Datenbasierte Fügeparameterprognose beim mechanischen Fügen
Medien-Nr.:
FB-539
Produktnummer:
FB_539_0_1
Autor:
Dr.-Ing. Mathias Jäckel, Dipl. Math. Tobias Falk, Prof. Dr.-Ing. Welf-Guntram Drossel, Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik Dresden
Erscheinungsjahr:
23. September 2020
ISBN:
978-3-86776-595-4
Nebeninformationen:
sw, 34 teils farbige Abb., 4 Tab.
Seitenanzahl:
82
Beim Einsatz von Algorithmen des
maschinellen Lernens im industriellen Umfeld kommt es darauf an, aus den
Prozessen umfassende, geeignete Daten zu generieren, um die jeweilige
Prognosegüte zu steigern.
Es wird eine Methodik entwickelt, bei der eine relativ kleine experimentelle Datenbasis mittels numerischer Sensitivitätsanalysen zu einer umfassenden Datenbasis erweitert werden kann.
Am Beispiel des Halbhohlstanznietens entsteht eine Prognosesoftware, mit der sehr flexibel eine Vielzahl von Regressionsmodellen verglichen und für die Prognose von Verfahrensparametern beim mechanischen Fügen verwendet werden kann, wodurch sich der Aufwand für die Auslegung von Halbhohlstanznietverbindungen deutlich reduziert.
Es wird eine Methodik entwickelt, bei der eine relativ kleine experimentelle Datenbasis mittels numerischer Sensitivitätsanalysen zu einer umfassenden Datenbasis erweitert werden kann.
Am Beispiel des Halbhohlstanznietens entsteht eine Prognosesoftware, mit der sehr flexibel eine Vielzahl von Regressionsmodellen verglichen und für die Prognose von Verfahrensparametern beim mechanischen Fügen verwendet werden kann, wodurch sich der Aufwand für die Auslegung von Halbhohlstanznietverbindungen deutlich reduziert.