Versuchsplanung für die 3D-Druck-Prozessentwicklung: Der Engineering-Weg von der orthogonalen Vorauswahl über die Response-Surface-Modellierung bis zur Kalibrierung des Prozessfensters

Einleitung: Warum die Parameteroptimierung immer wieder auf der Stelle tritt

Bei der Vor-Ort-Abstimmung von Laser Powder Bed Fusion für Metalle (LPBF) und Polymer-Sinterprozessen ist folgendes Szenario besonders häufig: Ein Ingenieur erhöht die Laserleistung von 250 W auf 280 W, die Dichte steigt um 0,3 %, also wird die Leistung weiter erhöht. Bei 300 W tritt Keyholing auf, woraufhin wieder nach unten korrigiert wird. Nach einem solchen Durchlauf wurden mehr als zehn Probekörper gefertigt, das Ergebnis ist jedoch nur eine fragmentierte Erfahrungskurve, und bei einem Wechsel der Maschine oder des Pulvers muss alles von vorn beginnen. Das Problem liegt nicht an mangelndem Einsatz der Ingenieure, sondern daran, dass die Ein-Faktor-Methode keine Wechselwirkungen erfassen kann: Leistung und Scangeschwindigkeit bestimmen gemeinsam die volumetrische Energiedichte, während die Schichtdicke wiederum die Wärmeabfuhr des Schmelzbads verändert. Da die drei Faktoren gekoppelt sind, lässt sich durch die Veränderung nur einer Variablen nie das Gesamtbild erkennen.

Die Versuchsplanung (Design of Experiments, DoE) bietet genau den Engineering-Ansatz zur Lösung solcher Probleme mit multiplen Faktorwechselwirkungen: Mit möglichst wenigen Probekörpern lassen sich Haupteffekte, Wechselwirkungen und Antwortflächen gleichzeitig schätzen sowie freigabefähige Prozessfenster mit Konfidenzintervallen ableiten. Dieser Beitrag stellt für die 3D-Druck-Prozessentwicklung eine vollständig umsetzbare Methode vor – von der orthogonalen Vorauswahl über die Response-Surface-Modellierung bis zur Fensterverifizierung.

I. Zunächst drei Versuchsarten unterscheiden: Vorauswahl, Modellierung und Verifizierung

Die Prozessentwicklung kann nicht mit einem einzigen Versuch abgeschlossen werden. Sie erfolgt üblicherweise in drei Stufen, die sich hinsichtlich Zielsetzung, Faktoranzahl und Probekörperzahl unterscheiden.

Die erste Stufe sind Screening-Versuche. Ihr Ziel ist es, aus 6–10 potenziellen Faktoren die tatsächlich signifikanten 2–4 Faktoren auszuwählen. Typische Kandidaten sind Laserleistung, Scangeschwindigkeit, Scanabstand, Schichtdicke, Vorheiztemperatur, Scanstrategie (Streifenbreite), Rotationswinkel zwischen den Schichten und Schutzgasdurchfluss. In der Screening-Phase genügen 8–12 Versuche mit teilfaktoriellen Designs oder Plackett-Burman-Designs; als grobe Antwortgrößen werden lediglich Dichte und Oberflächenrauheit betrachtet.

Die zweite Stufe sind Modellierungsversuche. Ziel ist der Aufbau eines Response-Surface-Modells für die ausgewählten 2–3 Schlüsselfaktoren. Üblicherweise werden ein Central Composite Design (CCD) oder ein Box-Behnken-Design eingesetzt. Ein CCD mit drei Faktoren umfasst sechs axiale Punkte, acht Würfelpunkte und sechs Wiederholungen im Zentrum, insgesamt also 20 Versuche. Die Antwortgrößen werden auf Dichte, Zugfestigkeit, Maßabweichung und Oberflächenrauheit Ra erweitert.

Die dritte Stufe sind Verifizierungsversuche. Innerhalb des vom Modell vorhergesagten optimalen Bereichs werden 3–5 Bestätigungspunkte wiederholt gedruckt, um zu prüfen, ob die Abweichung zwischen Modellvorhersage und Messwert innerhalb von ±5 % liegt. Nach erfolgreicher Verifizierung werden die Fenstergrenzen um 10 % eingeengt und als Parameterbereich für die Serienfertigungs-Prozesskarte festgelegt.

II. Orthogonale Versuche: Mit möglichst wenigen Probekörpern den größtmöglichen Raum abdecken

Bei einer überschaubaren Anzahl von Faktoren mit gleicher Zahl an Stufen sind orthogonale Tabellen die wirtschaftlichste Wahl. Für LPBF mit Edelstahl 316L werden beispielsweise die drei Faktoren Laserleistung P, Scangeschwindigkeit v und Scanabstand h jeweils mit drei Stufen untersucht. Ein vollfaktorielles Design würde 27 Versuche erfordern, während mit einer orthogonalen L9(3^4)-Tabelle nur neun Versuche nötig sind.

