Veröffentlichungen
Aktuelle Veröffentlichungen
MULTISPEKTRALE AUSWERTUNG
Analyzing multispectral emission and synchrotron data to evaluate the quality of laser welds on copper
(Jan Brüggenjürgen, Christoph Spurk, Marc Hummel, Christoph Franz, Andrè Häusler, Alexander Olowinsky, Felix Beckmann, Julian Moosmann; Analyzing multispectral emission and synchrotron data to evaluate the quality of laser welds on copper. J. Laser Appl. 1 August 2024; 36 (3): 032032.)
Beschreibung
Die Validierung des Laserschweißens von metallischen Werkstoffen ist aufgrund der hochdynamischen Prozesse sowie der begrenzten Zugänglichkeit der Schweißnaht eine anspruchsvolle Aufgabe. Die Messung der Prozessemissionen und des bearbeitenden Laserstrahls stellt eine Möglichkeit zur Erfassung hochdynamischer Prozessphänomene dar. Allerdings erfolgen diese Aufzeichnungen stets über die Oberfläche der Schweißnaht, sodass Phänomene im Inneren der Naht nur implizit erkennbar sind und einer weiteren Verarbeitung bedürfen.
Partner
> Fraunhofer-Institut für Lasertechnik ILT
> RWTH Aachen University
> Institut für Werkstoffphysik
MULTISPEKTRALE ÜBERWACHUNG
Multi-spectral Monitoring Data in Correlation with X‑ray Videography during Laser Welding of Hairpins (Christoph Franz, Sören Hollatz, Oliver Bruchwald, Christoph Spurk, Marc Hummel, Alexander Olowinsky, Eveline Reinheimer, Christian Hagenlocher, Felix Beckmann, Julian Moosmann; 13th CIRP Conference on Photonic Technologies [LANE 2024])
Beschreibung
Bei der heutigen Herstellung von Hochleistungs-Elektromotoren wird die Hairpin-Technologie eingesetzt, um die Effizienz zu steigern. Anstelle eines mit Runddraht gewickelten Stators werden dickere Kupferpins montiert und verschweißt. Typische Schweißfehler wie Spritzer, Poren oder unzureichende Verbindungen entstehen durch Oberflächenverunreinigungen, unzureichendes Spannen, fehlerhafte Positionierung oder vorhergehende Schneidprozesse. Für Produktionsanlagen reicht es nicht aus, fehlerhafte Schweißnähte zu identifizieren; es ist auch eine Klassifizierung erforderlich, um die Ursachen der Fehler zu ermitteln und diese möglichst schnell zu beheben. In dieser Studie wird die Leistungsfähigkeit eines multispektralen Überwachungssystems mithilfe von In-situ-Röntgenvideografie bewertet. Die Daten zeigen eine Korrelation mit der Stabilität der Dampfkapillare, der Schweißposition und der Spritzerbildung.
Partner
> Fraunhofer-Institut für Lasertechnik ILT
> RWTH Aachen University
> Universität Stuttgart, Institut für Strahlwerkzeuge (IFSW)
> Institut für Werkstoffphysik
EINFLUSS AUF DIE PROZESSSTRAHLUNG
Influence of full penetration welding on the multispectral signal of the
process radiation during laser beam welding of austenitic stainless steel (Patrick Meyer, Christian Schumann, Dario Spatzek, André Häusler; 13th CIRP Conference on Photonic Technologies [LANE 2024])
Beschreibung
Eine 100%ige Sichtprüfung der durchgeführten Schweißnähte ist aus wirtschaftlichen Gründen nicht immer möglich. Daher werden verschiedene Verfahren zur Prozessüberwachung eingesetzt, um die Qualität des Prozesses und der Schweißnaht zerstörungsfrei zu prüfen. Im Folgenden werden die aufgezeichneten multispektralen Signale der reflektierten Prozessstrahlung mittels beschreibender Statistik ausgewertet und Merkmale einer vollständigen Durchschweißung beim Laserstrahlschweißen von austenitischem Edelstahl herausgearbeitet. Ziel ist es, unbeabsichtigtes vollständiges Durchschweißen frühzeitig zu erkennen und zu lokalisieren, um Ausschuss zu vermeiden. Zu diesem Zweck werden angepasste Probengeometrien mit variierenden Materialdicken für die Versuchsreihe vorbereitet. Dadurch entfällt die Notwendigkeit, die Schweißprozessparameter zu variieren, um die unterschiedlichen Schweißzustände (vollständige und teilweise Durchschweißung) zu erreichen. Durch die Auswertung der Messwerte der wellenlängenselektiven Signale konnte ein signifikanter Einfluss auf die Signalintensität und die Signalfrequenz bestätigt werden.
