Lesedauer: 2 Minuten
Text: Thomas Masuch
Das Spin-off des Imperial College arbeitet mit Partnern wie Rolls-Royce, BAE Systems und GKN Aerospace zusammen und kombiniert maschinelles Lernen zur Fehlererkennung mit der vertrauten Sprache der statistischen Prozesskontrolle. Ziel ist es, die Bauteilqualifizierung von Monaten auf Wochen zu verkürzen und der serienmäßigen AM-Produktion die Prozesssicherheit zu verleihen, die in der konventionellen Fertigung als selbstverständlich gilt.
Die Nexus-Plattform ist eine Software, die Prozessdaten aus verschiedenen Sensoren – darunter optische und thermische Kameras, Fotodioden, Pyrometer und weitere Sensorsysteme – zusammenführt und mithilfe von speziell auf die physikalischen Prozesse der Additiven Fertigung abgestimmten Machine-Learning-Modellen (ML) auswertet.
Das Unternehmen beschreibt seine zum Patent angemeldete Kerntechnologie als eine Art CT-Ersatz auf der Basis neuronaler Netze: Schicht für Schicht werden Multisensordaten und Informationen über den Laserpfad in einem gemeinsamen 3D-Koordinatensystem registriert. Daraus entsteht ein digitaler Zwilling des gedruckten Bauteils, der Lage, geschätzte Größe und die statistische Sicherheit erkannter Defekte angibt.
Im Hintergrund arbeitet ein physikalisch informiertes neuronales Netz (Physics-Informed Neural Network, PINN), das mit mehreren Billionen einzelner Messwerte trainiert wurde. Dazu gehört auch ein Validierungsdatensatz mit mehr als 10.000 gezielt eingebrachten Defekten, der gemäß den ISO-/ASTM-Richtlinien für das Benchmarking von Prüfverfahren in der Additiven Fertigung erstellt wurde.
Die Plattform ist bewusst maschinen- und sensorunabhängig ausgelegt und kann auf verschiedene große LPBF-Anlagenhersteller übertragen werden. Nach einem Jahr mit ersten Tests bei Pilotkunden beginnt NexusAM nun, Beta-Partner zu gewinnen. Der vollständige kommerzielle Start ist für 2027 geplant.
Weitere Informationen
NexusAM auf der Formnext 2026: Halle 11.0, Stand F21
