Optimierung robotergestützter 3D-Druckprozesse mit Hilfe von Reinforcement Learning Agents

Im Rahmen des Forschungsprojekts KiRo3D wurde eine 3D-Druckroboterzelle digitalisiert. Dazu wurden ein Pyrometer und eine CMOS-Kamera zur Echtzeit-Schmelzbadüberwachung über einen Strahlteiler in den Strahlengang integriert. Gekoppelt mit der RSI-Schnittstelle des KUKA-Roboters werden die Prozessdaten effizient erfasst und in einer Datenbank gespeichert.

Zusätzlich wurde ein umfassendes Prozessüberwachungs-Tool entwickelt, mit dem die Maschinenbediener den Prozess in Echtzeit überwachen können. Für die anschließende Analyse wurde ein webbasiertes Analysetool entwickelt, das die Visualisierung und Auswertung der Prozessdaten nach dem Bau ermöglicht. Dieses Tool ermöglicht nicht nur die ortsspezifische Darstellung von Sensordaten (Geomapping), sondern unterstützt auch die Erstellung von Datensätzen und das Training von maschinellen Lernmodellen.

Diese Modelle werden zum Trainieren von Reinforcement-Learning-Agenten verwendet, die die Prozessmerkmale schrittweise aus historischen Daten lernen. Letztlich können diese Agenten im Prozess eingesetzt werden, um die Steuerung der Prozessparameter zu automatisieren. Dieser Ansatz stabilisiert den Prozess, verbessert die Produktqualität, minimiert den Ausschuss und reduziert die Produktionskosten.