SCHWEISSFEHLERERKENNUNG MIT 4D.TWO
Weld Defect Detection in Laser Beam Welding Using Multispectral Emission Sensor Features and Machine Learning (Amena Darwish, Manfred Persson, Stefan Ericson, Rohollah Ghasemi, Kent Salomonsson)
Beschreibung
Laserstrahlschweißen ist ein hochkomplexer Prozess, bei dem kleinste Abweichungen zu schwer erkennbaren Defekten wie Porenbildung führen können. In diesem Artikel präsentieren Forscher der Universität Skövde ein innovatives, datengetriebenes Framework zur Detektion von Schweißfehlern mithilfe multispektraler Emissionssensoren und maschinellem Lernen. Durch die Kombination von überwachten und unbeaufsichtigten Lernverfahren gelingt es, relevante Merkmale aus 4D-Photodiodensignalen zu extrahieren und mit Schweißfehlern zu korrelieren – sowohl für die nachträgliche Analyse als auch für die Echtzeitüberwachung. Die Studie zeigt, wie KI-basierte Auswertung von Sensorsignalen die Qualitätssicherung in der industriellen Fertigung revolutionieren kann.
ÜBERWACHUNG BEIM LASERSTRAHLSCHWEISSEN
Stochastic analysis of multispectral data during laser beam welding of stainless steel with different gap sizes (Patrick Meyer, André Häusler, Alexander Olowinsky; IOP Conference Series: Materials Science and Engineering, Volume 1332, 20th Nordic Laser Materials Processing Conference 26/08/2025 – 28/08/2025 Kongens Lyngby, Denmark)
Beschreibung
Die Qualitätssicherung beim Laserstrahlschweißen stellt hohe Anforderungen an Präzision und Reaktionsgeschwindigkeit. In diesem Beitrag wird ein innovativer Ansatz zur Prozessüberwachung vorgestellt, bei dem Photodiodensensoren zur Erfassung reflektierter Laserstrahlung eingesetzt werden. Diese Sensordaten liefern wertvolle Informationen über den Schweißprozess und ermöglichen durch die Integration von maschinellem Lernen eine zuverlässige Detektion von Prozessabweichungen. Ziel ist es, die Schweißqualität in Echtzeit zu überwachen und potenzielle Fehler frühzeitig zu erkennen – ein entscheidender Schritt hin zur automatisierten und intelligenten Fertigung.
MODIFIKATION VON MATERIALEIGENSCHAFTEN
Pilot Study for Data-driven Modification of Face Specific Material Properties (Manfred Persson)
Beschreibung
Diese Masterarbeit bildet den Auftakt zu einem größeren Forschungsprojekt an der Universität Skövde, das die Synergien zwischen Laserbehandlung, kompaktgraphitischem Eisen und Photodioden-Monitoring untersucht. Ziel ist es, durch gezielte Laserbestrahlung die Oberflächeneigenschaften von Gusseisen zu verbessern – insbesondere hinsichtlich Verschleißfestigkeit und Festigkeit. Die dabei entstehenden Daten werden mithilfe von Photodioden erfasst und sollen in zukünftigen Studien zur Simulation und Optimierung von Prozessparametern mittels neuronaler Netze verwendet werden. Die Pilotstudie zeigt, dass sich durch Laserbestrahlung eine gehärtete Oberflächenschicht erzeugen lässt und liefert erste Hinweise für die Weiterentwicklung des Verfahrens.
ECHTZEIT-QUALITÄTSVORHERSAGE
Real-time quality prediction in busbar laser welding: A multi-spectral photodiode and ConvLSTM framework (Dan Lönn)
Beschreibung
Die präzise Überwachung von Laserprozessen ist essenziell für die Qualität sicherheitskritischer Bauteile, etwa in der Automobilindustrie. In dieser Masterarbeit wird ein innovatives System zur Echtzeitbewertung der Schweißqualität von Aluminium-Stromschienen vorgestellt. Es kombiniert multispektrale Photodiodensensorik mit einem Deep-Learning-Modell (ConvLSTM), um Rückreflexionen und spektrale Signale während des Schweißprozesses zu analysieren. Besonders Licht im Bereich von 400 nm und 700 nm liefert wertvolle Hinweise auf Materialveränderungen und potenzielle Defekte. Das Ergebnis: eine intelligente, datengetriebene Lösung zur frühzeitigen Erkennung von Schweißfehlern und zur Optimierung industrieller Fertigungsprozesse.
