Thermographie zur Temperaturmessung beim Laser-Sintern – ein Beitrag zur Qualitätssicherung?

Beim Laser-Sintern wird das Pulverbett durch Heizstrahler vorgeheizt, um an der Pulveroberfläche eine Temperatur knapp unterhalb des Materialschmelzpunktes zu erzielen. Dabei soll die Temperaturverteilung auf der Oberfläche möglichst homogen sein, um gleiche Bauteileigenschaften im gesamten Bauraum zu erzielen und den Bauteilverzug gering zu halten. Erfahrungen zeigen jedoch sehr inhomogene Temperaturverteilungen, weshalb oftmals die Integration von neuen oder optimierten Prozessüberwachungssystemen in die Anlagen gefordert wird. Ein potentiell einsetzbares System sind Thermographiekameras, welche die flächige Aufnahme von Oberflächentemperaturen und somit Aussagen über die Temperaturen an der Pulverbettoberfläche erlauben. Dadurch lassen sich kalte Bereiche auf der Oberfläche identifizieren und bei der Prozessvorbereitung berücksichtigen. Gleichzeitig ermöglicht die Thermografie eine Beobachtung der Temperaturen beim Lasereingriff und somit das Ableiten von Zusammenhängen zwischen Prozessparametern und Schmelzetemperaturen. Im Rahmen der durchgeführten Untersuchungen wurde ein IR-Kamerasystem erfolgreich als Festeinbau in eine Laser-Sinteranlage integriert und Lösungen für die hierbei auftretenden Probleme erarbeitet. Anschließend wurden Untersuchungen zur Temperaturverteilung auf der Pulverbettoberfläche sowie zu den Einflussfaktoren auf deren Homogenität durchgeführt. In weiteren Untersuchungen wurden die Schmelzetemperaturen in Abhängigkeit verschiedener Prozessparameter ermittelt. Auf Basis dieser Messergebnisse wurden Aussagen über erforderliche Optimierungen getroffen und die Nutzbarkeit der Thermografie beim Laser-Sintern zur Prozessüberwachung, -regelung sowie zur Anlagenwartung als erster Zwischenstand der Untersuchungen bewertet.

The effect of demand distributions on the performance of inventory policies

Inventory policies provide instructions on how to calculate stock levels and order quantities. This paper examines the effect of the demand distribution on the performance of several well-known policies. Their performance is compared in terms of achieved service levels. As a conclusion from these comparisons, a nonparametric demand model is proposed to be used in inventory policies.

Integration of Truncated Distributions in Exponential Family with Simulation Models of Logistics and Supply Chain Management

Truncated distributions of the exponential family have great influence in the simulation models. This paper discusses the truncated Weibull distribution specifically. The truncation of the distribution is achieved by the Maximum Likelihood Estimation method or combined with the expectation and variance expressions. After the fitting of distribution, the goodness-of-fit tests (the Chi-Square test and the Kolmogorov-Smirnov test) are executed to rule out the rejected hypotheses. Finally the distributions are integrated in various simulation models, e. g. shipment consolidation model, to compare the influence of truncated and original versions of Weibull distribution on the model.

Learning Curves of Temporary Workers in Manual Order Picking Activities

Person-to-stock order picking is highly flexible and requires minimal investment costs in comparison to automated picking solutions. For these reasons, tradi-tional picking is widespread in distribution and production logistics. Due to its typically large proportion of manual activities, picking causes the highest operative personnel costs of all intralogistics process. The required personnel capacity in picking varies short- and mid-term due to capacity requirement fluctuations. These dynamics are often balanced by employing minimal permanent staff and using seasonal help when needed. The resulting high personnel fluctuation necessitates the frequent training of new pickers, which, in combination with in-creasingly complex work contents, highlights the im-portance of learning processes in picking. In industrial settings, learning is often quantified based on diminishing processing time and cost requirements with increasing experience. The best-known industrial learning curve models include those from Wright, de Jong, Baloff and Crossman, which are typically applied to the learning effects of an entire work crew rather than of individuals. These models have been validated in largely static work environments with homogeneous work contents. Little is known of learning effects in picking systems. Here, work contents are heterogeneous and individual work strategies vary among employees. A mix of temporary and steady employees with varying degrees of experience necessitates the observation of individual learning curves. In this paper, the individual picking performance development of temporary employees is analyzed and compared to that of steady employees in the same working environment.