Das konkrete Design lautet: P bei 200/240/280 W, v bei 800/1000/1200 mm/s und h bei 0,09/0,11/0,13 mm. Nach Anordnung der Versuche gemäß L9 wird für jede Stufenkombination eine Gruppe von Würfelproben mit 10 × 10 × 10 mm gefertigt. Die Dichte wird nach dem Archimedes-Prinzip gemessen und gleichzeitig die Oberflächenrauheit Ra dokumentiert.

Für die Datenanalyse genügt eine Spannweitenanalyse zur schnellen Rangfolgeermittlung: Für jeden Faktor wird die mittlere Antwort auf jeder Stufe berechnet; die Spannweite lautet R = max(mittlere Antwort) − min(mittlere Antwort). Je größer R ist, desto signifikanter ist der Einfluss des Faktors. Ergeben sich beispielsweise R(P)=2,1 %, R(v)=1,4 % und R(h)=0,6 %, lautet die Rangfolge Leistung > Geschwindigkeit > Abstand. Ergänzend wird eine Varianzanalyse (ANOVA) durchgeführt, um die Signifikanz per F-Test zu bewerten: Faktoren mit einem F-Wert über dem kritischen Wert und einem p-Wert unter 0,05 gehen in die nächste Modellierungsrunde ein.

Die Einschränkung orthogonaler Versuche besteht darin, dass sie keine Wechselwirkungen zwischen Faktoren voraussetzen. Besteht der Verdacht auf eine starke Kopplung von Leistung und Geschwindigkeit – die volumetrische Energiedichte E = P/(v·h·t) ist selbst eine Produktbeziehung –, sollte in der Modellierungsphase ein Response-Surface-Design eingesetzt werden, statt die orthogonale Tabelle weiter zwanghaft anzuwenden.

III. Response-Surface-Methode: Von diskreten Punkten zur kontinuierlichen Fläche

Der Kern der Response-Surface-Methode (RSM) ist die Anpassung eines quadratischen Polynoms an die Beziehung zwischen Antwortgröße und Faktoren:

Y = β0 + Σβi·xi + Σβii·xi² + Σβij·xi·xj + ε

Der Kreuzterm βij stellt dabei die quantifizierte Wechselwirkung dar. Bei einem CCD mit drei Faktoren ist der axiale Abstand α ein zentraler Parameter. Für ein rotierbares Design gilt α = 2^(k/4) = 2^(3/4) ≈ 1,682, wobei k die Anzahl der Faktoren ist. Die axialen Punkte liegen im codierten Raum bei ±1,682, die Würfelpunkte bei ±1, und der Mittelpunkt wird sechsmal wiederholt, um den reinen Fehler zu schätzen.

Nach der Anpassung sind drei Prüfungen zwingend erforderlich: Erstens zeigt der Lack-of-Fit-Test bei einem p-Wert über 0,05, dass keine signifikante Abweichung zwischen Modellform und Daten besteht. Zweitens sollten das Bestimmtheitsmaß R² und das korrigierte R² geprüft werden; ihre Differenz sollte unter 0,2 liegen, da andernfalls Überanpassung möglich ist. Drittens müssen Normalverteilung der Residuen und Varianzhomogenität kontrolliert werden. In der Praxis tritt häufig der Fall auf, dass R² bei 0,95 liegt, das korrigierte R² jedoch nur 0,86 beträgt. In diesem Fall sollten nicht signifikante kubische Terme entfernt und das Modell erneut angepasst werden.

Die Multi-Response-Optimierung ist im 3D-Druck besonders anspruchsvoll: Die Dichte soll maximiert, die Rauheit minimiert und die Maßabweichung gegen null geführt werden – Ziele, die häufig miteinander konkurrieren. In der Praxis wird eine Desirability-Funktion verwendet, welche jede Antwortgröße auf das Intervall 0–1 abbildet. Aus dem geometrischen Mittel wird die Gesamtwünschbarkeit D gebildet; die Parameterkombination wird dort festgelegt, wo D maximal ist. Die Gewichtungen richten sich nach den Prioritäten der Kundenabnahme. Beispielsweise kann für Luftfahrtbauteile die Dichte mit 0,5, die Rauheit mit 0,3 und die Maßabweichung mit 0,2 gewichtet werden.