Beschreibung
Die Validierung des Laserschweißens von metallischen Werkstoffen ist aufgrund der hochdynamischen Prozesse sowie der begrenzten Zugänglichkeit der Schweißnaht eine anspruchsvolle Aufgabe. Die Messung der Prozessemissionen und des bearbeitenden Laserstrahls stellt eine Möglichkeit zur Erfassung hochdynamischer Prozessphänomene dar. Allerdings erfolgen diese Aufzeichnungen stets über die Oberfläche der Schweißnaht, sodass Phänomene im Inneren der Naht nur implizit erkennbar sind und einer weiteren Verarbeitung bedürfen.
Partner
> Fraunhofer-Institut für Lasertechnik ILT
> RWTH Aachen University
> Institut für Werkstoffphysik
Multi-spectral Monitoring Data in Correlation with X‑ray Videography during Laser Welding of Hairpins (Christoph Franz, Sören Hollatz, Oliver Burchwald, Christoph Spurk, Marc Hummel, Alexander Olowinsky, Eveline Reinheimer, Christian Hagenlocher, Felix Beckmann, Julian Moosmann; 13th CIRP Conference on Photonic Technologies [LANE 2024])
Beschreibung
Bei der heutigen Herstellung von Hochleistungs-Elektromotoren wird die Hairpin-Technologie eingesetzt, um die Effizienz zu steigern. Anstelle eines mit Runddraht gewickelten Stators werden dickere Kupferpins montiert und verschweißt. Typische Schweißfehler wie Spritzer, Poren oder unzureichende Verbindungen entstehen durch Oberflächenverunreinigungen, unzureichendes Spannen, fehlerhafte Positionierung oder vorhergehende Schneidprozesse. Für Produktionsanlagen reicht es nicht aus, fehlerhafte Schweißnähte zu identifizieren; es ist auch eine Klassifizierung erforderlich, um die Ursachen der Fehler zu ermitteln und diese möglichst schnell zu beheben. In dieser Studie wird die Leistungsfähigkeit eines multispektralen Überwachungssystems mithilfe von In-situ-Röntgenvideografie bewertet. Die Daten zeigen eine Korrelation mit der Stabilität der Dampfkapillare, der Schweißposition und der Spritzerbildung.
Partner
> Fraunhofer-Institut für Lasertechnik ILT
> RWTH Aachen University
> Universität Stuttgart, Institut für Strahlwerkzeuge (IFSW)
> Institut für Werkstoffphysik
Influence of full penetration welding on the multispectral signal of the
process radiation during laser beam welding of austenitic stainless steel (Patrick Meyer, Christian Schumann,Dario Spatzek, André Häusler; 13th CIRP Conference on Photonic Technologies [LANE 2024])
Beschreibung
Eine 100%ige Sichtprüfung der durchgeführten Schweißnähte ist aus wirtschaftlichen Gründen nicht immer möglich. Daher werden verschiedene Verfahren zur Prozessüberwachung eingesetzt, um die Qualität des Prozesses und der Schweißnaht zerstörungsfrei zu prüfen. Im Folgenden werden die aufgezeichneten multispektralen Signale der reflektierten Prozessstrahlung mittels beschreibender Statistik ausgewertet und Merkmale einer vollständigen Durchschweißung beim Laserstrahlschweißen von austenitischem Edelstahl herausgearbeitet. Ziel ist es, unbeabsichtigtes vollständiges Durchschweißen frühzeitig zu erkennen und zu lokalisieren, um Ausschuss zu vermeiden. Zu diesem Zweck werden angepasste Probengeometrien mit variierenden Materialdicken für die Versuchsreihe vorbereitet. Dadurch entfällt die Notwendigkeit, die Schweißprozessparameter zu variieren, um die unterschiedlichen Schweißzustände (vollständige und teilweise Durchschweißung) zu erreichen. Durch die Auswertung der Messwerte der wellenlängenselektiven Signale konnte ein signifikanter Einfluss auf die Signalintensität und die Signalfrequenz bestätigt werden.
