WvSC HTA 2.0 (Phase 2)
Werner von Siemens Center for Industry and Science (WvSC)
Projektbeschreibung
Nachhaltige Additive Fertigung für Hochtemperatur-Anwendungen (HTA)
Um was es geht
Hochtemperatur-Anwendungen umfassen die Entwicklung und Fertigung von Bauteilen, die in hocheffizienten Gaskraftwerken mit dem heißen Gasstrahl, der Temperaturen von weit über 1000 Grad Celsius erreicht, in Berührung kommen. Um deren Funktion und Lebensdauer zu gewährleisten, werden mittels additiver Fertigung innovative Konzepte umgesetzt, die mit konventionellen Fertigungsverfahren technisch nicht realisierbar sind.
PROJEKTZIELE
Entwicklung neuer additiver Fertigungsprozesse und Komponenten für Hochtemperaturbauteile in großen Gasturbinen unter Beachtung von nachhaltiger Produktentstehung.
MOTIVATION
Der Fokus der 2. Phase ist die Erweiterung der “Design-for-Additive-Manufacturing-Methode” mit weiteren Prozessen (drahtbasiertes Generieren von großen Bauteilen DED-Arc, selektives Laserstrahlschmelzen mit Hochtemperaturvorheizung und selektives Elektronenstrahlschmelzen PBF-EB/M im Pulverbett) und dem Aspekt Lebenszyklus-Analyse (LCA). Dabei werden für das DED-Arc- und PBF-EB/M-Verfahren Prozess- und Werkstoffentwicklung zu höherer Reife geführt.
Im Weiteren wird das Thema Nachbearbeitung von additiv gefertigten Bauteilen stärker beleuchtet, um eine automatisierte und kleinserientaugliche Bearbeitung zu ermöglichen. Zudem wird das Recycling von Metallpulver und Stützstrukturen beleuchtet, wobei eine höhere Ressourceneffizienz angestrebt wird und somit ein Beitrag zum wirtschaftlichen Darstellen von AM-Bauteilen geliefert.
UNSER BEITRAG
Additiv gefertigte Bauteile müssen je nach Fertigungsmethode und Einsatzzweck nachbearbeitet werden. Um dem Versprechen einer flexiblen additiven Fertigung gerecht zu werden, sollen auch die nachgelagerten Arbeitsschritte automatisiert werden. Durch die Kombination von Robotik, Bildverarbeitung und KI-Training entwickelt, erprobt und evaluiert Gestalt Robotics Strategien und Verfahren bezüglich lernender Kraftregelung mittels Kraft-Momenten-Sensor und Maschine-Learning-Algorithmen.
© Siemens Energy
© Siemens Energy
Keyfacts
Robotik und Pfadplanung
Roboter-gestützte Umsetzung von Fertigungsprozessen
Kollisionsfreie Pfadplanung
Echtzeit-Ansteuerung der Roboterkinematik
Bildverarbeitung & KI-Training
Methodenentwicklung zur KI-Integration
Metriken und Analyse von KI-Modellen
Umsetzung visueller Erkennungsaufgaben
Nachhaltigkeit & Iterative Prozessplanung
Nachhaltige Produktenstehung
Iterative Umsetzung additiver Fertigungsprozesse
Automatisierung von Kleinstserien
Deep Reinforcement Learning (DRL)
Einsatz von DRL für taktile Roboteraufgaben
Lernende Ansätze für Kraftregelung
Finden optimaler Prozessstrategien
Partner & Förderung
Siemens Energy AG
Siemens AG
Fraunhofer IPK
Bundesanstalt für Materialforschung und -prüfung
Technische Universität Berlin
YOUSE GmbH
Datalyze Solutions GmbH
PROCEED Labs GmbH
3YOURMIND GmbH
XPLORAYTION GmbH
Förderung
Berliner Senat, kofinanziert durch den Europäischen Fonds für regionale Entwicklung (EFRE)
Programm
„ProFIT – Projektfinanzierung“
Laufzeit
01.2023 – 06.2025
Projektträger
Investitionsbank Berlin (IBB)
Projektwebseite
Projektposter
Projektposter als druckbares PDF
Dieses Forschungs- und Entwicklungsprojekt wird/wurde durch den Berliner Senat, kofinanziert durch den Europäischen Fonds für regionale Entwicklung (EFRE) im Programm „ProFIT – Projektfinanzierung“ gefördert und vom Projektträger Investitionsbank Berlin (IBB) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.