Suchen

3D-Metalldruck Raue und ungleichmäßige Oberflächen vermeiden

| Autor / Redakteur: Mounir Jebabli, Damian Großkreutz, Thordis Michalke / Simone Käfer

Wie Energiedichte und Laserleistung die Oberfläche eines per selektiven Laserschmelzens (SLM) gefertigten Bauteils beeinflussen.

Firmen zum Thema

Die Qualität eines per SLM-Verfahren gefertigten Produkts bestimmt auch der Energieeintrag des Lasers. Falsch eingestellt entstehen raue und ungleichmäßige Oberflächen.
Die Qualität eines per SLM-Verfahren gefertigten Produkts bestimmt auch der Energieeintrag des Lasers. Falsch eingestellt entstehen raue und ungleichmäßige Oberflächen.
(Bild: (gemeinfrei) PublicDomainPictures / Pixabay )
  • Ein Problem des SLM ist das Anschmelzen undefinierter Randschichten, die damit verbundenen rauen Oberflächen sowie verringerte Maßhaltigkeit und Bauteilqualität.
  • Laserleistung, Scangeschwindigkeit und -linienabstand nehmen Einfluss auf das Produkt.
  • Bei sehr geringen Energiedichten wird das Pulver nicht vollständig aufgeschmolzen und die Form der einzelnen Körner beeinflusst das Ergebnis.

Das selektive Laserschmelzen (SLM) gehört zu den additiven Verfahren mit viel Potenzial, unter anderem da die erzielbaren Festigkeiten weitestgehend denen des verwendeten Materials entsprechen. Doch dem hohen kommerziellen Verfahrensaufwand gerecht werdende Methoden zur Planung und Überwachung sind wenn, dann nur rudimentär vorhanden.

Beim SLM wird Metallpulver lagenweise in dünnen Schichten auf eine Bauplattform aufgebracht. Diese werden dann durch einen die Oberfläche abfahrenden Laserstrahl lokal geschmolzen und bilden nach der Erstarrung feste zusammenhängende Strukturen. Die Verarbeitung der einzelnen Schichten erfolgt sequentiell. Da die Prozessparameter im Wesentlichen empirisch eingestellt werden und der Energieeintrag des Lasers prozessbedingt nicht auf das Werkstück begrenzt werden kann, kommt es zu einem Anschmelzen undefinierter Randschichten und in der Folge zu rauen Oberflächen sowie verringerter Maßhaltigkeit und Bauteilqualität.

Bildergalerie

In Kooperation mit dem Frankfurt Laboratory for Additive Manufacturing Experiments (FLAME) wurde über die Methode der statistischen Versuchsplanung (DoE – Design of Experiments) ein Werkzeug zur optimalen Prozessplanung gesucht. Gezielt eingesetzt, ist das DoE eine wichtige und effiziente Methode des Qualitätsmanagements um Produkte oder Prozesse in der Fertigung zu optimieren. Es ermöglicht eine systematische Analyse von Einflussparametern und Ableitung von Simulationsmodellen auf gewünschte Zielgrößen.

Ein wichtiger Parameter wird nicht an der Maschine eingestellt

Beim SLM-Prozess gehört die Energiedichte zu den wichtigsten prozessbestimmenden Parametern. Diese lässt sich allerdings nicht an der Maschine einstellen, sondern resultiert aus dem Verhältnis von Laserleistung und Scangeschwindigkeit. Das bedeutet, dass die beiden an der Maschine eingestellten Parameter einer wesentlichen Wechselwirkung unterliegen. Um diese Abhängigkeit experimentell abzubilden, wurde ein Versuchsplan mittels nicht direkt kontrollierbarer Einflussgrößen (Derived Factors) designt. Hierzu erfolgte eine Aufteilung der Prozessparameter in zwei Design-Klassen: In das u-Design, das die Faktoren umfasst, die direkt an der Maschine eingestellt werden können, und in das x-Design, das die abhängigen Faktoren umfasst, die über eine Transformation und rechnerische Beziehungen beschrieben werden können.

