Speaker
Description
Die Kontrastierung der Gefügestrukturen hartmagnetischer Werkstoffe, wie z.B. FeNdB, erfolgt maßgeblich durch die Verwendung unterschiedlicher Beleuchtungsarten am Lichtmikroskop. Klassische nasschemische Ätzverfahren sind kaum anwendbar. Im Hellfeld werden Phasen anhand ihrer Form und Farbe unterschieden, während im polarisierten Licht die Domänenstruktur zur Differenzierung dient (Kerr-Mikroskopie). Zur Verbesserung der Phasenidentifikation werden optische und physikalische Kontrastmethoden sowie elektronenoptische Methoden wie Electron BackScatter Diffraction eingesetzt. Ressourcenknappheit und Kreislaufwirtschaft sind Treiber, Recyclingmaterial auch für die Herstellung von hochleistungsfähigen Magneten zu verwenden. In recycelten Magneten können vermehrt Defekte wie Oxide, Agglomerate oder Fremdpartikel auftreten, die die magnetische Performance verschlechtern. Automatisierte Auswertungsmethoden wie Machine Learning sind wichtige Hilfsmittel, um diese Defekte schneller, sicherer und mit mehr Statistik großflächig zu erkennen. Je besser Phasen und Defekte im Lichtmikroskop erkannt und unterschieden werden können, desto schneller und zuverlässiger kann eine Gefügeauswertung und -bewertung in industrieller Anwendung erfolgen.
Dieser Beitrag versucht, mithilfe reaktiven Sputterns sowohl unterschiedliche Phasen als auch Defekte, die in Recycling-Magneten auftreten, zu kontrastieren, um so eine bessere Erkennbarkeit und Zuordnung zu ermöglichen. Es wurden verschiedene Magnetproben mit unterschiedlichen Rezyklat-Anteilen kontrastiert und im Lichtmikroskop untersucht. Im Vortrag werden erste Ergebnisse vorgestellt.