Zugfestigkeit von 3D-gedruckten Bauteilen

Beitrag von Prof. Dr. Joachim Günther, Juni 2022

Aktuell werden in Projektarbeiten an der Fakultät für Wirtschaftsingenieurwesen an der Hochschule München die Einflussparameter auf die mechanische Zugfestigkeit von 3D-gedruckten Bauteilen untersucht. Ein 3D-gedrucktes Bauteil wird schichtweise aufgebaut und mit einer Waben- bzw. Gitterstruktur im Inneren gefüllt. Somit sind nur die Außenflächen des Bauteils aus Vollmaterial. Deshalb unterscheiden sich gedruckte Bauteile in ihren physikalischen Eigenschaften von konventionell gefertigten Bauteilen aus Stahl oder Kunststoff. Entscheidend ist dabei, dass viele Druckparameter die Eigenschaften des Bauteils beeinflussen und dass diese Parameter variabel über die Drucker-Software einstellbar sind. Beispiele für diese Parameter sind etwa Drucktemperatur, die Fülldichte im Bauteilinneren, die Anzahl der Wandlinien, welche die Stärke der Bauteilwände definieren, Druckgeschwindigkeit, Schichtdicke und Art des Filaments.

Im Rahmen einer Umfrage unter Fachleuten, welche sich mit 3D-Druck beschäftigen,  wurde anfangs eruiert, welche Parameter möglicherweise einen starken bzw. schwachen Einfluss auf die Zugfestigkeit der Bauteile haben. Anhand der Befragungsergebnisse wurde eine Priorisierung der Untersuchungsparameter abgeleitet.

Zudem wurden geeignete Bauteile ausgewählt. Es kristallisierten sich drei Bauteil- bzw. Verbindungstypen heraus, die getestet wurden bzw. werden – die Flachzugprobe (eine Schwalbenschwanzverbindung und eine Gabel-Zugstange-Verbindung). Um reine Zugkräfte zu testen, sind Flachzugproben sehr gut geeignet.

Abbildung 1: Flachzugprobe mit 60% Fülldichte

Die ausgewählten CAD-Bauteile wurden in die Druckersoftware Ultimaker Cura überführt, die daraus unter Berücksichtigung der Druckparametereinstellungen des Benutzers ein druckfähiges Bauteil kalkuliert. Es wurde für die Zugversuche immer dieselbe Bauteilgeometrie gedruckt, z.B. die Flachzugprobe, und dabei immer nur ein einzelner Parameter abgewandelt. Hierzu wurde auf vier Drucker des Learning Lab “Digital Technologies” zurückgegriffen, alle vom selben Modell, Renkforce 100v2. Beispielsweise wurden über 20 Flachzugproben gedruckt, jeweils mit einem abgewandelten Parameter bzw. teils auch identisch, um die Druckergenauigkeit und Wiederholgenauigkeit zu testen.

Im Anschluss wurden die gedruckten Flachzugproben im Zugversuch getestet und Charakteristika wie Spannung, Dehnung, Maximalkraft und Bruchbilder wurden miteinander verglichen. Die verwendete Zugmaschine war eine Zwick/Roell Z100 im Labor der FK03.

Abbildung 2: Zugprüfmaschine Zwick/Roell Z100
Abbildung 3: Flachzugstab eingespannt in der Zugprüfmaschine

Anhand der Ergebnisse aus den Zugversuchen lassen sich Aussagen über die Stärke des Einflusses der Druckparameter auf die Zugfestigkeit ableiten.

Abbildung 4: Diagramm der vier Flachzugproben mit je unterschiedlicher Fülldichte

Einen starken Einfluss hat z.B. die Fülldichte, die Anzahl der Wandlinien und die Wahl des Filaments.

