin, 30. Apr. 2020. BEC23 T. Becker, P. P. Breese, C. Metz und S. J. Altenburg. „In-situ monitoring for PBF-LB/M processes: Does multispectral optical tomography add value in recognizing process deviations?“ In: IOP Conference Series: Materials Science and Engineering 1296.1 (Dez. 2023). Publisher: IOP Publishing. issn: 1757-899X. doi: 10.1088/17 57-899X/1296/1/012008. BER14 F. Bernhard. „Thermografie“. In: Handbuch der Technischen Temperaturmessung. Hrsg. von F. Bernhard. Berlin, Heidelberg: Springer, 2014, S. 1395–1463. isbn: 978-3-642-24506-0. doi:10.1007/978-3-642-24506-0_14. BID21 R. Bidulsky, F. S. Gobber, J. Bidulska, M. Ceroni, T. Kvackaj und M. A. Grande. „Coated Metal Powders for Laser Powder Bed Fusion (L-PBF) Processing: A Review“. In: Metals 11.11 (Nov. 2021). Number: 11 Publisher: Multidisciplinary Digital Publishing Institute, S. 1831. issn: 2075-4701. doi:10.3390/met11111831. BUF24 G. Buffa, A. Costa, D. Palmeri, G. Pollara und L. Fratini. „Defining a new process window for LPBF of Ti-6Al-4V based on micro-warping phenomena“. In: CIRP Journal of Manufacturing Science and Technology 52 (1. Sep. 2024), S. 1–11. issn: 1755-5817. doi:10.1016/j.cirpj.2024.05.012. CAC22 S. Cacace, L. Pagani, B. M. Colosimo und Q. Semeraro. „The effect of energy density and porosity structure on tensile properties of 316L stainless steel produced by laser powder bed fusion“. In: Progress in Additive Manufacturing 7.5 (1. Okt. 2022), S. 1053–1070. issn: 2363-9520. doi:10.1007/s40964-022-00281-y. CAI23 Y. Cai, J. Xiong, H. Chen und G. Zhang. „A review of in-situ monitoring and process control system in metal-based laser additive manufacturing“. In: Journal of Manufacturing Systems 70 (1. Okt. 2023), S. 309–326. issn: 0278-6125. doi: 10.1016/j.jmsy.2023.07.018. CHA22 S. Chandrasekar, J. B. Coble, F. List, K. Carver, S. Beauchamp, A. Godfrey, V. Paquit und S. S. Babu. „Similarity analysis for thermal signature comparison in metal additive manufacturing“. In: Materials & Design 224 (1. Dez. 2022). issn: 0264-1275. doi:10.1016/j.matdes.2022.111261. DHA21 M. Dharnidharka, U. Chadha, L. M. Dasari, A. Paliwal, Y. Surya und S. K. Selvaraj. „Optical tomography in additive manufacturing: a review, processes, open problems, and new opportunities“. In: The European Physical Journal Plus 136.11 (13. Nov. 2021). issn: 2190-5444. doi:10.1140/epjp/s13360-021-02108-1. DIE19 O. Diegel, A. Nordin und D. Motte.A Practical Guide to Design for Additive Manufacturing. 1. Aufl. Springer Series in Advanced Manufacturing. Singapore: Springer, 2019. isbn: 9789811382802. doi:10.1007/978-981-13-8281-9. 59 Literaturverzeichnis DIN10088 DIN EN 10088-1:2014-12, Nichtrostende Stähle_Teil_1: Verzeichnis der nichtrostenden Stähle; Deutsche Fassung EN_10088-1:2014.doi: 10.31030/2102106 . (Besucht am 14. 04. 