Microstructure engineering of Ti-6Al-4V in laser powder bed fusion via 1D thermal modeling and supporting experiments

Diese Arbeit präsentiert ein effizientes computergestütztes Framework, das durch die Kopplung eines 1D-Wärmemodells mit einem Phasenumwandlungsmodell die Mikrostruktur von Ti-6Al-4V im Laser-Pulverbettverfahren vorhersagt und so eine schnelle Optimierung der Prozessparameter zur gezielten Steuerung der Phasenanteile ermöglicht.

Das Wesentliche

Das Problem: Das „Metall-Puzzle“ beim 3D-Druck

Stellen Sie sich vor, Sie möchten ein extrem stabiles, aber gleichzeitig biegsames Bauteil aus Titan drucken (wie für ein Flugzeug oder ein Implantat). Beim sogenannten Laser-Pulverbett-Fusion (LPBF) – einem 3D-Druck-Verfahren – schießt ein Laser extrem schnell über eine Schicht aus Metallpulver und schmilzt es zusammen.

Das Problem: Dieser Laser ist wie ein unberechenbarer Koch an einem extrem heißen Herd. Er schmilzt das Metall in Millisekunden und lässt es sofort wieder erstarren. Durch diese extreme Hitze und die schnelle Abkühlung entsteht im Titan eine sehr harte, aber spröde Struktur (die Forscher nennen sie „Martensit“). Das ist wie Glas: Sehr fest, aber wenn man zu fest drückt, bricht es sofort.

Was wir eigentlich wollen, ist eine Mischung aus verschiedenen Strukturen (die „$\alpha+\beta$-Phase“), die dem Metall eine gute Mischung aus Stärke und Zähigkeit verleiht – wie ein guter Komposit-Werkstoff.

Die Herausforderung: Zu viele Knöpfe am Mischpult

Um die Struktur des Metalls zu steuern, hat man viele „Regler“ am Drucker:

1. Wie viel Energie der Laser abgibt (VED).
2. Wie dick die einzelnen Schichten sind (Schichtdicke).
3. Wie lange man zwischen den Schichten wartet (Pause).
4. Wie warm die Bodenplatte ist (Vorwärmtemperatur).

Das Problem ist: Wenn man an einem Regler dreht, verändert sich alles andere mit. Es ist, als würde man versuchen, die perfekte Temperatur für eine Suppe einzustellen, während man gleichzeitig die Herdplatte, die Menge des Wassers und die Dicke des Topfes ständig ändert. Bisher mussten Forscher für jede kleine Änderung hunderte teure Experimente machen, um zu sehen, was passiert. Das dauert Jahre!

Die Lösung: Der „digitale Vorhersage-Turbo“

Die Forscher von der ETH Zürich haben einen Trick angewandt. Statt jedes Mal echtes Titan zu drucken und im Labor zu untersuchen, haben sie ein extrem schnelles Computer-Modell gebaut.

Man kann sich das wie eine hochmoderne Flugsimulation vorstellen. Ein Pilot muss nicht erst 1.000 echte Flugzeuge abstürzen lassen, um zu lernen, wie man fliegt – er nutzt einen Simulator. Die Forscher haben einen „Mikrostruktur-Simulator“ gebaut.

Dieses Modell ist so schnell, dass es 2.000 verschiedene Kombinationen von Einstellungen in kürzester Zeit durchspielen kann. Es berechnet quasi im Kopf: "Wenn ich den Laser so und so schnell bewege und die Platte auf 400 Grad heize, wie sieht das Metall am Ende aus?"

Was haben sie herausgefunden? (Die „Rezept-Regeln“)

Durch den Simulator und ein paar echte Tests haben sie die „Geheimrezepte“ für das perfekte Titan gefunden:

• Die Pause ist entscheidend: Wenn man zwischen den Schichten länger wartet, kühlt das Bauteil zu stark ab und wird spröde. Das ist wie beim Backen: Wenn der Ofen zwischen zwei Durchgängen komplett auskühlt, wird der Teig anders.
• Die Bodenplatte als „Heizdecke“: Wenn man die Bodenplatte warm hält (z. B. auf 400 °C), wirkt das wie eine warme Decke für das Bauteil. Es kühlt langsamer ab, und das Metall bekommt genau die gute, zähe Struktur, die man will.
• Kompensieren statt Raten: Das ist der wichtigste Punkt! Wenn man plötzlich mehr Teile auf die Druckplatte legt (und dadurch die Pausen zwischen den Schichten länger werden), weiß der Computer sofort: "Achtung, das Metall wird spröde! Drehe den Laser etwas stärker oder heize die Platte höher, um den Effekt auszugleichen."

Warum ist das wichtig?

Diese Arbeit ist wie ein Navigationssystem für den 3D-Druck. Anstatt im Dunkeln zu tappen und Millionen von Euro für Fehlversuche auszugeben, können Ingenieure jetzt am Computer genau planen: "Ich möchte an der Oberfläche des Teils hartes Metall haben (für Verschleißschutz) und im Inneren zähes Metall (für die Stabilität)."

Sie haben den Weg geebnet, um Bauteile nicht nur nach Form, sondern nach ihren inneren Eigenschaften direkt beim Drucken zu „designen“.