Im Folgenden wird ein konkreter Untersuchungsablauf und die Ergebnisse am Beispiel des Parameters „Fülldichte“ dargestellt:

  1. Geometrie und Material der Zugprobe: Flachzugprobe aus schwarzem PLA-Filament der Firma BASF, gedruckt auf dem Renkforce 100v2. (Abbildung 1)
  2. Untersuchter Einflussparameter: Die Fülldichte der Zugproben: 20%, 40%, 60%, 80%
  3. Zugprüfstand: Prüfstand eine Zwick/Roell Z100 im Labor der FK03. (Abbildung 2 & 3)
  4. Versuchsdaten: Für jeden Zugversuch ergibt sich im Fall der Zugstäbe eine Spannungs-Dehnungs-Kurve, wie in Abbildung 4 dargestellt. Der höchste Punkt der Kurve entspricht der maximalen Spannung Sigma , die das Bauteil ertragen kann. Diese maximale Spannung ist direkt proportional zur mechanischen Zugfestigkeit Rm. A ist die konstante Querschnittsfläche der Zugprobe. Der mathematische Zusammenhang lautet: Rm=Sigma/A
  5. Ergebnisse: Anhand von Abbildung 4 ist zu erkennen, dass die Fülldichte einen positiven Einfluss auf die Zugfestigkeit (proportional zur Spannung zum Zeitpunkt des Bruches) der Flachzugprobe hat. Der Zusammenhang ist nicht linear. Erwartet wurde ein linearer Zusammenhang zwischen maximaler Spannung und Fülldichte.
    Die Abweichung kann daran liegen, dass es Störfaktoren beim Drucken und ggf. auch bei den Messungen gibt. Eine Annahme ist der Störfaktor Wärmespannung beim bzw. unmittelbar nach dem Druck, wenn das Filament abkühlt. Dadurch kommt es zu unterschiedlich starkem Bauteilverzug, der teilweise mit dem bloßen Auge erkennbar ist. Somit steht das Bauteil beim Einspannen in die Zugmaschine bereits unter geringer Eigenspannung. Diese Biegespannungen sind im Wesentlichen Biegespannungen, die das Bauteil zusätzlich beanspruchen.

Weitere Versuche sollen den Zusammenhang zwischen Maximalspannung und Fülldichte nochmals vertiefen und die Versuchsergebnisse werden mit ähnlichen Untersuchungen anderer Forscher in Beziehung gesetzt.

Mobile Lerneinheiten an der Hochschule Würzburg-Schweinfurt auf Basis des Learning Labs

Die Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt entwickelt Leitfäden und Erklärvideos für mobile Lerneinheiten zur kompetenzorientierten Lehre auf Basis des Learning Lab “Digital Technologies”.

Wie können Dozierende eine kompetenzorientierte Lehre praxisnah, interessant und ohne technische Barrieren durchführen? Auf welche Weise vermittelt man digitale Technologie-Kompetenzen und begeistert Studierende – auch wenn diese keine Vorkenntnisse haben?

Diese Fragestellungen beschäftigten Prof. Dr. Lars Brehm und Prof. Dr. Holger Günzel (beide Hochschule München) seit mehreren Jahren. Auf der Suche nach einer geeigneten Lehrmethode entwickelten sie das Learning Lab “Digital Technologies”, welches mittlerweile vierzehn Tages-Workshops (Streams) in fünf Technologiebereichen bereitstellt. Interessierte Dozierende verschiedener Hochschulen und Fachrichtungen erhalten auf diese Weise die Möglichkeit, einen vordefinierten und gebrauchsbereiten, aber auch anpassbaren Baustein in ihre Veranstaltung einzubinden. Wichtig hierbei ist in der Community auch der Austausch der Anwender über ihre Erfahrungen und Adaptionen.

So hat die Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt im Fachbereich Maschinenbau im Rahmen des QPL-Projektes auf Basis des Learning Lab vier Workshops für ihre Bedürfnisse adaptiert. Angepasst auf die Ziele der Dozierenden an der FHWS entstanden mobile Lerneinheiten für eine kompetenzorientierte Lehre, die – soweit die Covid-Situation es zuließ – bereits erfolgreich durchgeführt wurden. Doch dabei blieb es nicht. Zusätzlich erarbeiteten sie neben praxisorientierten Leitfäden für jede Lerneinheit ein Erklärvideo, das Schritt für Schritt die Voraussetzungen und Durchführung zeigt.

