Bruken av additiv tilvirkning (AM) øker, særlig for reservedeler og småserieproduksjon. AM er en digital og fysisk prosesskjede med mange fordeler som muliggjør innovative design med korte ledetider. Noen utfordringer gjenstår imidlertid for å bruke AM i en industriell setting. Målet med dette prosjektet er å takle noen av disse utfordringene. Prosjektet tar for seg følgende tema: numerisk beregning av mekanisk ytelse, prosessovervåkning kombinert med maskinlæring for å forbedre og dokumentere produktkvalitet, samt analyse av bærekraft og demonstrasjon av materialgjenvinning.
Forskningsinnovasjonen fokuserer på AM-prosesskategorien "materialekstrusjon" med fiberforsterkede termoplastiske polymermaterialer, spesielt AM-prosesser for å lage deler med kontinuerlig fiberforsterkning, f.eks. med karbonfibre. Dette er avanserte AM-prosesser for produksjon av deler med høy stivhet og styrke i forhold til tetthet (en kan typisk oppnå høyere verdier enn for lettmetaller).
Prosjektet skal utvikle AM-kompositt-teknologi for å lage deler med bedre kvalitet, repeterbarhet, dokumentasjon og bærekraft, samt forutsi mekanisk ytelse med god nøyaktighet. For å nå disse målene skal prosjektet utvikle et system for in situ prosessovervåkning og etablere materialmodeller for bruk i elementberegninger. Klimaavtrykket til deler lagd med slike AM-komposittprosesser vil bli sammenliknet med avtrykket for konvensjonelle komposittprosesser, og materialgjenvinning av kompositt-AM-deler vil ble demonstrert.
Partnere
Søkerbedriften Fieldmade AS var tidlig ute med å ta i bruk AM-teknologi i innovative mobile mikro-fabrikker. Bedriftens ambisjon med dette prosjektet er å etablere en dypere forståelse for materialer, forsterkningsløsninger, produksjonsprosesser og komponentkvalitet, slik at de kan produsere komponenter med høyere krav enn tidligere. Prosjektet vil bidra til å forbedre bedriftens mobile AM-stasjon NOMAD LW som har et stort salgspotensial og høy eksportandel.
Innofiber AS produserer små serier i avanserte komposittmaterialer med konvensjonelle komposittprosesser, og har også tatt i bruk AM.
UiO bidrar med ekspertise innen sensorikk og maskinlæring via forskningsgruppen for Robotikk og Intelligente Systemer (ROBIN).
SINTEF bidrar med eksperise på AM, komposittmaterialer og testing/modellering av mekaniske egenskaper via faggruppen for polymer- og komposittmaterialer.
Prosjektet vil bidra til å utvikle kunnskapsbasert industri i Norge ved å jobbe tverrfaglig for å forene ekspertise innen AM, materialteknologi, modellering av mekanisk ytelse (faststoffmekanikk), sensorteknologi og maskinlæring.
Prosjekttype: Innovasjonsprosjekt i Næringslivet (IPN)
Finansiering: Forskningsrådet
