-
Die Erfindung betrifft ein Verfahren zum Erzeugen von Steuerdaten für ein Fertigungsbauteil für zumindest eine Fertigungsvorrichtung für ein additives Fertigungsverfahren mittels einer elektronischen Recheneinrichtung. Ferner betrifft die Erfindung ein Computerprogrammprodukt sowie eine elektronische Recheneinrichtung.
-
Aus dem Stand der Technik sind bereits additive Fertigungsverfahren, welche auch als generatives Fertigungsverfahren bezeichnet werden können, bekannt.
-
Die
WO 2019/170 286 betrifft ein Verfahren und eine Vorrichtung zum selbstoptimierenden, additiven Herstellen von Bauteilkomponenten.
-
Aufgabe der vorliegenden Erfindung ist es ein Verfahren, ein Computerprogrammprodukt sowie eine elektronische Recheneinrichtung zu schaffen, mittels welchen verbessert Fertigungsbauteile hergestellt werden können.
-
Diese Aufgabe wird durch ein Verfahren, ein Computerprogrammprodukt sowie eine elektronische Recheneinrichtung gemäß den unabhängigen Patentansprüchen gelöst. Vorteilhafte Ausgestaltungsformen sind in den Unteransprüchen angegeben.
-
Ein Aspekt der Erfindung betrifft ein Verfahren zum Erzeugen von Steuerdaten für ein Fertigungsbauteil für zumindest eine Fertigungsvorrichtung für ein additives Fertigungsverfahren mittels einer elektronischen Recheneinrichtung. Es erfolgt das Bereitstellen eines digitalen Bauteils als Datensatz in einer Maschinengitterstruktur für die elektronische Recheneinrichtung. Der Datensatz wird mittels der elektronischen Recheneinrichtung voxeliert. Es erfolgt das Erzeugen von zumindest einem nicht-druckbaren Datensatz in Abhängigkeit von dem voxelierten Datensatz und ein Erzeugen von zumindest einem druckbaren Datensatz in Abhängigkeit von dem voxelierten Datensatz mittels der elektronischen Recheneinrichtung. Es wird der nicht-druckbare Datensatz und der druckbare Datensatz an ein neuronales Netzwerk der elektronischen Recheneinrichtung zum Anlernen des neuronalen Netzwerks übertragen. Es erfolgt das Erzeugen der Steuerdaten zum Erzeugen des Fertigungsbauteils in Abhängigkeit von zumindest einem das Fertigungsbauteil charakterisierender Parameter und in Abhängigkeit von einem die Fertigungsvorrichtung charakterisierender Parameter mittels des angelernten neuronalen Netzwerks.
-
Somit können vereinfacht die Steuerdaten für das Fertigungsbauteil erzeugt werden. Insbesondere entfällt dabei ein manuelles Überprüfen, ob das Fertigungsbauteil für die Fertigungsvorrichtung geeignet ist. Durch das erfindungsgemäße Verfahren kann bereits vorher, insbesondere auf Basis von CAD-Daten des Fertigungsbauteils überprüft werden, ob das Fertigungsbauteil mittels des Fertigungsverfahrens und/oder der Fertigungsvorrichtung hergestellt werden kann.
-
Insbesondere wird ein solches Verfahren auch als 3D Druckverfahren bezeichnet. Hierzu kann eine entsprechende Fertigungsvorrichtung, welche auch als 3D-Drucker bezeichnet werden kann, genutzt werden, um additiv, also erzeugend, aus einem Material ein entsprechendes Fertigungsbauteil zu erzeugen. Hierbei ist bekannt, dass beispielsweise Bauteile überprüft werden, ob diese überhaupt mit dem einen entsprechenden Druckverfahren hergestellt werden können. Dies erfolgt meistens manuell und anhand von Entscheidungen eines Ingenieurs, ob entsprechende Parameter erfüllt sind, um diese zu fertigen. Ferner kann auch überprüft werden, ob beispielsweise überhaupt die Fertigungsvorrichtung zum Erzeugen dieses Bauteil verwendet werden kann, beispielsweise ob das Bauteil zu groß dimensioniert ist, um in der Fertigungsvorrichtung erzeugt zu werden. Erfindungsgemäß wird dies nun automatisiert.
