- Anzeige -
- Anzeige -
Forschungsprojekt

Forschungsprojekt

Formfehler mit Machine Learning reduzieren

Ein Forschungsprojekt an der Leibniz Universität Hannover hat sich der Produktion von Einzelstücken beschäftigt. Mittels künstlicher Intelligenz ist es dabei gelungen, Formfehler um 70% zu reduzieren.
Die Produktion von Einzelstücken stellt eine große Herausforderung dar, da auch die Fertigung individuell geplant werden muss. Am Institut für Fertigungstechnik und Werkzeugmaschinen der Leibniz Universität Hannover (LUH) hat der wissenschaftliche Mitarbeiter Florian Uhlich eine Methode zur Planung 5-achsiger Prozesse für die Bearbeitung von Freiformflächen entwickelt, die Erfahrungen aus vorherigen Prozessen nutzt, um sicherzustellen, dass ein Bauteil beim ersten Versuch den Anforderungen entspricht.

Einsatz von Machine Learning

Im Projekt wird eine prozessparallele Simulation des Fertigungsprozesses genutzt, die als virtueller Sensor eine bauteilunabhängige Beschreibung der Eingriffsverhältnisse generiert. Werden die so erzeugten Informationen mit Messwerten aus der Bauteilprüfung verbunden, können mittels Machine Learning bauteilunabhängige Beziehungen zwischen Qualitätsmerkmalen und Prozessgrößen abgeleitet werden.

Formfehler reduzieren

Diese Beziehungen dienen wiederum als Grundlage für die Planung neuer Prozesse. Im Projekt wurde so die Vorhersage des zu erwartenden Formfehlers aufgrund der Werkzeugbelastung für noch nicht gefertigte Bauteile realisiert. Dabei wurde eine sehr hohe Prognosegüte erreicht — auch wenn das Bauteil ganz anders gestaltet ist. Die Prognose wurde dann auch als Grundlage für eine proaktive Kompensation des Formfehlers genutzt. Dadurch werden Fehler vermieden. Die Kompensation ermöglicht eine Reduktion des Formfehlers um mehr als 70%. Die LUH hat das Projekt im Rahmen ihres Nachwuchs-Förderprogramm ‘Wege in die Forschung‘ ermöglicht.

Thematik: Newsarchiv
|
Ausgabe:
- Anzeige -
- Anzeige -

Das könnte Sie auch Interessieren

Bild: NET GmbH
Bild: NET GmbH
Roadshow von NET im April

Roadshow von NET im April

Bild: NET GmbH Die NET GmbH bietet vom 15. bis zum 22. April deutschlandweit Ein-Tages-Workshops an und gibt Einblicke in die Smart-Vision-Technologien der Firma. Vorgestellt werden Trends zu intelligenten Kameras (inkl. Programmierung), Künstliche Intelligenz und...

Bild: Kontron Europe GmbHBild 1 | Die kompakte AI-Plattform erhöht dank einer Google Coral Edge TPU, die bis zu 4 TOPS (trillion operations per second) leistet, die Bilderfassung von Edge Komponenten auf über 30fps.
Bild: Kontron Europe GmbHBild 1 | Die kompakte AI-Plattform erhöht dank einer Google Coral Edge TPU, die bis zu 4 TOPS (trillion operations per second) leistet, die Bilderfassung von Edge Komponenten auf über 30fps.
Industrielle AI-Geräteplattform für Edge-Komponenten

Industrielle AI-Geräteplattform für Edge-Komponenten

Bild 1 | Die kompakte AI-Plattform erhöht dank einer Google Coral Edge TPU, die bis zu 4 TOPS (trillion operations per second) leistet, die Bilderfassung von Edge Komponenten auf über 30fps. - Bild: Kontron Europe GmbH Die NXP-basierte AI-Plattform ist für den Betrieb...

Bild: Cincoze Germany
Bild: Cincoze Germany
Embedded GPU Computer

Embedded GPU Computer

Bild: Cincoze Germany The embedded GPU computer GM-1000 by Cincoze incorporates an Intel 9th/8th generation workstation-grade CPU and an MXM 3.1 Type A/B GPU module to accelerate compute-intensive applications and make it perfect for machine learning, Al, and highend...