Verzugsminimierung bei der Zerspanung von AM-Halbzeugen
-
Lasse Evers
Lasse Evers, M. Sc., geb. 1996 in Henstedt-Ulzburg, hat 2022 seinen Master of Science in Maschinenbau mit dem Schwerpunkt Produktion und Produktentwicklung an der Technischen Universität Hamburg (TUHH) erworben. Nach seinem Studium hat Lasse Evers seine heutige Position als Wissenschaftlicher Mitarbeiter am Institut für Produktionsmanagement und -technik an der TUHH übernommen und beschäftigt sich dort u. a. mit der spanenden Fertigbearbeitung additiv hergestellter Halbzeuge.
,
Hannes Zapf
Hannes Zapf, M. Sc., geb. 1989 in Neuruppin, studierte Maschinenbau in Hamburg und Magdeburg und ist seit 2016 als Wissenschaftlicher Mitarbeiter am Fraunhofer IAPT tätig. Sein Tätigkeitsfeld umfasst die additive Fertigung und Fügetechnik mit Schwerpunkt in der Prozessqualifizierung.
Melchior Blühm, M. Sc., geb. 1987 in Greifswald, studierte Maschinenbau an der Rheinisch-Westfälische Technische Hochschule Aachen und war anschließend bis 2022 als Wissenschaftlicher Mitarbeiter am Institut für Produktionsmanagement und -technik der Technische Universität Hamburg tätig. Seit 2023 arbeitet er als Ingenieur für Robotik und Automatisierung bei einem Luftfahrtunternehmen.
Prof. Dr.-Ing. Jan Hendrik Dege wurde 1978 in Dortmund geboren, studierte Maschinenbau mit Schwerpunkt Produktionstechnik an der TU Dortmund und promovierte 2012 am Institut für Fertigungstechnik und Werkzeugmaschinen der Leibniz Universität Hannover über die Zirkularfräsbearbeitung von CFK-Titan Schichtverbunden. Im Anschluss war er bis 2022 in leitenden Funktionen, unter anderem im Bereich der Werkzeugtechnologie- und NC-Programmierung, bei einem großen Luftfahrtunternehmen tätig. Seit 2022 ist er Professor für Produktionstechnik am Institut für Produktionsmanagement und -technik an der TUHH.
Abstract
Die additive Fertigung bietet durch ihr Potenzial der endkonturnahen Bauweise und der damit verbundenen Ressourcenschonung zahlreiche Vorteile, bringt jedoch auch Herausforderungen wie Eigenspannungen mit sich. Diese führen in der spanenden Bearbeitung zu Verzug, Lage- und Maßabweichungen und damit zu Nacharbeit oder Ausschuss. Um dem entgegenzuwirken, werden in diesem Beitrag verschiedene Frässtrategien verglichen, um aufzuzeigen, dass sich durch eine geeignete Prozessauslegung die resultierenden Fehler um mehr als 90 Prozent reduzieren lassen.
Abstract
Additive manufacturing offers numerous advantages due to its near-net-shape design and the associated resources savings, but also poses challenges such as residual stresses. These lead to distortion, positionaland dimensional-errors, resulting in scrap or further post-processing. To counteract this, the article compares various alternating milling strategies with conventional approaches to show that the errors can be reduced by over 90 % with a suitable process design.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
About the authors
Lasse Evers, M. Sc., geb. 1996 in Henstedt-Ulzburg, hat 2022 seinen Master of Science in Maschinenbau mit dem Schwerpunkt Produktion und Produktentwicklung an der Technischen Universität Hamburg (TUHH) erworben. Nach seinem Studium hat Lasse Evers seine heutige Position als Wissenschaftlicher Mitarbeiter am Institut für Produktionsmanagement und -technik an der TUHH übernommen und beschäftigt sich dort u. a. mit der spanenden Fertigbearbeitung additiv hergestellter Halbzeuge.
Hannes Zapf, M. Sc., geb. 1989 in Neuruppin, studierte Maschinenbau in Hamburg und Magdeburg und ist seit 2016 als Wissenschaftlicher Mitarbeiter am Fraunhofer IAPT tätig. Sein Tätigkeitsfeld umfasst die additive Fertigung und Fügetechnik mit Schwerpunkt in der Prozessqualifizierung.
