Die Anwendung des generativen Designs für den Metall-3D-Druck mittels SLM wird demonstriert, um Druckzeit und Materialkosten zu reduzieren. Im Rahmen der Studie wurde ein Fall von 30 Einheiten 3D-Modellen traditionellen Designs ausgewählt, auf die generatives Design angewendet und die Topologie der Produkte geändert wurde. Die erzielten Ergebnisse zeigen eine deutliche Reduzierung der 3D-Druckzeit (durchschnittlich 28,5 %) und der Masse des verwendeten Pulvermetalls (durchschnittlich 31,09 %). Die Studie ergab einen Anstieg des Bedarfs an Stützmaterial zur Gewährleistung eines effizienten 3D-Drucks, und zwar um durchschnittlich 38 %, was aufgrund der Art und Weise, wie generative Modelle erstellt werden, zu erwarten war. Trotz der positiven Ergebnisse erfordert die effektive Implementierung generativer Designtechnologien in der additiven Industrie die Entwicklung des Softwaremarktes und die Ausweitung hochqualifizierten Personals zur Erstellung von 3D-Modellen, die den Qualitätsstandards im 3D-Druck entsprechen.

Einführung

In den letzten Jahren hat sich die additive Fertigung, insbesondere der 3D-Metalldruck, zu einem wichtigen Akteur in Fertigungsprozessen in einer Vielzahl von Branchen entwickelt, wie beispielsweise der Luft- und Raumfahrt, der Automobilindustrie, der Energiebranche und
Maschinenbau. Diese Technologien bieten eine hohe Flexibilität im Design, die Möglichkeit,
komplexe Geometrien und weniger Abfall im Vergleich zu herkömmlichen Produktionsmethoden [1]. Jedoch,
Trotz ihrer Vorteile sind mit der Optimierung der Produktionsprozesse auch zahlreiche Herausforderungen verbunden.

Ziel der Studie ist es, die Wirksamkeit des Einsatzes von generativem Design zur Optimierung von 3D-Metalldruckprozessen im Hinblick auf die Reduzierung des Materialverbrauchs und der Druckzeit zu untersuchen.

Generatives Design ist ein innovativer Ansatz, der Automatisierung ermöglicht
den Designprozess mithilfe additiver Technologien und erstellen optimierte Designs mit minimalem Materialeinsatz unter Beibehaltung der Festigkeitseigenschaften [2]. Das
Dies ist insbesondere im Kontext der wachsenden Forderungen nach nachhaltiger Entwicklung und Umweltverantwortung von Bedeutung. Generatives Design birgt großes Potenzial, ist aber nicht ohne Herausforderungen. In [3] wird auf Probleme mit dem Rechenaufwand und der Notwendigkeit einer Nachbearbeitung in verschiedenen Produktionsphasen hingewiesen.

Die Erforschung des Potenzials des generativen Designs kann zur Entwicklung nachhaltigerer und kostengünstigerer Herstellungsverfahren beitragen, ein wichtiges Ziel für Schlüsselsektoren der Wirtschaft.

Das Konzept des generativen Designs

Generatives Design ist eine moderne Entwurfsmethode, die algorithmische Prozesse und Computertechnologie nutzt, um aus einem Ausgangsmodell optimierte Formen und Strukturen zu erstellen. Dieser Ansatz ermöglicht es Designern und Ingenieuren, spezifische Parameter festzulegen, wie beispielsweise
Wie Materialien, Abmessungen, Belastungen und Fertigungsbeschränkungen, woraufhin das System eine Vielzahl von Lösungsoptionen generiert, die die angegebenen Kriterien erfüllen [4].

Der Prozess basiert auf einer algorithmischen Modellierung, die die Prozesse der natürlichen Selektion nachahmt. Dadurch können wir die effektivsten Formen und Strukturen finden, die im traditionellen Design möglicherweise nicht offensichtlich sind. [5]. Ziel dieser Methode ist die Optimierung des Designs unter Berücksichtigung verschiedener Faktoren wie Festigkeit, Gewicht, Kosten und Funktionalität. Dies trägt dazu bei, leichtere und stärkere Produkte herzustellen, was in Branchen wie der Luft- und Raumfahrt sowie der Automobilindustrie zusätzliche Bedeutung hat [6].

