Die additive Fertigung bietet ein beispielloses Maß an Designflexibilität und erweiterter Funktionalität, aber Qualität und Prozess können sich bei den Produktionsmaschinen drastisch unterscheiden, so ein Professor für Wirtschaftsingenieurwesen an der Penn State. Bei Anwendungen in der Luft- und Raumfahrt, im Gesundheitswesen und in der Automobilindustrie mit Potenzial zur Massenindividualisierung benötigt die additive Fertigung ein Qualitätsmanagement.
Das Forscherteam schlug den Entwurf, die Entwicklung und die Implementierung einer neuen datengesteuerten Methodik für die Qualitätskontrolle in der additiven Fertigung vor.
Die isoliert arbeitenden Personen in verschiedenen Bereichen der additiven Fertigung und Systemingenieure können helfen, die Punkte zu verbinden und einen Rahmen für das Qualitätsmanagement zu schaffen. Qualität ist unabdingbar, und wenn sie von Anfang an einen systemnahen Rahmen des Qualitätsmanagements entwerfen, dann haben sie eine höhere Qualität und bessere Produktivität zu geringeren Kosten. Letztlich will jeder hochpräzise High-End-Fertigung machen, aber wenn die Qualität in irgendeinem Schritt der Produktion leidet, verliert er den für den Weltmarkt notwendigen Wettbewerbsvorteil. Die Nutzung von Daten zur Kontrolle und Sicherstellung qualitativ hochwertiger Produkte trägt dazu bei, diesen Vorteil zu wahren.
Das Team arbeitete zusammen, um verschiedene wissenschaftliche Arbeiten zu analysieren, um ein Six-Sigma-Framework der Qualitätskontrolle für die additive Fertigung abzuleiten, das zu ihrem vorgeschlagenen Systems-Engineering-Ansatz führte.
Die Methode basiert auf Six Sigma, einem beliebten Ansatz, der datengesteuerte Taktiken verwendet, um Fehler zu beseitigen, Gewinne zu steigern und die Qualität von Produkten zu verbessern. Durch ihre detaillierte Analyse schlug das Team vor, dass dieser fünfstufige Ansatz zum Definieren, Messen, Analysieren, Verbessern und Kontrollieren das Qualitätsmanagement bei der Anwendung auf die additive Fertigung fördern kann.
In der Forschung haben wir analysiert, die kritischen Herausforderungen der additiven Fertigung identifiziert und bei fehlenden Qualitätsstandards für jeden Prozessschritt die Knackpunkte identifiziert, an denen Methoden wie maschinelles Lernen ins Spiel kommen und helfen können, eine Ingenieur oder Designer, wie man den Prozess steuert, um Fehler zu vermeiden.
Forscher erklärten, dass solche Mängel im Kontext von Massenprodukten zu massiven Verbindlichkeiten werden können.
Wenn das Ziel darin besteht, mithilfe der additiven Fertigung Teile für ein Auto oder ein Flugzeug herzustellen, dann sollte dieses Teil besser nicht versagen.
Die Kosten für fehlgeschlagene Teile können sich summieren – ein fehlgeschlagener Metallbau kann leicht 10 bis 20 Dollar kosten und mehrere Iterationen erfordern.
Durch die Suche nach Qualitätslücken in den Standards für Massenteile ist ihre vorgeschlagene Methodik entscheidend, um eine qualitativ hochwertige Produktion mit additiver Fertigung sowohl für Großserien- als auch für kundenspezifische Produkte sicherzustellen.
Qualitätskontrollprozesse und -methoden sind für die Massenproduktion etabliert, bei der Hunderte bis Millionen von Dingen hergestellt werden. Die additive Fertigung ermöglicht eine individuelle Anpassung, und die aktuellen Methoden zur Qualitätskontrolle und anerkannten Praktiken lassen sich nicht ohne weiteres anwenden, wenn Sie nur einen oder wenige Artikel herstellen. Sie müssen anders denken, um qualitativ hochwertige Teile zu gewährleisten.
Die Forscher stellten fest, dass ihre Überprüfung den neuesten Stand der additiven Fertigung darstellt Technologien und kann Forschern helfen, indem es ein umfassendes Verständnis der Werkzeuge und Techniken bereitstellt.