Tiefe Fehlererkennung: Röntgenprüfung für interne Fehler in kundenspezifischen Metallteilen

Technische Spezifikationen & Betriebsexzellenz

Systemkonfiguration

• Röntgenquelle:

  • YXLON MG452 (450kV geschlossene Röhre)

  • Wolfram-Transmissionstarget

  • Strahlfokus: 3 µm (Mikrofokus-Modus), 15 µm (Hochgeschwindigkeitsmodus)

• Detektor:

  • Varex 4343 Flachbilddetektor (2048×2048 Pixel, 16-Bit-Dynamikbereich)

  • DQE: 78 % bei 150 keV

• Manipulator:

  • 5-Achs-CNC-Tisch (±5 µm Positionsgenauigkeit)

  • Max. Traglast: 150 kg

Scan-Protokoll (ASTM E1695)

1. Energiekalibrierung:

   • Aluminium: 220 kV, 2,5 mA

   • Stahl: 350 kV, 3,2 mA

2. Filteroptimierung:

   • 3 mm Cu + 1 mm Sn zur Strahlaufhärtungskorrektur

3. Datenerfassung:

   • 360°-Rotation mit 0,1°-Inkrementen (3.600 Projektionen)

   • Belichtung: 1,2 Sekunden/Bild (8-Bild-Mittelung)

4. Rekonstruktion:

   • FDK-Algorithmus (NVIDIA A6000 GPU-beschleunigt)

   • Voxelgröße: 3–50 µm (einstellbar)

Branchenspezifische Anwendungen

1. Prüfung von Turbinenschaufeln in der Luft- und Raumfahrt

• Herausforderung: Erkennung von Blockaden in Kühlkanälen unter 10 µm in Inconel 718-Schaufeln.

• Lösung:

  • Dual-Energy-Scanning (300 kV + 450 kV) zur Materialzerlegung.

  • Erreichte 100 % NADCAP-Konformität für oberflächenbehandelte Komponenten.

• Ergebnis: Keine Ausfälle im Betrieb bei 5.000 Schaufeln (2023).

2. Porositätskontrolle bei medizinischen Implantaten

• Komponente: Ti-6Al-4V ELI Wirbelsäulenkäfige (ASTM F3001).

• Prozess:

  • Quantifizierung der Porosität <1 % mit VGSTUDIO MAX (ISO 5011).

  • 3D-Kartierung der Porenverteilung in Gitterstrukturen.

• Ergebnis: 0 % Ausschussquote bei FDA-Audit mit 10.000 Einheiten.

3. Schweißnahtprüfung von EV-Batteriegehäusen

• Material: 6061-T6 Aluminiumgehäuse.

• Metriken:

  • Erkennung von Mangelverschweißungen >50 µm in Laserschweißnähten.

  • Reduzierung der Ausschussquote um 18 % durch Druckgussoptimierung.

Vergleichende Leistungsanalyse

Fallstudie: Reduzierte Prüfzeit für Brass 360-Ventile um 65 % im Vergleich zur Eindringprüfung.

Smart Manufacturing Integration

1. KI-gestützte Fehlererkennung

• Training von YOLOv8-Modellen mit über 50.000 Fehlerbildern:

  • Porosität (ASTM E505 Typen A/B/C): 99,1 % F1-Score

  • Risse (>30 µm): 98,7 % Erkennungsrate

• Echtzeitklassifizierung während der Großserienfertigung.

2. Digital Twin Korrelation

• Zuordnung von Röntgendaten zu FEA-Simulationen:

  • 92 % Korrelation zwischen CT-Hohlräumen und Spannungskonzentrationen in 316L-Edelstahlhalterungen.

3. Blockchain-Nachverfolgbarkeit

• Einbetten von DICONDE-Metadaten in Hyperledger-Ledger für Medizinprodukte:

  • Volle UDI-Konformität gemäß FDA 21 CFR Part 11.

ROI-Kennzahlen (2023)

• Luft- und Raumfahrt:

  • 1,8 Mio. USD/Jahr Einsparung durch Risserkennung vor der NDI.

• Automobil:

  • 40 % schnellere PPAP-Freigabe für EV-Komponenten.

• Medizin:

  • Keine Rückrufe bei über 25.000 Ti-6Al-4V-Implantaten.

Zukünftige Entwicklungen

• Multi-Energy-CT:

  • Unterscheidung von Cu/Zn-Verhältnissen in Messinglegierungen durch Dual 450kV/225kV-Scanning.

• In-Line-Automatisierung:

  • Integration mit Roboterarmen für 24/7 Großserienfertigungslinien.

Fazit

Die 450kV-Röntgensysteme von Neway definieren die Präzisions-ZfP neu und ermöglichen die Erkennung von Defekten auf µm-Ebene – vom Prototyping bis zur Serienfertigung. Mit AS9100D- und ISO 13485-Zertifizierungen stellen wir sicher, dass Komponenten die Zuverlässigkeitsanforderungen der Luft- und Raumfahrt, Automobilindustrie und Medizintechnik erfüllen.

FAQs

1. Welches maximale Teilegewicht können Ihre Röntgensysteme handhaben?

2. Wie werden wasserstoffinduzierte Risse in Titan erkannt?

3. Kann Röntgenstrahlung zwischen Materialphasen (z.B. α/β Ti) unterscheiden?

4. Welche Strahlenschutzzertifizierungen besitzen Ihre Labore?

5. Wird cloudbasierte Datenanalyse unterstützt?