Generatives Design passt perfekt zu 3D-Drucktechnologien, da es die Erstellung komplexer
geometrische Formen, die mit herkömmlichen Methoden nur schwer oder gar nicht hergestellt werden können [7].

Generierung einer neuen Produkttopologie

In dieser Studie wurde generatives Design mit der Software Autodesk Inventor 2025 implementiert. Dieses Tool ermöglicht algorithmische Ansätze zur Erstellung optimierter geometrischer Formen basierend auf angegebenen Parametern und Einschränkungen (Abb. 1).

Reis. 1. Beispiel für die Optimierung der Topologie eines Gehäuseteils
Forschungsmodelle

Der Prozess beginnt mit der Definition der Produktanforderungen wie mechanische Belastungen, Größe und Materialbeschränkungen. Autodesk Inventor generiert dann mehrere Entwurfsoptionen, aus denen die effizienteste ausgewählt wird.

Nach der Generierung der Modelle hat der Benutzer die Möglichkeit, jedes einzelne mit integrierten Werkzeugen wie statischer und dynamischer Analyse zu bewerten und die Stabilität der Strukturen zu beurteilen [8]. Dadurch können nicht nur optimale Lösungen ermittelt, sondern auch verstanden werden, wie verschiedene Parameter die Wirksamkeit von Transformationen beeinflussen.

Im Rahmen der Studie wurden folgende Messparameter ermittelt:

  • Druckzeit: Die Gesamtzeit, die zum Drucken jeder Probe benötigt wurde, wurde gemessen, wodurch die Produktivität des Prozesses beurteilt werden konnte.
  • Materialvolumen: Die zum Drucken jeder Probe erforderliche Menge an Pulvermetall wurde gemessen. Dadurch konnten wir die Kosteneffizienz des Prozesses und das Potenzial zur Reduzierung der Materialkosten beurteilen.

Testen von Proben vor und nach der Anwendung des generativen Designs

Die Prüfung der Proben umfasste mehrere Schritte.

  • . Probenvorbereitung: Zunächst wurden 3D-Modelle mit traditionellem Design ausgewählt und neue Modelle mithilfe des generativen Designs in Autodesk Inventor erstellt. Alle Muster (30 Einheiten) wurden für den Druck auf einem 3D-Drucker SLM Solution 280 v2 entwickelt. Druckmaterial – AISI 440C-Stahl.
  • Zur Analyse der Spannungen und Dehnungen der Proben wurde die Methode der Finiten Elemente (FEM) verwendet. Mit dieser Methode lässt sich das Verhalten von Materialien unter dem Einfluss verschiedener Belastungen simulieren und so genaue Vorhersagen über die Festigkeit und Stabilität von Strukturen treffen. [9]. Die Modelle wurden in der entsprechenden Software erstellt, wo für beide Probentypen eine Spannungsanalyse durchgeführt wurde (Abb. 2).

Reis. 2. Analyse von Spannungen und Dehnungen mittels FEM

  • Die Berechnung der veränderlichen Parameter Druckzeit und Materialkosten erfolgte im Programm NetFabb.

3. NetFabb berechnet die Gesamtdruckzeit anhand der folgenden Faktoren:

  • Scanzeit: wird durch die Lasergeschwindigkeit und die Anzahl der Durchgänge bestimmt, die zum Füllen jeder Schicht erforderlich sind;
  • Reisezeit: Dabei wird die Zeit berücksichtigt, die benötigt wird, um den Laser zwischen den Druckbereichen zu bewegen.
  • Gesamtzahl der Schichten: Dabei werden die Dicke jeder Schicht und die Gesamthöhe des Modells berücksichtigt.

Die Berechnung der zum Drucken eines Modells erforderlichen Pulvermaterialmenge basiert auf:

  • Materialvolumen: berechnet basierend auf der Geometrie des Modells und der angegebenen Dichte des Materials;
  • Materialverluste: Berücksichtigt Verluste bei der Reinigung und beim Recycling von nicht verwendetem Pulver nach dem Drucken.