Die Kolleg:Innen aus Würzburg-Schweinfurt wählten folgende vier Workshops für ihre mobile Lerneinheiten aus:

Auf diese Weise stehen anschauliche Darstellungen der Arbeitsweise mit den genannten Workshops zur Verfügung. Natürlich gilt auch hier: gerne nachmachen, anpassen, teilen!

Learning Lab mit zwei neuen Konferenzbeiträgen auf der CSERC 2020 und ICAART 2021

Die CSERC 2020 (Computer Science Education Research Conference) wurde von der Universität Leiden in den Niederlanden aufgrund der COVID Einschränkungen als reine Online-Veranstaltung vom 19. bis 20. Oktober 2020 durchgeführt. So haben wir unseren Beitrag „Learning lab “digital technologies” keeps distance“ virtuell vorgestellt (https://dl.acm.org/doi/10.1145/3442481.3442506):
In den letzten Jahren wurde das Learning Lab “Digitale Technologien” als wachsende Plattform für die Vermittlung digitaler Technologien im Kontext der Hochschullehre entwickelt. Es steigert die Motivation und das Engagement der Studierenden durch aktives und kollaboratives Lernen in Kombination mit einer haptischen Erfahrung erheblich. Im Sommersemester 2020 wurde das bewährte Konzept der haptischen Erfahrung aufgrund der Corona-Pandemie und die damit verbundenen Online-Lehre adaptiert. Im vorgestellten Artikel wird beschrieben und bewertet, wie das Konzept an die aktuelle Situation angepasst und in virtuelle Workshops umgesetzt wurde.

Die ICAART 2021 (International Conference on Agents and Artificial Intelligence) musste aufgrund der Corona-Pandemie ebenfalls vom 4. bis 6. Februar 2021 virtuell stattfinden.
In unserem Konferenzbeitrag „Forecasting air pollution in Munich: A comparison of MLR, ANFIS, and SVM” (https://www.scitepress.org/Link.aspx?doi=10.5220/0010184905000506) analysieren wir den Einsatz von Machine Learning Algorithmen zur Prognose von Luftschadstoffen in München. Die Ergebnisse bestätigen im Wesentlichen frühere Studien zur Vorhersage der Luftverschmutzung und zeigen, dass adaptive Neuro-Fuzzy-Inferenzsysteme die höchste Vorhersagekraft für alle Schadstoffe haben. Darüber hinaus kann Ozon am besten vorhergesagt werden, während Stickoxide am schlechtesten prognostiziert werden können. Ein Grund für die unterschiedliche Prognosegüte könnte an der kurzen Lebensdauer von Stickoxiden im Vergleich zu Ozon liegen.

Eine Gesamtübersicht aller Publikationen ist unter Publikationen verfügbar.

Moorgebiete mittels künstlicher Intelligenz zum Schutze des Klimas retten?

Beitrag von Prof. Dr. Holger Günzel (HM)

Mit der Virtualisierung des seit einigen Semestern erfolgreich durchgeführten Learning Lab „JAI“ (Jumpstart into Artificial Intelligence) wurde ein neues durchgängiges Projekt zur Moorrettung eingeführt.

In dem Learning Lab Workshop „JAI“ soll ein erstes Verständnis für sowohl fachliche als auch technische Ansätze der Künstlichen Intelligenz (KI) erzeugt werden.

