Additive Fertigungsverfahren (ugs. 3D-Druck) revolutionieren die Produktionstechnik, indem sie die kundenindividuelle Produktion von Gütern in Losgröße 1 ermöglichen. Durch die geringe Investiti¬onshemmschwelle zum Beispiel für KMU erfreuen sich insbesondere 3D-Drucker des kleinen und mittleren Preissegments zunehmender Beliebtheit. Gerade solche Desktop-3D-Drucker, die häufig auf der Fused Deposition Modeling Technologie basieren, sind jedoch meist nicht in der Lage, eine gleichbleibend hohe Produktqualität zu realisieren.
Gegenstand der vorliegenden Arbeit ist daher die qualitätsorientierte modellbasierte Prozessparame¬teroptimierung für das Fused Deposition Modeling. Die situationsabhängige und flexible optimale Auslegung der Prozessparameter ist eine zentrale Aufgabe zur Realisierung qualitätsoptimierter Pro¬duktionssysteme. Kernidee der hier vorgestellten Lösung ist für das Fused Deposition Modeling eine anwendungsfallspezifische Kombination von Black Box und White Box Modellen zu einem neuen Grey Box Ansatz für mehrere Zielgrößen zu realisieren, die die optimale Parameterauslegung erlau¬ben und sich an veränderte Bedingungen, wie neue Bauteilgeometrien, anpassen.
Dazu werden für das FDM Verfahren für insgesamt vier Zielgrößen mit acht Ausprägungen jeweils verschiedene Modelle entwickelt. Black Box Modelle auf Basis empirischer Daten, die aus Experi¬menten einer statistischen Versuchsplanung gewonnen werden sowie White Box Modelle, die auf Basis von Literatur und eigenen Überlegungen abgeleitet werden. Die Modelle werden im Anschluss evaluiert, bevor sie für jede Zielgröße zu einem Grey Box Modell kombiniert werden. Die erzeugten Modelle werden in einer Simulationsumgebung zusammen mit einem geeigneten Minimierungsal¬gorithmus implementiert und das gesamte Konzept einer anschließenden Validierung unterzogen.
Ergebnis ist somit eine Simulationsumgebung, die für einen beispielhaften FDM Prozess zum einen die Prädiktion der Zielgrößen auf Basis definierter Parametereinstellungen erlaubt und zum anderen die Vor¬gabe dieser Zielgrößen und entsprechende Parametrisierung des Prozesses durch einen Optimierungsalgorithmus und die Grey Box Modelle realisiert. Weiterhin ist Ergebnis ein generelles Vorgehen, wie eine Parameteroptimierung mittels Grey Box Modellen für komplexe, nicht beherrschte Technologien realisiert werden kann. Die Modelle sind adaptiv und passen sich durch die Generierung von Prozesswissen an veränderliche Bedingungen automatisch an.