Der 3D-Druck ermöglicht eine Produktion in Losgröße 1. Das bedeutet, dass kein Produkt dem anderen gleicht, weil jedes Teil individuell für den Kunden entworfen wird. Eine Herausforderung für Unternehmen ist allerdings die Qualitätssicherung. Wissenschaftlerinnen und Wissenschaftler des Instituts für Integrierte Produktion Hannover (IPH) gGmbH und des Werkzeugmaschinenlabors WZL der RWTH Aachen arbeiten an einer Lösung, um insbesondere kleine und mittlere Unternehmen bei der Zulassung patientenindividueller Medizinprodukte aus dem 3D-Drucker zu unterstützen: Sie wollen eine App entwickeln, die bei der Qualitätssicherung hilft und sämtliche Sensordaten automatisiert auswertet.
Die Forscherinnen und Forscher wollen einen industriellen 3D-Drucker mit Sensortechnik ausstatten, um den Druckvorgang lückenlos zu überwachen. Die Sensordaten werden in einer App mithilfe von künstlicher Intelligenz über ein Qualitätsmodell ausgewertet, um Produktionsfehler zuverlässig zu erkennen. Die Wissenschaftlerinnen und Wissenschaftler des IPH und des WZL konzentrieren sich vorrangig auf die Medizintechnik, weil in dieser Branche der Grad der Individualisierung der Produkte und die dazugehörigen Qualitätsanforderungen besonders hoch sind sowie im Rahmen einer Zulassung der Nachweis eines Qualitätssicherungssystems erbracht werden muss.
Für das Forschungsprojekt nutzt das IPH den Industriedrucker X500PRO der German RepRap GmbH. Als Druckmaterial dient der Kunststoff Acrylnitril-Butadien-Styrol (ABS), der eine vergleichsweise hohe Festigkeit aufweist, aber sehr temperatursensibel ist.
Zur Überwachung der Druckqualität wollen die Wissenschaftlerinnen und Wissenschaftler verschiedene Sensoren nutzen. Denkbar sind z.B. Sensoren, die die Temperatur der Bauplatte oder Baukammer messen, Infrarotsensoren, mit denen sich die Temperatur direkt am Druckkopf bestimmen lässt, Vibrationssensoren sowie optische Messtechnik. Aussagekräftig für die Qualitätsüberwachung sind auch akustische Signale. Um wichtige von unwichtigen Geräuschen zu unterscheiden, wollen die Forscherinnen und Forscher Machine Learning nutzen.