Dazu werden die Studierenden mit einem unkonventionellen Fall (https://videos.mysimpleshow.com/eb5k5DWHwU) konfrontiert, der von den Studierenden durch KI-Unterstützung gelöst werden soll. Das Projekt “Renaturierung von Mooren zur Speicherung von CO2” dient dazu, die TeilnehmerInnen für das Thema KI zu begeistern, aber auch für ökologische Anwendungsmöglichkeiten zu sensibilisieren. Moore können durch ihre Fähigkeit als Kohlenstoffspeicher einen wertvollen Beitrag zum Klimaschutz leisten. In der Vergangenheit wurden viele Moore durch Entwässerung für die landwirtschaftliche Nutzung oder durch die Nutzung des Materials dieser Eigenschaft beraubt. Um Moore zu revitalisieren, ist die Erreichung eines intakten Wasserhaushalts ein wichtiger Schritt. Die richtige Einstellung des Wasserstandes unter Berücksichtigung des Status quo ist dabei von enormer Bedeutung. Die satellitengesteuerte Überwachung der Bodenfeuchte und die Analyse durch künstliche Intelligenz kann zeigen, wie viel Wasser im Boden gespeichert ist.

Besonders die Nutzung von KI zum Klimaschutz hat viele TeilnehmerInnen überzeugt, an diesem Workshop intensiv mitzuarbeiten.

Neue Lernerfahrung mit „Let us chat“

Beitrag von Prof. Dr. Holger Günzel (HM)

Der neueste Online-Learning-Lab-Workshop LUC („Let us chat“) wurde von knapp 40 Studierenden der Hochschule München initial durchgeführt und hat damit einige interessante Ideen umgesetzt.

Chatbots sind allgegenwärtig: Chatbots versorgen mit Informationen, beantworten Kundenanfragen oder übernehmen die Reparaturannahme. Der Chatbot als Dialogsystem zur Textein- und –ausgabe, erlaubt die Interaktion von Nutzer und IT-System in möglichst natürlicher Sprache und automatisiert wiederkehrende Konversationen.

Zum Ende des Wintersemesters 2020/2021 wurde der neueste Online-Learning-Lab-Workshop LUC von knapp 40 Studierenden der Hochschule München mit dem Aufbau eines „GreenovationBot“ – von der Ideation (Ideengenerierung), über die Installation bis zur Umsetzung und Deployment (Einsatz)- durchgeführt. Dabei werden von den TeilnehmerInnen regelbasierte, aber auch textbasierte Methoden verwendet. Dazu kommt die Chatbot-Software „Botpress Server“ in einer Cloud-Umgebung zum Einsatz. Zum Abschluss des Moduls durften die Studierenden nochmals ihr Wissen im agilen Setting unter Beweis stellen. Das Ergebnis waren fünf Chatbot-Ideen wie der Infobot zum Scrumguide „SimpleScrum“, der Akquisebot „CIL-ly“ für das Co-Innovation Lab oder der Retro-Bot „Reto“.

DMF: Datenbanken für alle!

Beitrag von Prof. Dr. Holger Günzel (HM)

Datenbanken sind omnipräsent: nahezu jede Anwendung verwendet als Basis ein Datenbanksystem zur stringenten Verwaltung der Daten. Das Datenmanagement als Teil der Data Literacy stellt die Basis für die Digitalisierung von Prozessen sowie die Entwicklung neuer Geschäftsmodelle dar. Deshalb werden häufig auch Nicht-IT-Studierenden, diese Methoden und Konzepte in Lehrveranstaltungen nahegebracht.

Der Online-Workshop „Data Management Foundation” geht ein Stück weiter. Die TeilnehmerInnen erwerben die Fähigkeit zum praktischen Gestalten von Datenmanagement-Lösungen. Dies erfolgt nicht nur durch die Beschäftigung mit der Konzeption und Modellierung von logischen Datenstrukturen, sondern auch durch die Erstellung einer cloud-basierten Anwendung mit der Low-Code-Entwicklungsplattform Oracle APEX (Application Express). Die Studierenden setzen in dem Workshop   (https://videos.mysimpleshow.com/YY9cwFIEvs) eine Plattform zur Wiederverwendung von ausgemusterten Produkten um.

