Svenja Hauck

Ausgangssituation:

Die Paradigmenverschiebung in der Produktnachhaltigkeit hat dazu geführt, dass diese nicht mehr als optionales Add-on, sondern als unverzichtbares Kriterium betrachtet wird.

Die üblichen Programme, zur Erstellung von maschinen-lesbarem Code für die Produktion, hier dem 3D Druck, beachten diese Nachhaltigkeitsaspekte jedoch nicht. Ausführliche Testreihen sind für eine Optimierung von Nöten. Um diesen Prozess zu verbessern, könnten Ansätze der künstlichen Intelligenz (KI) dazu beitragen, die Anzahl der Versuche zu reduzieren und trotzdem das Optimum zu finden. Dies ist besonders hilfreich bei teuren und zeitaufwendigen Versuchen.

Zielsetzung/Fragestellung:

1. Bewertung von Nachhaltigkeit im Kontext von 3D Druckern: Methoden und Ansätze

2. Finden eines Optimums an Einstellparametern mit dem geringsten CO2-Fußabdrucks unter akzeptabler Qualität

3. Darstellung und Modellierung von Druckparametern und deren Interdependenzen

Vorgehen:

1. Durchführung einer Literatur- und State-of-the-Art-Analyse zu den Themen:

   a) 3D Druckprozess und dessen Optimierungsmöglichkeiten mittels Machine Learning

   b) Nachhaltigkeitsbewertung für den 3D-Druck

   c) Versuchsplanung- und auswertung

2. Aufstellung eines Versuchsplans und Durchführung einer Versuchsreihe mit verschiedenen Druckparametern

3. Machine Learning Verfahren anwenden zur Optimierung des CO2-Fußabdrucks

4.Statistische Auswertung der Versuchsergebnisse

5. Identifikation von Problembereichen und Grenzen des vorgeschlagenen Ansatzes