Zunehmende Produktanforderungen hin zu einer steigenden Individualisierung erfordern vorab ein umfangreiches Testen und Analysieren von Bauteilen und Komponenten. Dabei bieten die Additiven Fertigungsverfahren
kostengünstig und schnell die Möglichkeit erste Prototypen herstellen zu können, jedoch
kommt das bereits etablierte Fused-Filament-Fabrication-Verfahren bedingt durch das geringe
Fördervolumen schnell an seine Grenzen. Das Fused-Granular-Fabrication-(FGF)-Verfahren
hingegen bietet potentiell höhere Extrusionsraten bei gleichzeitig niedrigeren Materialkosten,
da das Granulat nicht noch zu Filament weiterverarbeitet werden muss. Einhergehend mit
einer höheren Extrusionsrate treten beim FGF-Verfahren noch stärkerer Bauteilverzug auf,
welcher auf eine ungleichmäßige Abkühlung zurückzuführen ist.
Um die Defizite des Prozesses zu untersuchen und zu verbessern, wird in Kooperation mit dem Industriepartner Hans Weber Maschinenfabrik GmbH im Rahmen des Projektes ein selbstparametrierender Extruder als Systemlösung unter Einbindung von Machine-Learning-Verfahren entwickelt. Ziel ist es, dass der Extrusionsprozess bauteilspezifisch und adaptiv in Echtzeit überwacht und gesteuert wird. Auf diese Weise werden Arbeits- und Maschinenzeit sowie Ausschuss reduziert.