Prototypen im 3D Druck – Studierende nutzen “Learning Lab” Know-How für ihre Bachelorarbeiten

Beitrag von Prof. Dr. Joachim Günther (HM)

Auch wenn seit März 2020 wegen der Corona-Rahmenbedingungen leider keine weiteren POW-Workshops (Print your own world) im Rahmen des Learning Labs durchgeführt werden konnten, verwendeten Studierende ihr praktisches Wissen, um Produkte zu realisieren. Die in Abbildung 1 – 3 gezeigten Funktionsmodelle und Prototypen entstanden in Rahmen von Bachelorarbeiten.

Wichtig vor dem Bau von Prototypen ist die Entscheidung, welche Komponenten von Prototypen gedruckt werden und welche man schneller und kostengünstiger im Baumarkt beschaffen kann (z.B. Wellen aus Rundholz und Stahlstifte).

Abbildung 1: Kardangelenk, das Rotation und Drehmoment von einer Antriebswelle zu einer Abtriebswelle übertragen kann, auch wenn die beiden Wellen winklig zueinander stehen.

Im Folgenden werden zwei mechanische Funktionsmodelle mit 3D-gedruckten Komponenten kurz vorgestellt.

Abbildung 2: Funktionsmodell mit zwei Kardangelenken, die nacheinander angeordnet sind. So lässt sich Drehmoment zwischen Wellen, die Achsversatz aufweisen, übertragen. Eine typische Anwendung im Maschinenbau.
Abbildung 3: Getriebestufe aus einem Bolzenrad und einem Keilrad. Derartige einfache Getriebe wurden im Mittelalter im Antriebsstrang von wasserbetriebenen Mühlen verwendet.

Die Bachelorarbeiten werden von Prof. Dr. Joachim Günther (Hochschule München, Fakultät 09, Wirtschaftsingenierwesen) betreut. Für weitere Informationen sprechen Sie mich gerne an.

Vom modellierten Prozess zum digitalisierten Arbeitsablauf: der neue, virtuelle Workshop “Process Management Fundamentals” (PMF)

Aufgrund der besonderen Covid19-Situation wurde im aktuellen Sommersemester 2020 das neueste Learning Lab als virtuelles Workshop-Format entwickelt: der Workshop “Process Management Fundamentals” (PMF).
Dadurch können auch in der Distanzlehre Prozesse begreifbar, selbstgesteuert und gemeinschaftlich erlebbar gemacht werden. Im neuen Workshop der Professoren Dr. Holger Günzel und Dr. Lars Brehm von der Hochschule München werden Prozesse nicht nur modelliert. Hinzu kommen das Überprüfen der Ausführung mittels Simulation und die Überführung in automatisierten Workflows zur Ausführung der Prozesse: Formulare können ausgefüllt, eMails verschickt oder Dokumente erzeugt werden. Durch das direkte Sichtbarwerden der Ergebnisse wird die oftmals vorhandene Lücke zwischen Theorie und Praxis deutlich reduziert: Die Fähigkeit des einfachen Verstehens von vorhandenen Prozessmodellen wird ergänzt durch die Fähigkeit des Erstellens von eigenen Modellen.

Workshop PMF in Aktion

Initial wurde der Workshop im Sommersemester 2020 mit 20 Studierenden im Bachelor Betriebswirtschaft eingesetzt. Hierzu kamen die bewährten Werkzeuge wie Zoom und Breakout Sessions, Nuclino als Arbeitsraum-Tool und Signavio als Cloud-System zur Prozessmodellierung zum Einsatz.

Evolution des Learning Labs: “HAT virtuell” – vom Präsenz- zum virtuellen Workshop

Der Name: Learning Lab.
Die Idee: haptische Technologie-Erfahrung in Kleingruppen.
Das Szenario: 1 Raum, 1 Dozent, 25 Studierende.

So sah die Situation noch vor einigen Monaten aus.