4. Analyse der Ergebnisse: Die Änderung der Parameter der in der Studie ausgewählten Modelle nach der Anwendung des generativen Designs wurde bewertet. Dabei wurde Wert darauf gelegt, die Effizienz der Materialnutzung zu steigern und die Energiekosten bei gleichbleibenden Festigkeitseigenschaften zu senken.

Vergleichende Analyse der Produktparameter vor und nach der Anwendung des generativen Designs

Als Ergebnis der Studie wurden Indikatoren berechnet, die es ermöglichen, die Wirksamkeit der generativen Veränderung der ursprünglichen Modelle zu bestimmen (Tabelle).

Basierend auf den Daten in der Tabelle wurden relative Indikatoren für die Reduzierung von Masse, Volumen und Druckzeit berechnet:

  • Die Einsparungen bei den für die Herstellung der Produkte erforderlichen Materialien variieren im ausgewählten Datensatz zwischen 8,9 und 61,64 %, wobei der Durchschnittswert bei 31,09 % liegt.
  • die Volumenänderung des 3D-Modells variiert von 3,3 bis 64,55 % mit einem Durchschnittswert von 35 %;
  • Die zur Herstellung von Produkten erforderliche Einsparung an 3D-Druckzeit liegt zwischen 3,33 und 60 %, der Durchschnittswert beträgt 28,5 %.

In absoluten Zahlen konnten wir durch den Einsatz des generativen Designs für die untersuchte Modellbank 872 Druckstunden und 30,8 kg Pulvermetall einsparen.

Auch im Rahmen der Studie wurde bei einer der 6,5 Proben ein negatives Ergebnis hinsichtlich der Veränderung der Masse (Zunahme von 7,4 %) und der Druckzeit (Zunahme von 30 %) festgestellt. Trotz der Reduzierung der Masse des Produkts selbst nahm die Masse des Trägermaterials zu, was zu einem insgesamt negativen Ergebnis führte – sowohl die Druckzeit als auch die benötigte Materialmenge stiegen. In diesem Zusammenhang wurde zusätzlich die Veränderung der Stützmasse bei Verwendung des generativen Designs analysiert (Abb. 3).

Reis. 3. Veränderung der Masse des Trägermaterials

Tisch. Ergebnisse der Berechnungen von Indikatoren für traditionelle und generative Stichproben

Teilenummer Original 3D-Modelle Durch generatives Design transformierte Modelle
Volumen,
sm3		 Masse, g Gewicht mit Kapsel. mat.1, g Zeit
3D-Druck, h		 Volumen cm3 Masse, g Gewicht mit Kapsel.
mat., g		 Zeit
3D-Druck,
Stunde
1 121,3 929,0 968,1 26,5 74,5 570,7 618,7 17,3
2 787,5 6032,3 6476,5 179,0 279,2 2138,4 2889,6 90,3
3 304,0 2328,5 2474,0 74,0 217,5 1666,2 1834,7 57,3
4 370,4 2837,2 2965,2 87,0 228,5 1750,3 2101,4 64,5
5 489,7 3751,3 3884,5 111,0 301,8 2311,6 2712,9 80,5
.........
25 124,8 955,9 1001,9 27,5 86,1 659,2 703,6 19,5
26 188,4 1443,1 1501,4 40,5 113,4 869,0 911,3 25,0
27 11,5 87,7 112,6 6,0 9,3 71,3 101,9 5,8
28 1803,0 13810,7 14874,1 464,8 1137,3 8711,9 9705,1 303,0
29 395,0 3025,7 3069,1 83,0 203,5 1558,8 1647,4 46,0
30 48,4 370,7 398,8 12,0 29,6 226,8 252,7 8,0

Bei 16 von 30 Proben nahm die Stützmasse im Mittel um 38 % zu. Dies liegt daran, dass beim generativen Design kompliziertere und komplexere Formen entstehen, die zusätzliche Unterstützung erfordern, um eine Verformung des Produkts während des Drucks zu vermeiden [10]. Trotz der festgestellten negativen Auswirkungen durch die Zunahme des Trägermaterials werten wir das Gesamtergebnis der Studie als positiv: Durch generatives Design konnten Masse, Volumen und Gewicht des Drucks um durchschnittlich ein Drittel reduziert werden.