-
Bei dem additiven Fertigungsverfahren handelt es sich insbesondere auch um ein sogenanntes generatives Fertigungsverfahren. Hierbei wird Material bereitgestellt, welches dann additiv zum Fertigungsbauteil gefertigt wird. Insbesondere kann es sich dabei um ein sogenanntes 3D-Druckverfahren handeln. Die Fertigungsvorrichtung ist insbesondere als 3D-Drucker bereitgestellt. Insbesondere wird somit bei dem Fertigungsverfahren das Material Schicht für Schicht aufgetragen und so wird das dreidimensionale Fertigungsbauteil erzeugt. Bei dem Maschengitterstrukturdatensatz handelt es sich insbesondere um sogenanntes Mesh-Grid. Ein Voxel bezeichnet dabei einen Gitterpunkt in einem dreidimensionalen Gitterpunkt. Dies entspricht einem Pixel in einem zweidimensionalen Bild, einer Rastergrafik. Wie bei dem sogenannten Pixeln wird bei Voxeln üblicherweise die Position nicht explizit gespeichert, sondern implizit aus der Position zu anderen Voxeln hergeleitet.
-
Insbesondere kann somit das erfindungsgemäße Verfahren im Falle von komplexen Fertigungsprozessen, bei denen komplexe Fertigungsbauteile aus tausenden von mehreren Fertigungsbauteilen bestehen, und die bei der dreidimensionalen-Druck-Technik herkömmliche Fertigungsverfahren ersetzen, um diese zu individualisieren und zu optimieren. Die Funktionsintegration, wie beispielsweise Designfreiheit kann erhöht werden, der Designzyklus von Prototypen verbessert werden und der Ressourcenverbrauch kann verbessert verwaltet werden.
-
Insbesondere nutzt somit die Erfindung, dass in der Regel Beispiele von dreidimensionalen Fertigungsobjekten, die auf einem bestimmten dreidimensionalen Drucker druckbar sind, vorhanden sind. Auf der anderen Seite fehlen in der Regel jedoch die sogenannten „negativ“-Beispiele von fehlgeschlagenen und nicht-druckbaren Fertigungsbauteilen. Diese Daten sind entscheidend für die Entwicklung des erfindungsgemäßen neuronalen Netzwerks. Daher ist vorgeschlagen, diesen Datensatz synthetisch zu konstruieren, indem nicht-druckbare Fertigungsbauteile in druckbare Modelle aufgenommen werden. Dies erhöht den Datensatz und kann zur Technik zur Datenerweiterung genutzt werden. Außerdem ist es möglich, die vorgeschlagene Pipeline, also das Verfahren, für jeden dreidimensionalen Drucker und jedes neue Druckmaterial, das zur Verfügung steht, wiederholt anzupassen, wobei dies leicht zwischen verschiedenen dreidimensional-Druckermarken und Hersteller verallgemeinert werden kann.
-
Gemäß einer vorteilhaften Ausgestaltungsform werden in Abhängigkeit von einem Fertigungsmaterial des Fertigungsbauteils als der das Fertigungsbauteil charakterisierende Parameter die Steuerdaten erzeugt. Insbesondere kann das Fertigungsmaterial aus unterschiedlichen Kunststoffarten oder metallischen Arten bereitgestellt werden. Mittels des additiven Fertigungsverfahrens kann dann in Abhängigkeit dieses Fertigungsmaterials überprüft werden, ob beispielsweise das Fertigungsbauteil auch tatsächlich mittels der Fertigungsvorrichtung erzeugt werden kann. Hierbei können beispielsweise unterschiedliche Parameter, wie Beispielsweise Festigkeit oder Schmelztemperatur zum Fertigungsmaterial an die elektronische Recheneinrichtung und an das neuronale Netzwerk übergeben werden, wodurch dadurch entschieden werden kann, inwiefern das Fertigungsbauteil erzeugt werden kann, und wie dann die entsprechenden Schritte und Steuerdaten auszusehen haben. Somit kann vorteilhaft das Fertigungsbauteil erzeugt werden.
