Forschung für den Mittelstand - Die IGF-Projektdatenbank

Modellierung der Farberscheinung im Vollfarb-3D-Druck

Mit dem Ziel den zeitlichen und monetären Charakterisierungs- und Profilierungsaufwand moderner 3D-Vollfarbdrucker deutlich zu senken und dabei eine praxisreife Farbgenauigkeit zu gewährleisten, sollen in diesem Vorhaben intrinsische optische Parameter der Vollfarbdrucke erfasst und für praxisrelevante Anwendungsfelder modelliert und validiert werden. Die optische Charakterisierung der im Polyjet- und Multijet-Fusion hergestellten Bauteile soll notwendigen Parameter für die visuelle Charakterisierung (Farbe und Transluzenz) und somit Profilierung und damit der Ansteuerung liefern. Die Implementierung und Performance-Optimierung des Four-Flux-Models sowie ein rückgekoppeltes neuronales Netzwerk versprechen ein für viele Praxisanwendungen ausreichend genaues Verständnis des Zusammenhangs zwischen den Ansteuerungswerten CMYKCW und der resultierenden Farberscheinung. Dieser Zusammenhang soll auf Basis der in der Praxis stets vorhandenen Ansteuerungswerte als auch für die konkrete Anordnung der Hersteller- bzw. treiberabhängigen Voxelanordnung untersucht werden. Dieses Vorhaben wird stark von der branchenübergreifenden Aufstellung der beteiligten Forschungsstellen profitieren. Dies gilt besonders für die grundlagenorientierte optische Charakterisierung bzw. Modellierung sowie die stark vom Anwendungsfall der 3D-Druckindustrie bestimmte visuelle Plausibilisierung und praxisorientierte Messbarkeit. Hierzu sollen aus Sicht der ins Auge gefassten Zielgruppe relevante Anwendungsfälle („use cases") identifiziert werden, wobei die Ergebnisse nur für jeden einzelnen „use case" aufbereitet und im Feldtests auf Anwendbarkeit überprüft werden. Die zu entwickelnden 3D-Druckprofile sollen in die ICC Farbmanagement-Architektur iccMAX (ISO 15076-2) eingebettet werden. Von den Ergebnissen profitiert speziell die stark durch KMU geprägte optische Industrie, die Druck- und Werbebranche, Druckdienstleister sowie Start-Ups die sich auf die 3D-Produktvisualisierung spezialisiert haben.

Ergebniszusammenfassung:

Im vorliegende Forschungsprojekt wurden Methoden zur Verbesserung des Farbmanagements im grafischen 3D-Druck untersucht und weiterentwickelt. Die Analyse der gegenwärtig verfügbaren Ansteuerungsmöglichkeiten zeigte drei unterschiedliche Varianten. Dies sind 3D-Drucker, die nur eine RGB-Ansteuerung anbieten und daher auf eine Lookup-basierte Farbbeschreibung beschränkt bleiben. Hier konnte gezeigt werden, dass die Profilierung konkreter 3D-Drucker die Farbgenauigkeit im Vergleich mit den herstellerseitig installierten Druckerprofilen um bis zu 30% verbessert.

Im zweiten Fall ist der Zugriff auf die Geräte-Tonwerte und somit den verwendeten Grundfarben möglich. Dieser Zugriff erweitert die Beschreibung mittels optischer, d.h. phänomenologischer, 3D-Druckermodelle. Mit Hilfe von Machine-Learning-Algorithmen konnte die Farbgenauigkeit für etablierte 3D-Drucker (Stratasys J750, Mimaki 3DUJ-553) um das 6-fache (bei gleicher Farbfeldanzahl) verbessert werden.

Bei voller Kontrolle der Materialanteile in allen Voxeln, d. h. der Mikrostruktur, zeigte die Simulation der Lichtausbreitung mittels physikbasierter 3D-Druckermodelle eine bisher unerreichte präzise Vorhersage der 3D-gedruckten visuellen Effekten, insbesondere der Farbe und der Transluzenz. Allerdings ist diese Simulation auch mit aktueller Hardwarebeschleunigung noch nicht echtzeitfähig.

Interessanterweise lässt sich feststellen, dass für die verwendeten kleinen Voxelgrößen für einen Bereich mit fester Materialverteilung bereits das Volumenverhältnis der Grundmaterialien den Farbeindruck sehr gut beschreibt. In diesem Fall kann man den Farbeindruck für ein homogenes Material berechnen, bei dem die optischen Eigenschaften entsprechend den Volumenverhältnissen der Bestandteile ermittelt wurden und die Mikrostruktur nicht nötig ist.

Die Themen-Webseite umfasst die detaillierten Ergebnisse, die wissenschaftlichen Publikationen sowie die Praxistipps, mit denen Anwender 3D-Drucke plausibel messen können.