Additive World Conference toont de oplossingen die AM rijp moeten maken als productietechnologie

Een van de belangrijkste tekortkomingen van additive manufacturing is de factor machine repeatability. Meerdere componenten 3D metaalprinten op machines van dezelfde fabrikant, met dezelfde parameters, maar op een andere locatie, betekent nog niet hetzelfde resultaat. Daarnaast is er nog teveel trial and error nodig om de technologie echt geschikt te maken voor productie. Op Additive World Conference in Eindhoven gaven experts onlangs aanzetten voor oplossingen.

 

Additive World Conference toont de oplossingen die AM rijp moeten maken als productietechnologie

Brent Stucker, hoogleraar aan de universiteit van St. Louis en oprichter en CEO van 3DSIM, bestempelt de reproduceerbaarheid van kwaliteit als een van de grootste belemmeringen van 3D metaalprinten. De herhaalnauwkeurigheid van hetzelfde werkstuk op dezelfde machine is in zijn ogen een minder groot probleem. “Het gaat om de reproduceerbaarheid tussen machines. Dat heeft te maken met de strategie en de wijze waarop de machines worden gebouwd.”

 

Integratie postprocessing

Een andere stap die de fabrikanten zullen moeten zetten voordat de technologie daadwerkelijk rijp is voor de productieomgeving, is de integratie van postprocessing. Benjamin Denayer van Sirris zegt dat dit het derde belangrijke aspect is, waarbij hij zich baseert op de vele contacten die Sirris over dit onderwerp met de maakindustrie heeft. “Men wil integratie van procesketens.” Zowel Sirris in België alsook Additive Industries werken aan dit punt.

 

Thermisch gedrag poeders beheersen

Op het punt van kwaliteitscontrole – en dus het robuuster maken van het proces – werkt Additive Industries nauw samen met zowel 3DSIM van Brent Stucker alsook met Sigma Labs, een andere Amerikaanse onderneming. Mark Cola, CEO van Sigma Labs Inc., was eveneens een van de sprekers op de conferentie in Eindhoven. In zijn ogen draait het bij kwaliteit en reproduceerbaarheid maar om één ding: het thermisch gedrag van het metaalpoeder kennen en beheersen. “De productiviteit hangt af van wat je met big data uit het proces doet”, aldus de Amerikaan. Afhankelijk van het product, kan de hoeveelheid data oplopen tot 100 Terrabyte en zelfs tot meer dan één Petabyte. De oplossing van Sigma Labs ligt daarom in een speciaal algoritme. In combinatie met een aantal sensoren en andere hardware, stelt dit hem in staat om vooruit te kijken in het proces en dat real time bij te sturen op basis van wat er in het smeltbad gebeurt en de data over goed en fout die bekend zijn. “ Sigma Labs heeft een eerste release van Printride 3D geïnstalleerd in het eigen laboratorium, waar het onder meer getest wordt met een EOS M290 machine. De Duitse machinebouwer doet mee aan de verdere ontwikkeling. Want ook de fabrikanten beseffen dat de reproduceerbaarheid omhoog moet en het foutpercentage fors omlaag. En dat moet je in de machine doen, beklemtoont Marc Cola nogmaals. “Features extraheren en die koppelen aan metallurgische features. Wat gebeurde er op dit plek in het proces en hoe verifieer je dat?” Op die manier maakt Sigma Labs een vingerafdruk van het proces en bewaart deze voor latere verificatie bij nieuwe printopdrachten.

 

Lees het volledige artikel in de april editie van het digimagazine:

 

Klik op de afbeelding om het hele artikel te lezen.
Klik op de afbeelding om het hele artikel te lezen.

 

 

Pin It on Pinterest