Keywords: Part Identification, AM-Implementierung, KI

Effiziente Algorithmen und Logiken zur Bauteilauswahl für die Additive Fertigung

Die Additive Fertigung (engl. Additive Manufacturing [AM]) bietet zahlreiche Vorteile gegenüber konventionellen Fertigungsverfahren. Dennoch ist der Einsatz dieser Fertigungstechnologie nicht für jedes Bauteil geeignet. Dies ist vor allem den aktuell hohen Produktionskosten geschuldet, die einen wirtschaftlich sinnvollen Einsatz erschweren. Ein wichtiger Einflussfaktor für die gewinnbringende Verwendung von AM liegt daher in der Auswahl geeigneter Bauteile. Diese Auswahl stellt für Unternehmen häufig eine Herausforderung dar, denn es müssen gleichzeitig technische, wirtschaftliche und strategische Aspekte berücksichtigt und gegeneinander abgewogen werden. Fehlendes Know-how, hohe manuelle Aufwände in der Datenbeschaffung und komplexe Bauteilportfolios führen deshalb dazu, dass das volle Potenzial einer AM-Implementierung unerkannt bleibt. Vor diesem Hintergrund entstehen am Lehrstuhl DAP automatisierte Ansätze zur Auswahl AM-geeigneter Bauteile, um Unternehmen in die Lage zu versetzen,

ihre Ressourcen auf die Bauteile und Baugruppen zu fokussieren, die das größte AM-Potenzial bieten. Hierzu zählen unter anderem ein Kennzahlensystem und eine KI-basierte Potenzialbewertung: Durch eine automatisierte Analyse der Geometrie können Bauteile hinsichtlich ihrer technischen Eignung bewertet werden. Des Weiteren sollen Kennzahlen auf Basis von ERP Daten die Wirtschaftlichkeit abschätzen. Der strategische Einsatz von AM in Anwendungsfällen, in denen massive Vorteile gegenüber einer konventionellen Fertigung bestehen, kann so systematisiert und erleichtert werden. Darüber hinaus identifiziert der Lehrstuhl DAP AM-geeignete Bauteile mithilfe eines semi-automatisierten Screening Ansatzes und unterstützt damit bereits heute sowohl Unternehmen mit wenig Erfahrung in der Additiven Fertigung wie auch Unternehmen mit einer bestehenden additiven Produktion bei der Entfaltung Ihres AM-Potenzials.