2025). DIN18754 DIN EN ISO 18754:2022-06, Hochleistungskeramik_Bestimmung der Dichte und der scheinbaren Porosität (ISO_18754:2020); Deutsche Fassung EN_ISO_18754:2022. doi:10.31030/3350598. DIN52900 DIN EN ISO/ASTM 52900:2022-03, Additive Fertigung_Grundlagen_Terminologie (ISO/ASTM 52900:2021); Deutsche Fassung EN_ISO/ASTM 52900:2021. März 2022. doi:10.31030/3290011. DIN8580 DIN 8580:2022-12, Fertigungsverfahren_Begriffe, Einteilung. Beuth Verlag GmbH, Dez. 2022. DSU19 A. Dsuban, J. Lohn, J. - P. Brüggemann und G. Kullmer. „Ein Qualitätssicherungskonzept für die additive Fertigung“. In: Additive Fertigung von Bauteilen und Strukturen: Neue Erkenntnisse und Praxisbeispiele. Hrsg. von H. A. Richard, B. Schramm und T. Zipsner. Wiesbaden: Springer Fachmedien, 2019, S. 23–34. isbn: 978-3-658-27412-2. doi:10.1007/978-3-658-27412-2_2. DUP21 A. Du Plessis. „6 - Porosity in laser powder bed fusion“. In: Fundamentals of Laser Powder Bed Fusion of Metals. Hrsg. von I. Yadroitsev, I. Yadroitsava, A. du Plessis und E. MacDonald. Additive Manufacturing Materials and Technologies. Elsevier, 1. Jan. 2021, S. 155–178. isbn: 978-0-12-824090-8. doi: 10.1016/B978-0 -12-824090-8.00007-X. ERO23 O. Ero, K. Taherkhani und E. Toyserkani. „Optical tomography and machine learning for in-situ defects detection in laser powder bed fusion: A self-organizing map and U-Net based approach“. In: Additive Manufacturing 78 (Sep. 2023). issn: 22148604. doi:10.1016/j.addma.2023.103894. ESP12 L. Espinal. „Porosity and Its Measurement“. In: Characterization of Materials. _eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1002/0471266965.com129. John Wiley & Sons, Ltd, 2012, S. 1–10. isbn: 978-0-471-26696-9. doi: 10.1002/0471266965.co m129. GOB19 C. Gobert, E. Arrieta, A. Belmontes, R. B. Wicker, F. Medina und B. McWilliams. „Conditional generative adversarial networks for in-situ layerwise additive manufacturing data“. In: (2019). GRA17 M. Grasso und B. M. Colosimo. „Process defects and in situ monitoring methods in metal powder bed fusion: a review“. In: Measurement Science and Technology 28.4 (Feb. 2017). Publisher: IOP Publishing. issn: 0957-0233. doi: 10.1088/1361-6501 /aa5c4f. HOP19 B. Hoppe, S. Enk und J. Schleifenbaum.Analysis of the Shielding Gas Dependent L-PBF Process Stability by Means of Schlieren and Shadowgraph Techniques. Unter Mitarb. von T. U. O. T. A. Austin. 2019. doi:10.26153/TSW/17377. JOS24 D. Josué, M. Gunther und H. Kai. „Parameter development for Laser Powder Bed Fusion of nickel-based Haynes 282 using diverse density determination methods“. In: Procedia CIRP. 13th CIRP Conference on Photonic Technologies [LANE 2024], 15-19 September 2024, Fürth, Germany 124 (1. Jan. 2024), S. 93–97. issn: 2212-8271. doi:10.1016/j.procir.2024.08.078. KAY20 M. Y. Kayacan und N. Yılmaz. „An investigation on the measurement of instantaneous temperatures in laser assisted additive manufacturing by thermal imagers“. In: Measurement 160 (1. Aug. 2020). issn: 0263-2241. doi: 10.1016/j.measurement .2020.107825. KHO20 A. Khorasani, I. Gibson, J. K. Veetil und A. H. Ghasemi. „A review of technological improvements in laser-based powder bed fusion of metal printers“. In: The International Journal of Advanced Manufacturing