IV. Kalibrierung des Prozessfensters: Den optimalen Punkt in einen freigabefähigen Bereich überführen

Das Auffinden eines optimalen Punkts ist nur der erste Schritt; für die Serienfertigung wird ein Bereich benötigt. Eine praktikable Methode ist das überlagerte Konturdiagramm (Overlay Contour Plot): Die Akzeptanzgrenzen jeder Antwortgröße werden als Konturen dargestellt – Dichte ≥ 99,5 %, Ra ≤ 12 μm und Maßabweichung ≤ ±0,1 mm. Der Überlappungsbereich aller Konturen bildet das Prozessfenster.

Nach der Bestimmung des Fensters muss eine Sicherheitsreserve vorgesehen werden. Empfehlenswert ist, die Fenstergrenzen um 10 % nach innen zu verschieben. Liefert das Modell beispielsweise einen zulässigen Leistungsbereich von 235–265 W, wird auf der Prozesskarte 238–262 W angegeben. Der Grund dafür ist, dass Schwankungen zwischen Pulverchargen, Änderungen der Schutzgasreinheit und Leistungsabfall des optischen Systems den tatsächlichen Prozesspunkt schrittweise verschieben können. Eine Reserve kann den Prozessfähigkeitsindex Cpk von 1,0 auf über 1,33 erhöhen.

Die Fensterverifizierung erfolgt in drei Chargen mit jeweils fünf Teilen. Je eine Gruppe wird im Fensterzentrum, knapp innerhalb der oberen Fenstergrenze und knapp innerhalb der unteren Fenstergrenze gefertigt. Wenn alle drei aufeinanderfolgenden Chargen die Anforderungen erfüllen und die Verschiebung der Chargenmittelwerte weniger als ein Drittel der Standardabweichung der Antwortgröße beträgt, gilt das Fenster als stabil. Die Verifizierungsdaten werden zugleich in der Prozessdokumentation erfasst und dienen als Basis für die spätere Rückverfolgbarkeit.

V. Häufige Fehler und Checkliste

Fehler eins: Die Anzahl der Probekörper als alleinigen Kostenfaktor betrachten. Tatsächlich sind neun orthogonale Versuche plus 20 CCD-Versuche deutlich kostengünstiger als 30 blinde Ein-Faktor-Iterationen – und liefern zudem ein wiederverwendbares Modell.

Fehler zwei: Blockeffekte ignorieren. Werden 20 CCD-Versuche über drei Tage hinweg durchgeführt, können Änderungen des Maschinenzustands, der Pulvercharge sowie der Umgebungsbedingungen bei Temperatur und Feuchte in die Residuen eingehen. Korrekt ist es, das Datum als Blockfaktor in das Design aufzunehmen oder Wiederholungen der Mittelpunktversuche innerhalb der Blöcke zur Driftüberwachung einzuplanen.

Fehler drei: Nur die Dichte betrachten. Ein Prozesspunkt mit 99,5 % Dichte erfüllt nicht zwangsläufig die mechanischen Anforderungen, da Bindefehler bei der Dichtemessung möglicherweise unterschätzt werden. Es wird empfohlen, mindestens Zugfestigkeit und Bruchdehnung parallel zu prüfen und bei Bedarf metallografische Untersuchungen sowie stichprobenartige industrielle CT-Prüfungen zu ergänzen.

Ausführungs-Checkliste: Decken die Faktorstufen den stabil betreibbaren Bereich der Anlage ab? Sind Wiederholungen im Mittelpunkt zur Schätzung des reinen Fehlers vorgesehen? Wurde ein Lack-of-Fit-Test durchgeführt? Stimmen die Gewichtungen der Mehrfachantworten mit den Kundenabnahmekriterien überein? Enthält das Fenster eine Reserve von 10 %? Decken die Verifizierungschargen die Fenstergrenzen ab?

Zusammenfassung

Die Versuchsplanung transformiert die Entwicklung von 3D-Druckprozessen von empirischem Trial-and-Error in eine quantifizierbare und reproduzierbare Engineering-Aufgabe: Orthogonale Versuche ermöglichen mit 9–12 Experimenten die Faktorauswahl, die Response-Surface-Methode erstellt mit rund 20 Versuchen ein quadratisches Modell einschließlich Wechselwirkungen, Desirability-Funktionen lösen Zielkonflikte, und überlagerte Konturen liefern freigabefähige Prozessfenster mit Sicherheitsreserve. Für eine Lifecycle-Management-Plattform wie lantu3D, die den Weg vom Entwurf bis zur Auslieferung physischer Bauteile abbildet, liegt der Wert von DoE nicht nur in der Parameteroptimierung: Prozesswissen wird in durchsuchbare, wiederverwendbare und überprüfbare Parametermodelle überführt. So wird jede Prozessentwicklung zum Ausgangspunkt der nächsten, statt stets wieder bei null zu beginnen.