-
Ebenfalls vorteilhaft ist, wenn in Abhängigkeit von einer Art der Fertigungsvorrichtung als der die Fertigungsvorrichtung charakterisierende Parameter die Steuerdaten erzeugt werden.
-
Beispielsweise kann die Art davon abhängig sein, welche Fertigungsmaterialien verwendet werden. Ferner kann auch eine entsprechende Größe der Fertigungsvorrichtung berücksichtigt werden, also welche Größe von Fertigungsbauteilen innerhalb der Fertigungsvorrichtung erzeugt werden können. Somit kann vorteilhaft das Fertigungsbauteil erzeugt werden.
-
In einer weiteren vorteilhaften Ausgestaltungsform wird mittels des neuronalen Netzwerks entschieden, ob das Fertigungsbauteil mittels der Fertigungsvorrichtung erzeugbar ist. Insbesondere wird dies in Abhängigkeit von den unterschiedlichen charakterisierenden Parametern des Fertigungsbauteils und der Fertigungsvorrichtung durchgeführt. Insbesondere erfolgt dies nun mittels des neuronalen Netzwerks automatisiert, sodass ohne manuellen Eingriff entschieden werden kann, ob das Fertigungsbauteil erzeugt werden kann. Somit kann eine Vielzahl von unterschiedlichen Fertigungsbauteilen erzeugt werden, wobei mittels des neuronalen Netzwerks vorteilhaft die entsprechenden Steuerdaten erzeugt werden können.
-
Weiterhin vorteilhaft ist, wenn eine Vielzahl von Fertigungsvorrichtungen bereitgestellt wird und mittels des neuronalen Netzwerks entschieden wird, mittels welcher Fertigungsvorrichtung der Vielzahl von Fertigungsvorrichtungen das Fertigungsbauteil gefertigt wird. Beispielsweise können unterschiedliche Arten von Fertigungsvorrichtungen bereitgestellt werden, welche wiederum zum Verarbeiten von unterschiedlichen Fertigungsmaterialien und unterschiedlichen Größen von Fertigungsbauteilen ausgebildet sind. Insbesondere können somit die unterschiedlichen Arten und Materialien berücksichtigt werden, wobei dann mittels des neuronalen Netzwerks entschieden werden kann, mittels welcher Fertigungsvorrichtung das Fertigungsbauteil erzeugt werden kann. Somit ist es ermöglicht, dass verbessert ein Fertigungsbauteil erzeugt werden kann.
-
Gemäß einer weiteren vorteilhaften Ausgestaltungsform ist das neuronale Netzwerk als faltendes neuronalen Netzwerks bereitgestellt. Insbesondere kann je nachdem, welches Fertigungsmaterial und welche Fertigungsvorrichtung verwendet wird, ein unterschiedliches neuronales Netzwerk bereitgestellt werden. Insbesondere ist die Anzahl der Schichten abhängig von dem Fertigungsmaterial und der Fertigungsvorrichtung.
-
In einer weiteren vorteilhaften Ausgestaltungsform wird eine Vielzahl von Fertigungsmaterialien für das Fertigungsbauteil bereitgestellt und mittels des neuronalen Netzwerks wird entschieden, mittels welchem Fertigungsmaterial der Vielzahl von Fertigungsmaterialien das Fertigungsbauteil gefertigt wird. Beispielsweise können Parameter durch einen Nutzer der elektronischen Recheneinrichtung vorgegeben werden, beispielsweise welche Biegefestigkeit oder ähnliches das Fertigungsbauteil aufweisen muss, und mittels des neuronalen Netzwerks wird dann entschieden, welches Fertigungsmaterial geeignet ist, um die entsprechenden Vorgaben zu erfüllen. Somit kann ein automatisierter Prozess zum Erzeugen der Steuerdaten bereitgestellt werden, wodurch vorteilhaft das Fertigungsbauteil erzeugt werden kann.
