Wie fortschrittliche CT-Analysefunktionen die Zusammenarbeit und Produktqualität unterstützen

Aug 22, 2023

Quelle: Volume Graphics, Hexagon und Getty Images

Industrielle Computertomographie (CT)-Scans und Datenanalysen werden von Herstellern am häufigsten zur Inspektion von Endprodukten eingesetzt. Dies erfolgt stapelweise, stichprobenartig oder zu festgelegten Zeitpunkten, die statistischen Analysen oder einfachen Pass/Fail-Standards dienen. Die Technologie spielt auch in der Forschung und Entwicklung sowie im Prototyping eine wichtige Rolle, um die innere und metallurgische Qualität eines Teils zu überprüfen, bevor ein Prozess oder eine anspruchsvolle Geometrie festgelegt wird.

Wenn man die CT-Analyse nur auf Serien und abschließende Stichproben beschränkt, übersieht man tiefgreifende, zusätzliche Beiträge, die die zugehörige Software als leistungsstarke, durchgängige, multidisziplinäre Zusammenarbeitshilfe leisten kann – indem sie Design und Fertigung und sogar Forensik im Außendienst mit wertvollen Informationen verbindet Qualitäts- und Teilespezifikationsdaten.

Die umfangreiche digitale Schleife über Schlüsselbereiche hinweg, in der die CT-Analyse eine Rolle spielen kann, ermöglicht es ihr, wichtige Erkenntnisse aus eingebetteter Simulation und virtuellen Messtechniktests sowie allen Phasen der Prozessuntersuchung und damit verbundenen Verfeinerungen in das Design einzubringen. Die Software bietet eine originalgetreue geometrische Bemaßung und Toleranz (GD&T) zur Modellkorrektur und zum Verständnis von Prozessschwankungen. Und es kann mit einer vollautomatischen, KI-gestützten Endkontrolle auf der Grundlage dieser hochpräzisen Ergebnisse abschließen.

Die Schleife der CT-Analyse über digitale Modelle durch Schlüsseldisziplinen kann jeden Aspekt des Entwurfs-zu-Produktionszyklus verbessern. Digitale Zwillingsmodelle (DT) der CAD-Geometrie ermöglichen zusammen mit ihren Simulations-, Prozess-, Material-, Qualitäts-, Fabrik- und Servicezwillingen einen schnellen Zugriff und Feedback an und von Expertenteams für die Zusammenarbeit. Studien aus der Design for Assembly/Manufacturing-Community haben gezeigt, dass eine Vorabanalyse im Design 40 Prozent im gesamten Entwicklungszyklus einspart.

Die CT-Datenanalyse kann dabei helfen, organisatorische Silos zu verbinden, Informationen in die Konstruktion zurückzuführen, die Optimierung zu verbessern, die Qualität zu verbessern, verspätete Produktionsausfälle zu verhindern und die Gesamtentwicklungszeit zu verkürzen. Da Zeit ein Kostenfaktor ist, der oft wichtiger ist als die direkten Kosten, hat die frühzeitige Bereitstellung von Entwicklungsbemühungen positive, langfristige und tiefgreifende wirtschaftliche Auswirkungen für Hersteller: Qualität ist eine Voraussetzung für einen erfolgreichen Markteintritt, Kundenzufriedenheit, Markenbildung und Geschäftsnachhaltigkeit.

Bild 1. Produktschleifen und Kollaborationspfad mit CT-Analysesoftware. Bild mit freundlicher Genehmigung von Volume Graphics

Unabhängig davon, ob es sich um manuelle Dokumentation und/oder digitale Plattformen handelt, funktionieren Ansätze von der Produktentwicklung bis zur Produktion im Allgemeinen in Stage Gates oder Release-Management-Phasen, in denen Fortschritte bei einer Design- und Prozessentscheidung analysiert, genehmigt und schrittweise umgesetzt werden. Die besten dieser sequentiellen Überprüfungen sorgen für die schnellste Iteration neuer Informationen, die die konzeptionelle Arbeit, die frühe Geometrie-, Material- und Prozessentscheidungen umfasst, erheblich verfeinern oder sogar neu definieren können.

Durch die Einführung der CT-Analyse in frühen Stage-Gate-Schleifen, in der Post-Geometrie-Erstellung und in der Prozess-/Fertigungssimulation bleiben Entwürfe auf Kurs, indem die tatsächliche, nachgelagerte Leistung reproduziert wird. Hier ist die virtuelle Messtechnik – Fehlererkennung und GD&T-Analyse – die Vorhersage der Materialqualität und möglicher Prozessverhaltensweisen, die sich darauf auswirken können, wie Teile in einer Baugruppe zusammenpassen oder sich zusammenbewegen.

