Metallverarbeitung mittels Laser ermöglicht die automatisierte und präzise Herstellung von komplexen Bauteilen, sei es für die Autoindustrie oder für die Medizin. Die gängigen Verfahren benötigen jedoch aufwendige Vorversuche. Forschende der Empa in Thun nutzen maschinelles Lernen, um Laserverfahren präziser, günstiger und effizienter zu machen.
Als Erstes haben sich die beiden Forschenden die additive Fertigung vorgenommen, also das 3D-Drucken von Metallen mittels Laser. Bei diesem Verfahren, fachlich „Powder Bed Fusion“ (PBF) genannt, werden dünne Schichten aus Metallpulver mit dem Laser an genau den richtigen Stellen geschmolzen, sodass daraus nach und nach das fertige Bauteil „herausgeschweißt“ wird. Bevor die Herstellung beginnen kann, braucht es aber beinahe immer eine aufwendige Reihe von Vorversuchen. Diese konnten die Forscher nun mit maschinellem Lernen deutlich reduzieren. Dafür nutzen sie Daten aus optischen Sensoren, die in den Lasermaschinen bereits vorhanden sind. Sie haben ihrem Algorithmus „beigebracht“, während eines Versuchs anhand dieser optischen Daten zu „sehen“, in welchem Schweißmodus sich der Laser gerade befindet. Basierend darauf legt der Algorithmus die Einstellungen für den nächsten Versuch fest. So lässt sich die Anzahl der benötigten Vorversuche um rund zwei Drittel senken, bei gleichbleibender Qualität des Endprodukts.