-
Gemäß einer weiteren vorteilhaften Ausgestaltungsform werden die erzeugten Steuerdaten an das neuronale Netzwerk zum weiteren Anlernen rückpropagiert. Insbesondere, wenn das Fertigungsbauteil erzeugt wurde, können die entsprechenden Daten, beispielsweise ob das Fertigungsbauteil entsprechenden Vorgaben entspricht, genutzt werden, um das neuronale Netzwerk weiter anzulernen. Insbesondere werden diese rückpropagiert, sodass das neuronale Netzwerk zukünftig verbessert die Steuerdaten für weitere Fertigungsbauteile erzeugen kann.
-
Bei dem vorgestellten Verfahren handelt es sich insbesondere um ein computerimplementiertes Verfahren. Daher betrifft ein weiterer Aspekt der Erfindung ein Computerprogrammprodukt mit Programmcodemitteln, welche eine elektronische Recheneinrichtung dazu veranlassen, wenn die Programmcodemittel von der elektronischen Recheneinrichtung abgearbeitet werden, ein Verfahren nach dem vorhergehenden Aspekt durchzuführen. Ein weiterer Aspekt der Erfindung betrifft daher ebenfalls auch ein computerlesbares Speichermedium mit dem Computerprogrammprodukt.
-
Ein nochmals weiterer Aspekt der Erfindung betrifft eine elektronische Recheneinrichtung zum Erzeugen von Steuerdaten für ein Fertigungsbauteil für zumindest eine Fertigungsvorrichtung für ein additives Fertigungsverfahren, mit zumindest einem neuronalen Netzwerk, wobei die elektronische Recheneinrichtung zum Durchführen eines Verfahrens nach dem vorhergehenden Aspekt ausgebildet ist. Insbesondere wird das Verfahren mittels der elektronischen Recheneinrichtung durchgeführt.
-
Die elektronische Recheneinrichtung weist beispielsweise Prozessoren, Schaltkreise, insbesondere integrierte Schaltkreise, und weitere elektronische Bauteile auf, um ein entsprechendes Verfahren durchführen zu können.
-
Zu der Erfindung gehören auch Weiterbildungen der erfindungsgemäßen elektronischen Recheneinrichtung, die Merkmale aufweisen, wie sie bereits im Zusammenhang mit den Weiterbildungen des erfindungsgemäßen Verfahrens beschrieben worden sind. Aus diesem Grund sind die entsprechenden Weiterbildungen der erfindungsgemäßen elektronischen Recheneinrichtung hier nicht noch einmal beschrieben.
-
Die Erfindung umfasst auch die Kombination der Merkmale der beschriebenen Ausführungsformen.
-
Im Folgenden werden Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:
- 1 ein schematisches Ablaufdiagramm gemäß einer Ausführungsform des Verfahrens; und
- 2 ein schematisches Blockschaltbild gemäß einer weiteren Ausführungsform des Verfahrens.
-
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsbeispiele der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden und damit auch einzeln oder in einer anderen als der gezeigten Kombination als Bestandteil der Erfindung anzusehen sind. Des Weiteren sind die beschriebenen Ausführungsbeispiele auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.
-
In den Figuren sind funktionsgleiche Elemente jeweils mit denselben Bezugszeichen versehen.
-
1 zeigt ein schematisches Ablaufdiagramm gemäß einer Ausführungsform des Verfahrens.
-
Insbesondere zeigt die 1 rein schematisch eine elektronische Recheneinrichtung 1. Die elektronische Recheneinrichtung 1 ist zum Erzeugen von Steuerdaten 2 für ein Fertigungsbauteil 3 für zumindest eine Fertigungsvorrichtung 4 für ein additives Fertigungsverfahren ausgebildet. Hiezu weist die elektronische Recheneinrichtung 1 zumindest ein neuronales Netzwerk 5 auf.