Abschluss

Die praktische Bedeutung der erzielten Ergebnisse liegt in der Entscheidungsunterstützung im Prozess der Verwaltung von Produktionsressourcen beim Einsatz additiver Technologien, um die Produktivität, die ökologische Nachhaltigkeit und die Anpassung an Marktveränderungen zu steigern.

Die erzielten Versuchsergebnisse, die auf eine Reduzierung der Druckzeit und des Materialeinsatzes schließen lassen, haben erhebliche Auswirkungen auf die Produktionslogistik. Durch die Reduzierung der Druckzeiten sind schnellere Produktionszyklen möglich, was wiederum eine schnellere Reaktion auf
Nachfrageänderungen und Verbesserung der allgemeinen Produktionsflexibilität. Darüber hinaus reduziert sich die Menge an verbrauchtem
Material senkt die Rohstoffkosten und verbessert die Gesamtwirtschaftlichkeit des Prozesses innerhalb der Produktionskosten.

Zu den Herausforderungen bei der Verwendung generativer Designtechnologie im 3D-Druck gehört der begrenzte Softwaremarkt und der Mangel an hochqualifiziertem Personal zur Vorbereitung von Modellen, die den Anforderungen für hochwertigen 3D-Druck entsprechen. Wir hoffen, dass der allgemeine Trend zur Entwicklung von Technologien der künstlichen Intelligenz sowie die wachsende Nachfrage der Branchen, die Produkte der additiven Technologie verwenden, dazu beitragen werden, diese Barriere zu überwinden.

Referenzen

  1. Pakhtaeva A. Ya. Methoden des generativen Designs // NOEMA. 2021. Nr. 2 (7), S. 213-220.
  2. Golubev O.V., Degtyareva A.N., Sapelkin M.E. Möglichkeiten zur Reduzierung der CO2023-Emissionen durch additive Technologien // Automatisierung in der Industrie. 11. Nr. XNUMX. 
  3. Zhang, Y., Wang, Z., Zhang, Y., Gomes, S., & Bernard, A. Bioinspiriertes generatives Design zur Erzeugung und Optimierung von Stützstrukturen in der additiven Fertigung (AM) // CIRP Annals. 2020. 69(1). 117–120. 
  4. Baker, S., Liu, Y., Zhang, H. Generatives Design: Ein neues Paradigma für die Konstruktionstechnik // Journal of Mechanical Design. 2019. 141(10). 101-115.
  5. Zhu, J., Zhou, H., Wang, C., Zhou, L., Yuan, S., & Zhang, W. Eine Überprüfung der Topologieoptimierung für die additive Fertigung: Status und Herausforderungen // Chinese Journal of Aeronautics. 2021. 34(1), 91–110.
  6. Ashby, M.F., Johnson, K. Materialien und Design: Kunst und Wissenschaft der Materialauswahl im Produktdesign. 2018. Butterworth-Heinemann
  7. Gibson, I., Rosen, DW, Stucker, B. Additive Fertigungstechnologien: 3D-Druck, Rapid Prototyping und direkte digitale Fertigung. 2015. Springer.
  8. Gonzalo Acosta-Zazueta, Jorge Alcaide-Marzal, José Antonio Diego-Más. (). Generative Designsoftware und verschiedene Ansätze // Proceedings of DARCH. 1. Internationale Konferenz für Architektur und Design, 2021. 101-108.
  9. Vergazova O. B., Korolev E. A. Anwendung der Finite-Elemente-Methode zur Lösung technischer Probleme // Modern
    Europäische Forschungen. 2021. Nr. 2. S. 76–81.
  10. Mirzendehdel, A. M., & Suresh, K. (2016). Optimierung der Topologie eingeschränkter Stützstrukturen für die additive Fertigung // Computergestütztes Design. 81. 1–13.

Degtyareva Anna Nikolaevna – Doktorandin der NUST MISIS, Stellvertreterin. Generaldirektor für Entwicklung Studia3D,
Sapelkin Maksim Eduardovich – Doktorand der NUST MISIS, Projektmanager der JSC RASU,
Golubev Oleg Valentinovich – PhD. Technik. Wissenschaften, außerordentlicher Professor, NUST "MISIS",
Kamonichkin Dmitry Tamashevich – Generaldirektor Studia3D.
E-Mail: anvishnevskay@mail.ru