Wenn Bereiche verbessert werden müssen, werden durch Netzanalyse und Morphing des virtuellen Produkts kompensierte Modellierungsdaten erneut in die Simulation eingespeist, um die endgültige geometrische Integrität und Materialgrenzen/-verzerrungen, die durch Erhitzen, Schneiden, Laser-Pulverbett-Drucken und Gießen entstehen, besser abzuschätzen , Auflegen oder Formen eines Teils.

Nach dieser Validierungsrunde kann die CT-Analyse-Schleife als nächste Stufe mit dem Hard-Prototyping und der Erstmusterprüfung (FAI) fortfahren. Wenn die aktuelle Simulation und die virtuelle messtechnische Prüfung des digitalen Modells als abgeschlossen gelten, wird der physische FAI erstellt, vorzugsweise durch den tatsächlich zu verwendenden Produktionsprozess.

Jetzt trifft die digitale Welt auf die reale Welt: Die CT-Analyse bietet Teams sowohl einen Oberflächenscan im Fertigungszustand als auch eine vollständige Innenansicht des Teils – genau so, wie es die Designausgabe und der ausgewählte Prozess ermöglichen. Porosität/Einschlüsse, Risse, Faser- oder Kornorientierung, Verformungen, Delaminationen sowie Bereiche geringer Dichte und Schwäche werden aufgedeckt und mit den Spezifikationen verglichen. Dieser Prozess wird so oft wie nötig wiederholt, wobei die Ausgabe/Ergebnisse in die Simulation des Herstellungsprozesses zurückgeführt werden.

Anschließend können die realen Informationen aus der CT-Scan-Datenanalyse Teams im gesamten Unternehmen über PLM oder eine andere Benutzerplattform informieren, um schnell und eindeutig auf erforderliche Änderungen zu reagieren. Die Software bietet die Grundlage für eine kontinuierliche Verbesserung während der gesamten Entwicklung und Produktion mit Überprüfungen der Materialintegrität, Prozessproblemen und allen erforderlichen Ursachenanalysen für Korrekturen an Werkzeugen, Materialien und Designparametern – früher und zeit- und kosteneffizienter als sonst.

Nachdem diese Phase fast abgeschlossen ist, geht die Kollaborationsschleife zu einer Leistungssimulation des hergestellten „as-built“-Teils über. Mithilfe realer Geometrie- und Materialmodelle, die aus den gemessenen Mikrostrukturen des Teils stammen, verfeinert die FEA mit hoher Genauigkeit, um je nach Bedarf Steifigkeit, Festigkeit, Ermüdung, Wärmeleitfähigkeit usw. vorherzusagen.

Bild 2. CT-Daten der realen Teilemesstechnik fließen in eine hochpräzise FEA-Analyse ein, die wiederum frühere Belastungs- und Ausfallvorlagen aktualisiert und die späteren Messungen bereitstellt, die für die abschließende, automatisierte Teileinspektion erforderlich sind. Software ist VGSTUDIO MAX von Volume Graphics. Bild mit freundlicher Genehmigung von Hexagon

Die Finite-Elemente-Analyse (FEA) ist ein Vorhersagetool für alle multiphysikalischen Ereignisse, denen ein Material und/oder ein Produkt sowohl in der Produktion als auch im Feld ausgesetzt sein kann. Die ultimative Genauigkeit und der Wert von FEA basieren auf der Validierung mithilfe von Dehnungsmessstreifen, zerstörenden Tests, Korrelationsprüfungen und zunehmend CT-Analysedaten, die die grundlegende Wahrheit über das endgültige Material, den Prozess und die Produktkonfiguration generieren.

Die CT-Analyse kann jede Phase der Produktentwicklung mit einem eingebetteten FEA-Vernetzungsprogramm unterstützen, das GD&T-Technologie umfasst – da sich Materialien auf manchmal unvorhersehbare Weise verformen, ausdehnen und schrumpfen. Die Erfassung der endgültigen Oberflächenabmessungen und der Toleranzen zwischen den Passflächen ist von entscheidender Bedeutung, um die Zyklen von der Entwicklung bis zur Produktion zu verkürzen und Prozessschwankungen auf eine Weise zu verstehen, die isoliert, behoben und verfolgt werden kann.