Melchior Blühm, M. Sc., geb. 1987 in Greifswald, studierte Maschinenbau an der Rheinisch-Westfälische Technische Hochschule Aachen und war anschließend bis 2022 als Wissenschaftlicher Mitarbeiter am Institut für Produktionsmanagement und -technik der Technische Universität Hamburg tätig. Seit 2023 arbeitet er als Ingenieur für Robotik und Automatisierung bei einem Luftfahrtunternehmen.
Prof. Dr.-Ing. Jan Hendrik Dege wurde 1978 in Dortmund geboren, studierte Maschinenbau mit Schwerpunkt Produktionstechnik an der TU Dortmund und promovierte 2012 am Institut für Fertigungstechnik und Werkzeugmaschinen der Leibniz Universität Hannover über die Zirkularfräsbearbeitung von CFK-Titan Schichtverbunden. Im Anschluss war er bis 2022 in leitenden Funktionen, unter anderem im Bereich der Werkzeugtechnologie- und NC-Programmierung, bei einem großen Luftfahrtunternehmen tätig. Seit 2022 ist er Professor für Produktionstechnik am Institut für Produktionsmanagement und -technik an der TUHH.
Danksagung
Die Autoren bedanken sich für die finanzielle Unterstützung durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) im Forschungsprojekt AMAvia, Projektnummer 20W1902F.
Literatur
1 Blakey-Milner, B.; Gradl, P.; Snedden, G.; Brooks, M.; Pitot, J.; Lopez, E.; Leary, M.; Berto, F.; Du Plessis, A.: Metal Additive Manufacturing in Aerospace: A Review. Materials & Design 209 (2021) 12, 110008 DOI:10.1016/j.matdes.2021.11000810.1016/j.matdes.2021.110008Search in Google Scholar
2 Lange, M.: Spanende Bearbeitung additiv gefertigter Flugzeugteile. WB Werkstatt + Betrieb (2017) 9, S. 198–201Search in Google Scholar
3 Herranz, S.; Campa, F. J.; De Lacalle, L. L.; Rivero, A.; Lamikiz, A.; Ukar, E.; Sanchez, J. A.; Bravo, U.: The Milling of Airframe Components with Low Rigidity: A General Approach to Avoid Static and Dynamic Problems. Proceedings of the Institution of Mechanical Engineers (Part B). Journal of Engineering Manufacture 219 (2005) 11, S. 789-802 DOI:10.1243/095440505x3274210.1243/095440505x32742Search in Google Scholar
4 Chen, S. G.; Gao, H. J.; Wu, Q.; Gao, Z. H.; Zhou, X.: Review on Residual Stresses in Metal Additive Manufacturing: Formation Mechanisms, Parameter Dependencies, Prediction and Control Approaches. Journal of Materials Research and Technology 17 (2022) 1, S. 2950–2974 DOI:10.1016/j.jmrt.2022.02.05410.1016/j.jmrt.2022.02.054Search in Google Scholar
5 Hao, X.; Li, Y.; Zhao, Z.; Liu, C.: Dynamic Machining Process Planning Incorporating In-Process Workpiece Deformation Data for Large-Size Aircraft Structural Parts. International Journal of Computer Integrated Manufacturing 32 (2019) 2, S. 136–147 DOI:10.1080/0951192X.2018.152943110.1080/0951192X.2018.1529431Search in Google Scholar
6 Yaghi, A.; Ayvar-Soberanis, S.; Moturu, S.; Bilkhu, R.; Afazov, S.: Design against Distortion for Additive Manufacturing. Additive Manufacturing 27 (2019), S. 224–235 DOI:10.1016/j.addma.2019.03.01010.1016/j.addma.2019.03.010Search in Google Scholar
7 Liu, Z.; He, B.; Lyu, T.; Zou, Y.: A Review on Additive Manufacturing of Titanium Alloys for Aerospace Applications: Directed Energy Deposition and beyond Ti-6Al-4 V. JOM: The Journal of the Minerals, Metals & Materials Society 73 (2021) 6, S. 1804–1818 DOI:10.1007/s11837-021-04670-610.1007/s11837-021-04670-6Search in Google Scholar
8 Romanenko, D.; Prakash, V. J.; Kuhn, T.; Moeller, C.; Hintze, W.; Emmelmann, C.: Effect of DED Process Parameters on Distortion and Residual Stress State of Additively Manufactured Ti-6Al-4 V Components during Machining. Procedia CIRP 111 (2022), S. 271-276 DOI:10.1016/j.procir.2022.08.02010.1016/j.procir.2022.08.020Search in Google Scholar