Technology 108 (5. Dez. 2020), S. 191–209. issn: 0268-3768, 1433-3015. doi:10.1007/s00170-020-05361-3. LAC22 R. Lachmayer, T. Ehlers und R. B. Lippert.Entwicklungsmethodik für die Additive Fertigung. Berlin, Heidelberg: Springer, 2022. isbn: 978-3-662-65923-6. doi: 10.1007/978-3-662-65924-3. LIN22 X. Lin, K. Zhu, J. Y. H. Fuh und X. Duan. „Metal-based additive manufacturing condition monitoring methods: From measurement to control“. In: ISA Transactions 120 (1. Jan. 2022), S. 147–166. issn: 0019-0578. doi: 10.1016/j.isatra.2021.0 3.001. 60 Literaturverzeichnis MAL21 E. Malekipour und H. El-Mounayri. „Scanning Strategies in the PBF Process: A Critical Review“. In: ASME 2020 International Mechanical Engineering Congress and Exposition. American Society of Mechanical Engineers Digital Collection, 16. Feb. 2021. doi:10.1115/IMECE2020-24589. MOH20 G. Mohr, S. J. Altenburg, A. Ulbricht, P. Heinrich, D. Baum, C. Maierhofer und K. Hilgenberg. „In-Situ Defect Detection in Laser Powder Bed Fusion by Using Thermography and Optical Tomography—Comparison to Computed Tomography“. In: (9. Jan. 2020). PAR03 C. Park und B. R. Cho. „Development of Robust Design Under Contaminated and Non-normal Data“. In: Quality Engineering 15.3 (1. Apr. 2003). Publisher: Taylor & Francis _eprint: https://doi.org/10.1081/QEN-120018045, S. 463–469. issn: 08982112. doi:10.1081/QEN-120018045. PAU20 N. H. Paulson, B. Gould, S. J. Wolff, M. Stan und A. C. Greco. „Correlations between thermal history and keyhole porosity in laser powder bed fusion“. In: Additive Manufacturing 34 (1. Aug. 2020). issn: 2214-8604. doi: 10.1016/j.addma.2020 .101213. PRO17 Prog.Deutsch: Plancksches Strahlungsspektrum für Temperaturen von 100 K bis 10000 K in einem doppeltlogarithmischen Koordinatensystem. 10. Juli 2017. url: https://commons.wikimedia.org/w/index.php?curid=60809691 (besucht am 28. 02. 2025). REH23 B. Rehmer, F. Bayram, L. A. Ávila Calderón, G. Mohr und B. Skrotzki. „Elastic modulus data for additively and conventionally manufactured variants of Ti-6Al4V, IN718 and AISI 316 L“. In: Scientific Data 10.1 (20. Juli 2023). Publisher: Nature Publishing Group, S. 474. issn: 2052-4463. doi:10.1038/s41597-023-02387-6. REN23 Z. Ren, C. Zhao, N. D. Parab und T. Sun. „Real-Time Monitoring of AM Processes“. In: Springer Handbook of Additive Manufacturing. Hrsg. von E. Pei, A. Bernard, D. Gu, C. Klahn, M. Monzón, M. Petersen und T. Sun. Cham: Springer International Publishing, 2023, S. 515–536. isbn: 978-3-031-20752-5. doi: 10.1007/978-3-03120752-5_30. RIE24 A. R. Riensche, B. D. Bevans, G. King, A. Krishnan, K. D. Cole und P. Rao. „Predicting meltpool depth and primary dendritic arm spacing in laser powder bed fusion additive manufacturing using physics-based machine learning“. In: Materials & Design 237 (1. Jan. 2024). issn: 0264-1275. doi:10.1016/j.matdes.2023.112540. SAN19 N. Sanaei, A. Fatemi und N. Phan. „Defect characteristics and analysis of their variability in metal L-PBF additive manufacturing“. In: Materials & Design 182 (15. Nov. 2019). issn: 0264-1275. doi:10.1016/j.matdes.2019.108091. SHI19 W. Shi, P. Wang, Y. Liu und G. Han. „Experiment of Process Strategy of Selective Laser Melting Forming Metal Nonhorizontal Overhanging Structure“. In: Metals 9 (27. März 2019), S. 385. doi:10.3390/met9040385. SLM24 SLM Solutions Group AG.Material data sheet. 