Die Verwendung digitaler Oberflächendaten und tiefer Innenscans beschleunigt die anschließende, hochpräzise FEA-Analyse, die zur Erstellung von Vorlagen sowohl für die frühe Entwicklung, zukünftige Produktkonzepte als auch für die automatisierte Produktionsprüfung verwendet wird.

Bild 3. Künstliche Intelligenz und maschinelles Lernen sind leistungsstarke Techniken zur Kennzeichnung, Klassifizierung von Qualitätsdaten, zur Lokalisierung von Problemen und zur Segmentierung von Fehlern zur Identifizierung und Aktion während der automatisierten CT-Inspektion. Bild mit freundlicher Genehmigung von Volume Graphics

Die automatisierte Inspektion reduziert den menschlichen Aufwand und senkt Fehler und Kosten durch Wiederholbarkeit. Der Einsatz von Techniken der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) trägt zur Geschwindigkeit und Genauigkeit automatisierter Inspektionen bei.

Mit synthetischen Daten trainierte KI und ML helfen dabei, Bereiche zu identifizieren, die allein mit visuellen Mitteln nur schwer oder gar nicht zu erkennen und zu verstehen sind. Hersteller müssen die Größe, den Durchmesser, die Tiefe und den Abstand zwischen Defekten/Mängeln kennen, um deren Auswirkungen auf die Teileleistung vorherzusagen. KI/ML ermöglicht es dem System, kleinere Fehler zuverlässiger zu finden und die Scanzeit zu verkürzen. Diese Daten werden zurückgeführt, um die FEA-Analyse zu verfeinern. Sobald Muster erfasst, „klassifiziert“ und „lokalisiert“ sind, werden sie zur besseren und schnelleren Identifizierung „segmentiert“. (Siehe Bild 3.) Algorithmen unterstützen den CT-Segmentierungsprozess und werden durch ihn trainiert. Anschließend bilden sie Vorlagen, die der automatisierten Inline- oder Atline-Inspektion dienen.

Auch hier sind reale Daten die fundierte Wahrheit über die Qualität eines Teils und seine Fähigkeit, Spezifikationen zu erfüllen. Es wird auch verwendet, um statistische Analysen für integrierte Manufacturing Execution Systems (MES) bereitzustellen, die Maschinenvariationen überwachen und die Grundlage für Industrie 4.0-Initiativen bilden.

Lithium-Ionen-Batterien für Elektrofahrzeuge, private und gewerbliche Stromspeicher-/Backup-Systeme und mehr haben Vorteile gegenüber anderen Arten von Metall- und Bleibatterien, erfordern aber auch eine strenge Qualitätsüberwachung. Die CT-Analyse kann von der frühen Forschung und Entwicklung über die Produktion bis hin zu End-of-Life-Inspektionen für Li-Ionen-Batterien eingesetzt werden. Die Software kann zwar keine Informationen über die Elektrochemie der Zellen liefern, mechanische Eigenschaften, die sich aus dieser Chemie ergeben, verraten jedoch den Status der Einheit und können jederzeit überprüft werden. Beispielsweise kann ein thermisches Durchgehen die mechanischen Bedingungen verändern (und umgekehrt). Dies ist eine Dynamik unter vielen, die im Design und/oder in der Produktion gemessen und ausgeglichen werden kann.

Bei der Batterieoptimierung im Vorfeld des Designs geht es um Wandabstände, Dichtungen und Toleranzen, die Verteilung chemischer Zellen, den Gehäusebau und mehr. Während der Produktion können Fehler auftreten, die, wenn sie einmal entdeckt werden, frühzeitig aus der Herstellungskette entfernt werden können. Delaminationen, lokalisierte Fremdpartikel (vom Schneiden) und Unregelmäßigkeiten in den Schichten des Elektrodenpakets sind typische Inspektionsziele. Auch das Verschweißen der Kontakte und das Versiegeln des Gehäuses stellen potenzielle Fehlerstellen dar, die zu Kurzschlüssen führen können.

Der Einsatz von KI/ML trägt wesentlich dazu bei, die enorme Komplexität des Batteriedesigns und der Batterieproduktion zu verstehen. Da so viel auf dem Spiel steht, verbessert die Automatisierung der CT-Analyse und ihre gemeinsame Nutzung das Batteriedesign, die Herstellung und die Endprüfung – und ermöglicht so höchste Zuverlässigkeit und elektrische Leistung.

