Gerade die Additive Fertigung bietet durch einen kleinteilig gesteuerten Aufbau unbegrenzte Möglichkeiten in der Formgebung und der Materialzusammensetzung von einzelnen Bauteilen. Hierdurch ergeben sich auch Möglichkeiten, um neue Technologien nachhaltiger auszulegen. Aber auch herkömmliche Verfahren besitzen viel Spielraum für eine effizientere und nachhaltigere Herstellung. Simulationen ermöglichen eine virtuelle Gestaltung. Am Computer lassen sich zahlreiche Optionen durchspielen. Algorithmen des Maschinellen Lernens bieten zudem die Möglichkeit, automatisiert optimale Lösungen zu finden. Um ein virtuelles Labor zur Prozessauslegung aufzubauen, versuchen wir folgende Fragestellungen zu beantworten:

• Welche Algorithmen eignen sich zur automatisierten Auslegung von Prozessen?
• Wie lässt sich die Effizienz der Simulationen steigern, um Prozesse in akzeptabler Zeit virtuell abbilden zu können?
• Wie lassen sich die Kriterien der Nachhaltigkeit mathematisch formulieren?

Netzfreie Partikelmethoden: Gerade bei Druckprozessen, die auf Schmelzen beruhen, kommt es zum Zusammenschluss von Materialien. Für die Simulation stellt dieser Aspekt eine Herausforderung dar. Gleiches gilt für die Abbildung des Phasenwandels, bei der sich die Grenzschicht zwischen den Zuständen stetig ändert. Aufgrund ihrer flexiblen Natur stellen netzfreie Partikelmethoden eine interessante Alternative dar. Neben der Erfüllung der Anforderungen an numerische Lösungsverfahren müssen die Algorithmen den Prozess effizient abbilden können, um Aussagen im Rahmen eines Entwicklungsprozesses treffen zu können.

Bestärkendes Lernen: 3D-Druckverfahren bieten die Möglichkeit, die Materialzusammensetzung selektiv zu steuern. Hierbei stellt sich die Frage, welche Zusammensetzung bei minimalem Materialeinsatz zu den gewünschten Eigenschaften führt. Änderungen der Prozessparameter führen zu unterschiedlichen Ergebnissen. Die unzähligen Kombinationsmöglichkeiten erschweren die optimale Auswahl. In manchen Situationen kommt es zur Ausbildung von unerwünschten Fehlstellen. Die Ursachen lassen sich nur schwer identifizieren. Die Algorithmen des Bestärkenden Lernens bieten hier einen interessanten Ansatz, um automatisiert die optimale Zusammensetzung, die bestmöglichen Prozessparameter oder die Zusammenhänge zwischen Prozess, Struktur und Eigenschaften zu finden.

Additive Fertigung: Die Herstellung von Bauteilen durch eine kleinteilige Zusammensetzung bietet in puncto Eigenschaften, Form und Nachhaltigkeit ungeahnte Möglichkeiten. Um die Potentiale auszuschöpfen, müssen die Zusammenhänge zwischen Prozess, Struktur und Eigenschaften verstanden sein. Numerische Simulationen liefern einen detaillierten Einblick in den Prozessablauf. Vergleiche mit realem Verhalten geben Rückschluss, ob die Modelle alle wesentlichen Effekte berücksichtigen. Durch eine Iteration aus Simulationen und Vergleichen werden wichtige Informationen über Zusammenhänge gewonnen. Dieses Wissen dient im Anschluss der Entwicklung von neuen 3D-Drucktechniken.

• Weißenfels, C. (2021). Simulation of Additive Manufacturing using Meshfree Methods: With Focus on Requirements for an Accurate Solution (Vol. 97). Springer Nature
• Wessels, H., & Weißenfels, C. (2022). Residual Stress Formation on the Powder Scale of Metal Powder Bed Fusion Processes. In Current Trends and Open Problems in Computational Mechanics (pp. 581-591). Springer, Cham
• Soleimani, M., & Weißenfels, C. (2021). Numerical simulation of pile installations in a hypoplastic framework using an SPH based method. Computers and Geotechnics, 133, 104006
• Hartmann, P., Weißenfels, C., & Wriggers, P. (2021). A curing model for the numerical simulation within additive manufacturing of soft polymers using peridynamics. Computational Particle Mechanics, 8(2), 369-388
• Fürstenau, J. P., Wessels, H., Weißenfels, C., & Wriggers, P. (2020). Generating virtual process maps of SLM using powder-scale SPH simulations. Computational Particle Mechanics, 7(4), 655-677
• Wessels, H., Bode, T., Weißenfels, C., Wriggers, P., & Zohdi, T. (2019). Investigation of heat source modeling for selective laser melting. Computational Mechanics, 63(5), 949-970
• Huang, D., Weißenfels, C., & Wriggers, P. (2019). Modelling of serrated chip formation processes using the stabilized optimal transportation meshfree method. International Journal of Mechanical Sciences, 155, 323-333
• Wessels, H., Weißenfels, C., & Wriggers, P. (2018). Metal particle fusion analysis for additive manufacturing using the stabilized optimal transportation meshfree method. Computer Methods in Applied Mechanics and Engineering, 339, 91-114