Granulatbasierter 3D-Druck

Im Fachbereich granulatbasierter 3D-Druck stellt NMF Metall- und Keramikbauteile über eine vollständig qualitätsgesicherte, digital vernetzte Fertigungskette her – vom Granulat über 3D-Druck, Entbindern und Sintern bis zur Nachbearbeitung. Kunden profitieren von kosteneffizienter Produktion, hoher Präzision, minimalem Ausschuss und der Möglichkeit, innovative Bauteile für anspruchsvolle Anwendungen schnell und zuverlässig zu realisieren.

Fertigungsverfahren

Die qualitätsgesicherte additive Fertigungskette umfasst ein digital vernetztes Produktionssystem zur Herstellung von Metall- und Keramikbauteilen ausgehend von hochgefülltem thermoplastischem Granulat. Die gesamte Prozesskette bestehend aus Granulatherstellung, 3D-Druck (Formgebung), Entbindern, Sintern und eventueller Nachbearbeitung wird intern abgedeckt.

Vorteil gegenüber dem Filament-Druck sind die erheblich niedrigeren Kosten durch die Verwendung von herkömmlichen Spritzgussgranulaten. Um die Wirtschaftlichkeit zu steigern, kann bei höheren Stückzahlen (n=100+) auf den Metallpulverspritzguss zur Formgebung zurückgegriffen werden.

Werkstoffe

Hergestellt werden Bauteile aus abrasiven Metallwerkstoffen wie Hartmetall oder Werkzeugstahl, um Nachbearbeitungsschritte zu reduzieren und Material einzusparen. Zudem wird Reinkupfer für die Fertigung individualisierter Elektronikkomponenten mit homogener Mikrostruktur verarbeitet, und es werden biobasierte oder wasserlösliche Binder entwickelt, um den CO₂-Fußabdruck der Fertigungsprozesse zu senken.

Digitale Qualitätssicherung

Die digitale Qualitätssicherung verknüpft alle Prozessschritte der Fertigungskette – von der Pulveranlieferung bis zur Bauteilnachbearbeitung – digital, erfasst die IST-Geometrie mittels 3D-Messsystemen und vergleicht sie mit der SOLL-Geometrie. Dadurch wird hohe Bauteilqualität bei minimalem Ausschuss gewährleistet, Prozesse können statistisch ausgewertet, Wechselwirkungen verifiziert und Bauteile optimiert werden.

Die additive Fertigungskette erlaubt es, rechenintensive Prozesse wie prädiktive KI-Modelle effizient zu testen und dadurch Innovationen in unterschiedlichen Branchen und Anwendungsfeldern voranzutreiben.