Bild 4. Die Software von Volume Graphics ermöglicht die Messung der Anodenüberlappung. Die Höhe des Überstands wird anhand einer Farbskala angezeigt, die in diesem Beispiel von 2 mm (rot) bis 2,68 mm (blau) reicht. Ein konstanter und gewünschter Anodenüberstand erfordert eine hochpräzise Fertigung und Prüfung. Bild mit freundlicher Genehmigung von Volume Graphics, Scan: Waygate Technologies (ehemals GE Inspection Technologies)

Durchbrüche bei Wartung, Reparatur und Betrieb (MRO) für Turbinenschaufeln und andere werkzeugintensive Flugzeugteile werden weit über die Luftfahrtindustrie hinaus erhebliche wirtschaftliche Auswirkungen haben.

Boeing und Airbus streben an, die Produktionszahlen ihrer Flugzeuge vor der COVID-19-Krise zu erreichen, mussten jedoch aufgrund eines Mangels an Triebwerken die Produktion zurückfahren. Angesichts dieser Engpässe ist es für MRO-Programme von entscheidender Bedeutung, vorhandene Triebwerke und Flugzeuge so lange wie möglich am Laufen zu halten, bis neue Flugzeuge auf den Markt kommen.

Bild 5. 3D-gedruckte Turbinenschaufel aus Hastelloy X mittels Laser-Pulver-Bett-Fusion (LPBF). Foto mit freundlicher Genehmigung von Velo3D. Sowohl neue Rotorblätter (oben) als auch ausgediente Rotorblätter, die durch Schweißen oder Directed Energy Deposition (DED) repariert wurden, können von der CT-Analyse profitieren. Die Daten können Teams aus den Bereichen Design, Simulation, Qualität, Fertigung und MRO über die tatsächliche Qualität eines Teils informieren.

Turbinenschaufeln sind teure Teile mit hohem Verschleiß, die unter sehr rauen Bedingungen eingesetzt werden. Dies macht sie zu hervorragenden Kandidaten für die Analyse. Das CT-Scannen von Turbinenschaufeln, bei denen eine Inspektion ansteht, erfasst deren Oberflächenmesstechnik und die inneren Merkmale des Teils, wie z. B. die reparierbare Wandstärke, zusammen mit Daten zu Fehlern, Defekten und Rissen.

Wenn entschieden wird, dass eine Klinge überholt werden kann, wird direkt aus einem CT-Scan (oder STL) ein CAD-Modell erstellt. Anschließend wird eingebettete Software für die Schweiß- und/oder DED-Prozesssimulation verwendet, um das Reparaturergebnis und die während des Betriebs auftretenden Wärmeverformungen des Rotorblatts vorherzusagen. Nach der physischen Reparatur wird die Klinge erneut auf Qualität überprüft. Außerdem wird die Bearbeitungsphase simuliert und erneut gescannt, um festzustellen, ob sie wieder in Betrieb genommen werden kann.

Der Wert der CT für Flugsicherheitsbeispiele wie die Wartung und Reparatur von Turbinenblättern oder Fahrwerken ist klar. Darüber hinaus können große Kosten eingespart werden, indem neue Werkzeuge für Altteile vermieden werden und wirtschaftliche Alternativen zum Flugverbot und zur Reduzierung von Flugreisen geschaffen werden.

Bild 6. Flussdiagramm der CT-Analyse für die DED-Reparatur von Turbinenschaufeln. Bild mit freundlicher Genehmigung von Volume Graphics

Fortschritte in der CT-Scan- und Datenanalysesoftware bereichern jede Phase der Produktentwicklung und -herstellung. Reale CT-Oberflächen- und Innendaten helfen bei der Verbesserung und Validierung von Modellen, Simulationen, Materialien, Prozessen und fertigen Produkten.

Die Software hat weit über die Endprüfung hinaus Fortschritte gemacht und verbindet mehrere Disziplinen rund um vertrauenswürdige Daten. Dadurch wird die Entwicklung beschleunigt und sichergestellt, dass Hersteller besser zusammenarbeiten können, um die Qualität zu steigern und Risiken zu senken.

Im Gegenzug wird der Einsatz von KI und ML, die automatisierte Inspektionen unterstützen, die Kosten senken und den Herstellern größtmögliches Vertrauen in die Produkte geben, die sie ihren Kunden verkaufen.

Julian Gölz , Volumengrafiken – Teil von Hexagon. Für weitere Informationen senden Sie eine E-Mail an [email protected].