Mögliche Faktoreinstellungen sowie Constraint
Faktorstufen der Parameter Min Max
Energiedichte 64,28 J/m 125 J/m
Laserleistung 87,5 W bzw.35% 250 W bzw.100%
Scanlinienabstand 40 µm 60 µm
Constraint bei f(x)= -2x+475 f(x)= -2x+475

Die untersuchten Faktoren im u-Design waren die Laserleistung und die Scangeschwindigkeit, welche die Energiedichte bestimmen, und darüber hinaus der Scanlinienabstand. Als Faktor im x-Design wurden die Energiedichte und der Scanlinienabstand untersucht. Einschränkungen brachten die Minimum- und Maximumwerte möglicher Faktoreinstellungen der verwendete Maschine, dem Creator von Coherent | OR Laser, mit sowie der Versuchsraum, der bei maximaler Energiedichte mit maximaler Laserleistung, prozessbedingt beschränkt werden.

Energiedichte und Laserleistung sind entscheidend

Als Grundlage zur Prozessmodellierung diente ein quadratischer Ansatz, in den alle vorhandener Wechselwirkungen einbezogen wurden. Die Anzahl der Versuche betrug 14. Die Anzahl der sogenannten Center-Points, mithilfe derer bei Versuchen auf zwei Faktorstufen mögliche nicht-lineare Zusammenhänge innerhalb der Faktorstufen überprüft werden, wurde auf drei gesetzt. Sowohl die Center-Points als auch die Versuche wurden jeweils einmal wiederholt. Zusätzlich dienten die Center-Points zur Validierung der Messmethoden. Mit dem Ansatz der D-optimalen Versuchsplanung wurde der von den Faktorstufen und dem Constraint begrenzte Versuchsraum, unter Berücksichtigung der Versuchsanzahl, im x-Design optimal mit Versuchspunkten ausgefüllt.

Die Auswertung der durchgeführten Versuche ergab ein statistisch signifikantes Modell mit einem Bestimmtheitsmaß von R² ≥ 0,9. Dieses spiegelt die Güte des Modells wider und zeigt, dass die verwendeten Einflussfaktoren sowie der Modellansatz die Zielgröße gut vorhersagen. Insbesondere Energiedichte und Laserleistung erwiesen sich als hoch signifikante Einflussfaktoren.

Weniger Energie führt zu raueren Oberflächen

Berücksichtigt man den Einfluss der Energiedichte auf die Oberflächenrauheit (Rz), können glatte Oberflächen bei Einstellungen im oberen Drittel der Energiedichte von 105 J/m erzielt werden. Betrachtet man zusätzlich die Wechselwirkung zwischen Energiedichte und Laserleistung, lässt sich erkennen, dass zur Erzielung einer minimalen Oberflächenrauheit hohe Energiedichten vorzugsweise mit hohen Laserleistungen und niedrige Energiedichten mit mittleren Laserleistungen erzeugt werden. Des Weiteren ist zu erkennen, dass die Oberflächenrauheit bei minimalen Energiedichten höher als bei maximalen Energiedichten ist. Bedingt durch die sehr geringen Energiedichten wird das Granulat nicht vollständig aufgeschmolzen und somit beeinflusst die Form der einzelnen Körner das Ergebnis.

Über das Definieren von verschiedenen Design-Klassen lassen sich somit nicht nur physikalische Beziehungen, sondern auch individuelle prozessbedingte Einschränkungen in die Versuchsplanung mit aufnehmen. Die hohe Güte des statistisch signifikanten Modells verifiziert die Herangehensweise. Hierdurch wird den Betreibern von SLM-Prozessen eine erweiterte Methode zur vorausschauenden Prozessplanung an die Hand gegeben. Mit dieser lässt sich die Aussagekraft von Versuchen schon in der Planungsphase maximieren und die Anzahl der durchzuführenden Versuche minimieren.

Dieser Beitrag wurde ursprünglich auf unserer Partnerplattform MM Maschinenmarkt veröffentlicht.

* Mounir Jebabli, Prof. Dr.-Ing. Damian Großkreutz, Prof. Dr. Thordis Michalke, alle von der Frankfurt University of Applied Sciences, Tel. (0 69) 15 33-0

(ID:46753039)