2024. url: https://www.s lm-solutions.com/fileadmin/Content/Powder/MDS/nw/nw2024/mds5130.pdf (besucht am 28. 02. 2025). SOL19 A. Sola und A. Nouri. „Microstructural porosity in additive manufacturing: The formation and detection of pores in metal parts fabricated by powder bed fusion“. In: Journal of Advanced Manufacturing and Processing 1.3 (2019). _eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1002/amp2.10021, e10021. issn: 2637-403X. doi:10.1002/amp2.10021. SUB12 Subrahmanyam et al. A Textbook of Optics. Google-Books-ID: 6Rrx6HvBtVkC. S. Chand Publishing, 2012. isbn: 978-81-219-2611-9. TAY99 R. P. Taylor, S. T. McClain und J. T. Berry. „Uncertainty analysis of metalcasting porosity measurements using Archimedes’ principle“. In: International Journal of Cast Metals Research 11.4 (Jan. 1999), S. 247–257. issn: 1364-0461, 1743-1336. doi:10.1080/13640461.1999.11819281. TOM11 H. Tomsik. „Kalibrierung mittels Bias-, Darkund Flatframe“. In: (2011). TRA21 S. Traore, M. Schneider, I. Koutiri, F. Coste, R. Fabbro, C. Charpentier, P. Lefebvre und P. Peyre. „Influence of gas atmosphere (Ar or He) on the laser powder bed fusion of a Ni-based alloy“. In: Journal of Materials Processing Technology 288 (1. Feb. 2021). issn: 0924-0136. doi: 10.1016/j.jmatprotec.2020.116851 . 61 Literaturverzeichnis UNA17 T. Ünal. „Untersuchung von SLM-Prozessüberwachungssystemen und Ermittlung von Kriterien für die Maschinenübertragbarkeit“. Masterarbeit in Maschinenwesen. Rheinisch-Westfälischen Technischen Hochschule Aachen, 21. Aug. 2017. UNS55 A. Unsöld. „Anwendung des Planckschen Gesetzes auf die Strahlung der Sonne. Strahlungsmessungen“. In: Physik der Sternatmosphären: Mit Besonderer Berücksichtigung der Sonne. Hrsg. von A. Unsöld. Berlin, Heidelberg: Springer, 1955, S. 25–49. isbn: 978-3-642-47425-5. doi:10.1007/978-3-642-47425-5_2. VAL22 C. K. P. Vallabh und X. Zhao. „Melt pool temperature measurement and monitoring during laser powder bed fusion based additive manufacturing via single-camera twowavelength imaging pyrometry (STWIP)“. In: Journal of Manufacturing Processes 79 (1. Juli 2022), S. 486–500. issn: 1526-6125. doi: 10.1016/j.jmapro.2022.04.05 8. VOG24 M. Vogt.Potenzialerschließung durch Augmented Reality in der additiven Produktion. Light Engineering für die Praxis. Berlin, Heidelberg: Springer, 2024. isbn: 978-3-66268817-5. doi:10.1007/978-3-662-68818-2. WIT16 W. W. Wits, S. Carmignato, F. Zanini und T. H. J. Vaneker. „Porosity testing methods for the quality assessment of selective laser melted parts“. In: CIRP Annals 65.1 (1. Jan. 2016), S. 201–204. issn: 0007-8506. doi: 10.1016/j.cirp.2016.04.054 . XIA22 X. Xiao, B. - M. Roh und