Technische Zusammenfassung

Technische Zusammenfassung: Mikrostruktur-Engineering von Ti-6Al-4V in der Laser-Pulverbettfusion (LPBF)

Problemstellung

Die mechanischen Eigenschaften von Ti-6Al-4V werden maßgeblich durch seine Mikrostruktur bestimmt. Beim Laser-Pulverbettfusion-Verfahren (LPBF) führen die extrem hohen Abkühlraten (bis zu $10^6$ K/s) typischerweise zur Bildung einer spröden, martensitischen $\alpha_m$-Phase anstelle der gewünschten duktileren lamellaren $\alpha_s + \beta$-Mikrostruktur. Bisherige Ansätze zur Kontrolle dieser Phasenzusammensetzung basierten primär auf zeitaufwendigen thermischen Nachbehandlungen (Post-Processing) oder komplexen In-situ-Strategien. Die Herausforderung besteht darin, die Mikrostruktur direkt über die Prozessparameter zu steuern, ohne die Effizienz des Prozesses zu beeinträchtigen. Dies ist aufgrund des multidimensionalen Parameterraums und der hohen Rechenlast hochpräziser thermischer Simulationen schwierig.

Methodik

Die Autoren entwickelten ein effizientes computergestütztes Framework, das zwei Hauptkomponenten koppelt:

1. 1D-Finite-Differenzen-Thermische Modellierung: Anstatt rechenintensiver 3D-FEM-Simulationen nutzt das Framework ein reduziertes 1D-Modell, das den Wärmefluss in Z-Richtung (Aufbaurichtung) abbildet. Dies ermöglicht eine massive Beschleunigung der Simulation (Faktor $10^3$ bis $10^4$ gegenüber 3D-Modellen) bei ausreichender Genauigkeit für Bauteile mit konstantem Querschnitt.
2. Phasentransformationsmodell: Ein phänomenologisches Modell (basierend auf JMAK-Kinetik für diffusive Prozesse und Koistinen-Marburger für diffusionlose Transformationen) berechnet die Volumenanteile der Phasen $\alpha_s$, $\alpha_m$ und $\beta$ basierend auf der thermischen Historie.

Das Framework wurde mittels einer Design of Experiments (DoE) mit 2.000 Parameterkombinationen validiert. Untersucht wurden die Volumetrische Energiedichte (VED), die Schichtdicke ($\Delta t$), die Zwischenschichtzeit (ILT) und die Temperatur der Bauplatte ($T_b$). Die Ergebnisse wurden durch experimentelle REM-Mikrographien (Rasterelektronenmikroskopie) verifiziert.

Wesentliche Beiträge und Ergebnisse

• Validierung der Genauigkeit: Das 1D-Modell lieferte für die Abkühlphasen eine hohe Übereinstimmung mit 3D-FEM-Modellen (MAPE von ca. 1–2 %). Es ist besonders effizient für die Voruntersuchung großer Parameterbereiche geeignet.
• Einfluss der Prozessparameter:
  • Schichtdicke ($\Delta t$) und Zwischenschichtzeit (ILT): Dies sind die stärksten Kontrollvariablen. Dickere Schichten und kürzere ILTs fördern die Wärmeakkumulation, was die Umwandlung von $\alpha_m$ in die lamellare $\alpha_s + \beta$-Phase ermöglicht.
  • Baumplattentemperatur ($T_b$): Wirkt als globaler Kompensationsparameter. Eine Erhöhung von $T_b$ (z. B. auf 400 °C) unterdrückt die Martensitbildung effektiv, selbst bei dünnen Schichten.
  • Volumetrische Energiedichte (VED): Dient primär als lokaler Feinabstimmungs-Parameter, um die Phasenverteilung innerhalb eines festen thermischen Rahmens zu modulieren.
• Praktische Anwendungsszenarien:
  • Kompensation von ILT-Änderungen: Wenn die Anzahl der Bauteile steigt (längere ILT $\rightarrow$ mehr Martensit), kann dies durch Erhöhung der VED oder $T_b$ kompensiert werden, um die gewünschte Mikrostruktur beizubehalten.
  • Gradienten-Mikrostrukturen: Das Framework zeigt auf, wie durch Variation der Schichtdicke ($\Delta t$) innerhalb eines Baulaufs gezielt Übergänge zwischen duktilem Kern und verschleißfestem (martensitischem) Rand realisiert werden können.
  • Lokale Variation: Es wurde demonstriert, dass benachbarte Bauteile in einem einzigen Auftrag unterschiedliche Mikrostrukturen aufweisen können, indem lediglich die VED lokal angepasst wird.

Bedeutung der Arbeit

Die Arbeit liefert eine Brücke zwischen Prozessparametern und Mikrostrukturdesign. Durch die drastische Reduzierung der Rechenzeit ermöglicht das Framework ein systematisches "Microstructure Engineering" direkt während des Designs. Anstatt auf zufällige Effekte oder teure Nachbehandlungen zu hoffen, können Ingenieure nun gezielt Parameterkombinationen wählen, um spezifische mechanische Eigenschaften (z. B. die Balance zwischen Festigkeit und Duktilität) direkt im LPBF-Prozess zu erzielen. Dies ist ein entscheidender Schritt hin zur Herstellung funktional gradierten Materials in der additiven Fertigung.