Die Covid-19-Pandemie stellte das Learning Lab und mit ihm die Professoren Dr. Holger Günzel und Dr. Lars Brehm von der Hochschule München vor die Aufgabe, die Workshops des Learning Lab Online-tauglich zu adaptieren.

Mitte 2020 zog der erste Stream – DBF (Digital Business Foundation) – erfolgreich in die Virtualität und ermöglichte Studierenden aus allen Teilen der Erde eine Teilnahme. Diese Erfolgsgeschichte wurde im Oktober fortgesetzt: Der Workshop HAT (Home Automation mit Internet of Things) gibt sein erfolgreiches Online-Debüt mit 50 Studierenden.

Dazu wurden die folgenden Workshop-Komponenten angepasst:

KomponenteOn-Site-FormatVirtuelles Format
Hardware-PlattformRaspberry PiAWS Linux Server :
verwaltet per Terraform
Sensoren & OutputSense-HATTrinket: Browserbasiert
Sense-HAT Simulation
Node-REDNode-RED mit
Sense-HAT
Node-RED mit
Sense-HAT Simulator
Arbeiten in KleingruppenLerninselnZoom-Breakouts
Gemeinsames Schreiben Post-ItsNuclino-Arbeitsraum
Komponenten des On-Site vs. virtuellen Learning Lab Formates
Nuclino Central Hub
Terraform

Übrigens: Die Assignments des virtuellen Workshop-Formats und die Terraform-Skripte sind natürlich in der Community offen verfügbar und laden zum Nachmachen ein.

Erstsemesterstudierende der FHWS testen Learning Lab

Gastbeitrag von Dipl.-Soz. Florian Aschinger (FHWS):

Zu Semesterbeginn am 1. und 2.Okt. 2020 begrüßte die Fakultät Maschinenbau der Hochschule für angewandte Wissenschaften Würzburg & Schweinfurt (FHWS: www.fhws.de) 71 Studienanfängerinnen und -anfänger. Trotz Corona konnten die Einführungstage unter Einhaltung strenger Hygiene- und Infektionsschutzmaßnahmen vor Ort an der Hochschule durchgeführt werden. Das spannende Veranstaltungsprogramm beinhaltete auch mehrere dreistündige Workshops, bei welchen folgende Learning Lab Streams zum Einsatz kamen:

Semesterstart in Corona-Zeiten: Studierende mit Abstand in der Aula (Foto: Stefan Kuhn)

Die Streams werden im Rahmen des Projekts BEST-FIT von der Projektgruppe „Prophet“ (Projekt- und kompetenzorientierte Eingangsphase technischer Studiengänge, BEST-FIT/Prophet) zur Förderung von Kompetenzen für die digitale Arbeitswelt eingesetzt – zunächst pilotartig im Bachelor Maschinenbau.

Für den Einsatz bei den Einführungstagen wurden die Streams etwas gekürzt und die Studierenden konnten sich vorab per Online-Wahl für einen der Workshops entscheiden. Insgesamt fanden sechs parallele Workshops statt: DTE, LC2 und APP wurden jeweils einmal, POW in zwei Räumen angeboten; zusätzlich gab es die Lerneinheit „BDT – Basic Digital Technologies“, in welcher Experimente mit dem Raspberry Pi und dem Elegoo Uno Starter Kit durchgeführt wurden. Die Studierenden arbeiteten in 2er- oder 3er-Teams (mit Maske) selbständig anhand der Aufgabenstellungen (sog. Assignments). Das Team von BEST-FIT/Prophet sowie Mitarbeitende der Fakultät Maschinenbau waren als Coaches vor Ort.

Der Einsatz der Streams war eine gute Abwechslung und ermöglichte einen projekt- und kompetenzorientierten Start ins Studium. Seitens der Studierenden bestätigte sich der positive Eindruck auch in der abschließenden Evaluation: 89% der Teilnehmenden bewerteten ihren Workshop mit „gut“ oder „sehr gut“; die ebenfalls erfassten Verbesserungsvorschläge helfen bei der Weiterentwicklung des Angebotes.