9 Tepper, C.; Utsch, J.; Zarges, J.; Weigold, M.: Resource Efficiency of the Robot-Based Hybrid Additive Manufacturing Chain. In: Proceedings of the 34th Annual International Solid Freeform Fabrication Symposium – An Additive Manufacturing Conference (2023). Online unter https://repositories.lib.utexas.edu/server/api/core/bitstreams/46ff820b-a74b-42b0-8d13-21d72fafe8c7/content [Abruf am 01.04.2025]Search in Google Scholar
10 Akhtar, W.; Lazoglu, I.; Liang, S. Y.: Prediction and Control of Residual Stress-based Distortions in the Machining of Aerospace Parts: A Review. Journal of Manufacturing Processes 76 (2022) 2, S. 106–122 DOI:10.1016/j.jmapro.2022.02.00510.1016/j.jmapro.2022.02.005Search in Google Scholar
11 Aurrekoetxea, M.; López de Lacalle, L. N.; Zelaieta, O.; Llanos, I.: In-Process Machining Distortion Prediction Method Based on Bulk Residual Stresses Estimation from Reduced Layer Removal. Journal of Manufacturing and Materials Processing 8 (2024) 1, 9 DOI:10.3390/jmmp801000910.3390/jmmp8010009Search in Google Scholar
© 2025 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Höchste Qualität und maximale Effizienz Hand in Hand
- Produktivität
- Das Organisationsrätsel – mit System zum Erfolg
- Entwicklungsprozesse
- Integriertes Labornetzwerk zur Weiterentwicklung der Fügetechnik
- Supply Chain
- Konzept einer selbststeuernden Inbound Supply Chain
- Prozessoptimierung
- Vorgehensweise zur Bestimmung eines optimalen C-Teile-Managements
- Das digitale Coil
- Prozesssicherheit
- Einfluss der Werkstücksteifigkeit auf den Zerspanungsprozess
- Additive Fertigung
- Verzugsminimierung bei der Zerspanung von AM-Halbzeugen
- Resiliente Fabrik
- Planung resilienter Fabriken
- Unternehmensexzellenz
- Wie entsteht „Flow“ in einem Unternehmen?
- Wertstrommethode
- Vom linearen zum zirkulären Werteverständnis
- Künstliche Intelligenz
- Hochqualitative industrielle KI für die Impfstoffproduktion
- KIKKI – KI-Unterstützung für Verpackungsprozesse
- Künstliche Intelligenz in Arbeitsprozessen – der Mensch im Fokus
- Potenziale für die Anwendung Künstlicher Intelligenz in der schiffbaulichen Fertigung
- Digitalisierung
- Hemmnisse und Herausforderungen für KMU im Zuge der digitalen Transformation
- Large Language Models
- LLM4SPS – Evaluierung von Large Language Models für die Generierung von SPS-Code
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Höchste Qualität und maximale Effizienz Hand in Hand
- Produktivität
- Das Organisationsrätsel – mit System zum Erfolg
- Entwicklungsprozesse
- Integriertes Labornetzwerk zur Weiterentwicklung der Fügetechnik
- Supply Chain
- Konzept einer selbststeuernden Inbound Supply Chain
- Prozessoptimierung
- Vorgehensweise zur Bestimmung eines optimalen C-Teile-Managements
- Das digitale Coil
- Prozesssicherheit
- Einfluss der Werkstücksteifigkeit auf den Zerspanungsprozess
- Additive Fertigung
- Verzugsminimierung bei der Zerspanung von AM-Halbzeugen
- Resiliente Fabrik
- Planung resilienter Fabriken
- Unternehmensexzellenz
- Wie entsteht „Flow“ in einem Unternehmen?
- Wertstrommethode
- Vom linearen zum zirkulären Werteverständnis
- Künstliche Intelligenz
- Hochqualitative industrielle KI für die Impfstoffproduktion
- KIKKI – KI-Unterstützung für Verpackungsprozesse
- Künstliche Intelligenz in Arbeitsprozessen – der Mensch im Fokus
- Potenziale für die Anwendung Künstlicher Intelligenz in der schiffbaulichen Fertigung
- Digitalisierung
- Hemmnisse und Herausforderungen für KMU im Zuge der digitalen Transformation
- Large Language Models
- LLM4SPS – Evaluierung von Large Language Models für die Generierung von SPS-Code
- Vorschau
- Vorschau