SCHWEISSFEHLERERKENNUNG MIT 4D.TWO
Weld Defect Detection in Laser Beam Welding Using Multispectral Emission Sensor Features and Machine Learning (Amena Darwish, Manfred Persson, Stefan Ericson, Rohollah Ghasemi, Kent Salomonsson)
Beschreibung
Laserstrahlschweißen ist ein hochkomplexer Prozess, bei dem kleinste Abweichungen zu schwer erkennbaren Defekten wie Porenbildung führen können. In diesem Artikel präsentieren Forscher der Universität Skövde ein innovatives, datengetriebenes Framework zur Detektion von Schweißfehlern mithilfe multispektraler Emissionssensoren und maschinellem Lernen. Durch die Kombination von überwachten und unbeaufsichtigten Lernverfahren gelingt es, relevante Merkmale aus 4D-Photodiodensignalen zu extrahieren und mit Schweißfehlern zu korrelieren – sowohl für die nachträgliche Analyse als auch für die Echtzeitüberwachung. Die Studie zeigt, wie KI-basierte Auswertung von Sensorsignalen die Qualitätssicherung in der industriellen Fertigung revolutionieren kann.
ÜBERWACHUNG BEIM LASERSTRAHLSCHWEISSEN
Stochastic analysis of multispectral data during laser beam welding of stainless steel with different gap sizes (Patrick Meyer, André Häusler, Alexander Olowinsky; IOP Conference Series: Materials Science and Engineering, Volume 1332, 20th Nordic Laser Materials Processing Conference 26/08/2025 – 28/08/2025 Kongens Lyngby, Denmark)
Beschreibung
Die Qualitätssicherung beim Laserstrahlschweißen stellt hohe Anforderungen an Präzision und Reaktionsgeschwindigkeit. In diesem Beitrag wird ein innovativer Ansatz zur Prozessüberwachung vorgestellt, bei dem Photodiodensensoren zur Erfassung reflektierter Laserstrahlung eingesetzt werden. Diese Sensordaten liefern wertvolle Informationen über den Schweißprozess und ermöglichen durch die Integration von maschinellem Lernen eine zuverlässige Detektion von Prozessabweichungen. Ziel ist es, die Schweißqualität in Echtzeit zu überwachen und potenzielle Fehler frühzeitig zu erkennen – ein entscheidender Schritt hin zur automatisierten und intelligenten Fertigung.
MODIFIKATION VON MATERIALEIGENSCHAFTEN
Pilot Study for Data-driven Modification of Face Specific Material Properties (Manfred Persson)
Beschreibung
Diese Masterarbeit bildet den Auftakt zu einem größeren Forschungsprojekt an der Universität Skövde, das die Synergien zwischen Laserbehandlung, kompaktgraphitischem Eisen und Photodioden-Monitoring untersucht. Ziel ist es, durch gezielte Laserbestrahlung die Oberflächeneigenschaften von Gusseisen zu verbessern – insbesondere hinsichtlich Verschleißfestigkeit und Festigkeit. Die dabei entstehenden Daten werden mithilfe von Photodioden erfasst und sollen in zukünftigen Studien zur Simulation und Optimierung von Prozessparametern mittels neuronaler Netze verwendet werden. Die Pilotstudie zeigt, dass sich durch Laserbestrahlung eine gehärtete Oberflächenschicht erzeugen lässt und liefert erste Hinweise für die Weiterentwicklung des Verfahrens.
ECHTZEIT-QUALITÄTSVORHERSAGE
Real-time quality prediction in busbar laser welding: A multi-spectral photodiode and ConvLSTM framework (Dan Lönn)
Beschreibung
Die präzise Überwachung von Laserprozessen ist essenziell für die Qualität sicherheitskritischer Bauteile, etwa in der Automobilindustrie. In dieser Masterarbeit wird ein innovatives System zur Echtzeitbewertung der Schweißqualität von Aluminium-Stromschienen vorgestellt. Es kombiniert multispektrale Photodiodensensorik mit einem Deep-Learning-Modell (ConvLSTM), um Rückreflexionen und spektrale Signale während des Schweißprozesses zu analysieren. Besonders Licht im Bereich von 400 nm und 700 nm liefert wertvolle Hinweise auf Materialveränderungen und potenzielle Defekte. Das Ergebnis: eine intelligente, datengetriebene Lösung zur frühzeitigen Erkennung von Schweißfehlern und zur Optimierung industrieller Fertigungsprozesse.
Kontaktieren Sie uns!
Kontaktieren Sie uns!
Wenn Sie mehr über unsere Produkte und Dienstleistungen erfahren möchten oder ein individuelles Angebot anfordern möchten, kontaktieren Sie uns gerne. Sie können uns telefonisch, per E‑Mail oder über unser Kontaktformular erreichen. Wir freuen uns auf Ihre Anfrage!