C. Hamilton. „Porosity management and control in powder bed fusion process through process-quality interactions“. In: CIRP Journal of Manufacturing Science and Technology 38 (1. Aug. 2022), S. 120–128. issn: 1755-5817. doi:10.1016/j.cirpj.2022.04.005. ZOU16 Y. Zou und J. Malzbender. „Development and optimization of porosity measurement techniques“. In: Ceramics International 42.2 (Feb. 2016), S. 2861–2870. issn: 02728842. doi:10.1016/j.ceramint.2015.11.015. ZOU22 X. Zou, Y. Zhang, R. Lin, G. Gong, S. Wang, S. Zhu und Z. Wang. „Pixel-level Bayer-type colour router based on metasurfaces“. In: Nature Communications 13.1 (7. Juni 2022). issn: 2041-1723. doi:10.1038/s41467-022-31019-7. ZWI23 J. Zwinkels. „Blackbody and Blackbody Radiation“. In: Encyclopedia of Color Science and Technology. Hrsg. von R. Shamey. Cham: Springer International Publishing, 2023, S. 110–114. isbn: 978-3-030-89862-5. doi:10.1007/978-3-030-89862-5_370. 62 Anhang Anhang A Relativer Verlauf der Schichtgrauwerte und Schichtquotienten von Bauteil 13 Abbildung A-1: Vergleich von relativen Schichtwerten der Einzelkanäle und Quotienten über mehrere Schichten des Bauteils 13 i Anhang B Messergebnisse der Porositätsbestimmung Tabelle B-1: Porositätswerte πa der Bauteile in %. Ermittelt durch die Bildung des arithmetischen Mittelwertes mehrerer Messwerte. Vergleich des Archimedischen Prinzips (drei Messwerte pro Bauteil) und der Metallografie (zwei Messwerte pro Bauteil) Unterscheidung von Schichten mit gleichen und variierten Parametern bei der Metallografie Bauteilnummer Archimedes final Archimedes Eins Archimedes Zwei Archimedes Drei Metallografie variiert final Metallografie variiert Links Metallografie variiert Rechts Metallografie gleich final Metallografie gleich Links Metallografie gleich Rechts 1 1.45 1.45 1.35 1.49 1.51 1.28 1.74 2.16 1.10 3.21 2 0.44 0.73 0.35 0.44 0.06 0.08 0.03 3.12 3.20 3.05 3 0.79 0.79 0.65 1.01 0.08 0.08 0.08 2.70 2.07 3.32 4 0.78 0.78 0.71 0.93 0.16 0.21 0.11 2.94 2.80 3.07 5 1.86 1.86 1.89 1.83 2.83 3.09 2.57 4.03 4.20 3.87 6 0.56 0.56 0.60 0.53 0.02 0.02 0.01 3.01 3.38 2.64 7 0.59 0.62 0.59 0.38 0.00 0.00 0.00 3.17 2.95 3.39 8 0.57 0.76 0.57 0.52 0.02 0.02 0.01 2.69 3.13 2.25 9 0.64 0.68 0.64 0.47 0.09 0.07 0.10 2.56 2.84 2.28 10 1.14 1.09 1.25 1.14 1.22 1.40 1.04 2.40 2.90 1.90 11 0.57 0.47 0.74 0.57 0.19 0.24 0.15 1.74 2.26 1.23 12 0.43 0.43 0.49 0.35 0.01 0.01 0.01 0.92 1.11 0.73 13 0.50 0.75 0.14 0.50 0.01 0.02 0.01 0.22 0.23 0.21 14 0.90 0.82 1.15 0.90 1.58 2.07 1.09 0.09 0.18 0.01 15 0.35 0.38 0.35 0.07 0.25 0.32 0.19 0.25 0.05 0.46 16 0.17 0.42 -0.09 0.17 0.01 0.01 0.01 0.02 0.02 0.02 17 0.29 0.49 0.29 0.27 0.01 0.00 0.01 0.09 0.18 0.00 18 0.18 0.34 0.18 0.03 0.01 0.01 0.00 0.03 0.04 0.01 19 0.23 0.49 0.23 0.15 0.01 0.01 0.01 0.12 0.02 0.21 ii Anhang C Positionsabhängigkeit Einzelkanäle und Quotienten Abbildung C-1: Positionsabhängigkeit grün/rot Quotient iii Anhang Abbildung C-2: Vergleich der Setups bezüglich der Positionsabhängigkeit; a)-c) Einzelkanäle; d) Quotienten iv