-
Beim Verfahren zum Erzeugen der Steuerdaten 2 für das Fertigungsbauteil 3 für die zumindest eine Fertigungsvorrichtung 4 erfolgt das Bereitstellen eines digitalen Bauteils 6 als Datensatz in einer Maschengitterstruktur 7 für die elektronische Recheneinrichtung 1. Es erfolgt das voxelieren des Datensatzes mittels der elektronischen Recheneinrichtung 1, was vorliegend mit dem Bezugszeichen 8 angezeigt ist. Es erfolgt das Erzeugen von zumindest einem nicht-druckbaren Datensatz 9 in Abhängigkeit von dem voxelierten Datensatz 8 und ein Erzeugen von zumindest einem druckbaren Datensatz 10 in Abhängigkeit von dem voxelierten Datensatz 8 mittels der elektronischen Recheneinrichtung 1. Es erfolgt dann das Übermitteln des nicht-druckbaren Datensatzes 9 und des druckbaren Datensatzes 10 an das neuronale Netzwerk 5 zum Anlernen des neuronalen Netzwerks 5. Es erfolgt dann das Erzeugen der Steuerdaten 2 zum Erzeugen des Fertigungsbauteils 3 in Abhängigkeit von zumindest einem das Fertigungsbauteil 3 charakterisierender Parameter und in Abhängigkeit von einem die Fertigungsvorrichtung 4 charakterisierenden Parameter mittels des angelernten neuronalen Netzwerks 5. Vorliegend ist insbesondere der Lernprozess mit dem Bezugszeichen 11 versehen. Bei dem neuronalen Netzwerk 5 handelt es sich bevorzugt um ein faltendes neuronalen Netzwerks 5 (convolutional neuronal network - CNN).
-
Die 1 zeigt ferner, beispielsweise dass der nicht-druckbare Datensatz 9 vorliegend eine Ausbuchtung/Fehler 12 aufweist, welche/r zu klein ist, sodass sie nicht durch die Fertigungsvorrichtung 4 erzeugt werden kann. Ein zweites Beispiel für den nicht-druckbaren Datensatz 9, ist gezeigt, dass die Ausbuchtung zu groß ist, um diese mit der Fertigungsvorrichtung 4 zu erzeugen.
-
Insbesondere kann vorgesehen sein, dass in Abhängigkeit von einem Fertigungsmaterial des Fertigungsbauteils 3 als der das Fertigungsbauteil 3 charakterisierende Parameter die Steuerdaten 2 erzeugt werden. Ferner können in Abhängigkeit von einer Art der Fertigungsvorrichtung 4 als der die Fertigungsvorrichtung 4 charakterisierende Parameter die Steuerdaten 2 erzeugt werden. Insbesondere ist vorgesehen, dass mittels des neuronalen Netzwerks 5 entschieden wird, ob das Fertigungsbauteil 3 mittels der Fertigungsvorrichtung 4 erzeugbar ist. Ferner zeigt die 1, dass die erzeugten Steuerdaten 2 an das neuronale Netzwerk 5 zum weiteren Anlernen rückpropagiert werden können.
-
Insbesondere ist somit vorgesehen, dass das digitale Bauteil 6 als 3D-Objekt in der Mesh-Grid Representation bereitgestellt wird, wobei dies dann wiederum skaliert und standardisiert wird. Die Maschengitterstruktur 7 wird dann wiederum zum voxelierten Datensatz 8 verarbeitet. Ausgehend nun von dem voxelierten Datensatz 8, welcher insbesondere einem druckbarem Datensatz 10 entspricht, werden dann wiederum entsprechende Fehler 12 eingearbeitet. Hierbei kann, wie bereits gesagt von Fehlern 12 ausgegangen werden, welche noch druckbar sind, und somit den druckbaren Datensatz 10 entsprechen oder von Fehlern 12, welche nicht mehr druckbar sind, und somit den nicht-druckbaren Datensatz 9 entsprechen. Die Fehler 12, welche nicht mehr druckbar sind, können beispielsweise durch den Hersteller der Fertigungsvorrichtung 4 vorgegeben werden und können zufällig eingefügt werden. Insbesondere können die Fehler 12 dann mit einer Vielzahl von voxelierten Datensätzen 8 kombiniert werden, wobei dann auch eine Vielzahl von nicht-druckbaren Datensätzen 9 erzeugt werden können.
-
Nachdem Erzeugen der Daten wird das neuronale Netzwerk 5 angelernt, wobei dann wiederum eine Klassifikation durchgeführt werden kann, ob das Fertigungsbauteil 3 dann gedruckt werden kann oder nicht. Die genaue Architektur des neuronalen Netzwerks 5 ist dabei abhängig von dreidimensionalen Daten zur Parameterisierung und können mit entsprechenden Verdichtungsschichten im neuronalen Netzwerk 5 erweitert werden.
-
2 zeigt ein weiteres schematische Blockscheidbild gemäß einer Ausführungsform des Verfahrens. Vorliegend wird eine Vielzahl von Fertigungsvorrichtungen 4, 13, 14 bereitgestellt, wobei die Vielzahl der Fertigungsvorrichtungen 4, 13, 14 vorliegend mit der Fertigungsvorrichtung 4, einer zweiten Fertigungsvorrichtung 13, einer vierten Fertigungsvorrichtung 14 und einer noch nicht hinzugefügten Fertigungsvorrichtung 15 bereitgestellt werden kann. Insbesondere zeigt somit die 2, dass eine Vielzahl von Fertigungsvorrichtungen 4, 13, 14, 15 bereitgestellt werden und mittels des neuronalen Netzwerks 5 entschieden wird, mittels welcher Fertigungsvorrichtung 4, 13, 14, 15 das Fertigungsbauteil 3 erzeugt werden kann.
-
Insbesondere kann somit beschrieben werden, dass im Falle mehrerer Fertigungsvorrichtungen 4, 13, 14, 15 das neuronale Netzwerk 5 den optimalen Drucker beziehungsweise die optimale Fertigungsvorrichtung 4, 13, 14, 15 und das geeignete Fertigungsmaterial für eine bestimmte Druckaufgabe basierend auf der Objektform auswählen kann. Für jeden 3D-Drucker und seine Anforderung in Kombination mit Druckmaterialien folgt das 3D-Objekt oder die gesamte 3D-Objektdatenbank der oben beschriebenen Pipeline. Dies hilft, das Model für die Druckentscheidung aufzubauen und zu aktualisieren, vom Transfer-Lernen zu profitieren und es auf neue Drucker, wie durch die noch nicht hinzugefügte Fertigungsvorrichtung 15 dargestellt, und Materialien zu erweitern. Ferner kann die Inferenz des Models ausgeführt werden und geprüft werden, ob das dreidimensionale-Objekt, mit anderen Worten das Fertigungsbauteil 3, auf verfügbaren Druckern mit verfügbaren Material druckbar ist, und wenn nur wenige Drucker und Materialien den Anforderungen entsprechen das Optimum empfehlen.
-
Bezugszeichenliste
-
- 1
- elektronische Recheneinrichtung
- 2
- Steuerdaten
- 3
- Fertigungsbauteil
- 4
- Fertigungsvorrichtung
- 5
- Neuronales Netzwerk
- 6
- Digitales Bauteil
- 7
- Maschengitterstruktur
- 8
- voxelierter Datensatz
- 9
- Nicht-druckbarer Datensatz
- 10
- Druckbarer Datensatz
- 11
- Anlernen
- 12
- Fehler
- 13
- Fertigungsvorrichtung
- 14
- Fertigungsvorrichtung
- 15
- Fertigungsvorrichtung
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
