Article
Licensed
Unlicensed
Requires Authentication
Maschinelles Lernen zur Prädiktion der Bauteilqualität
Erweiterung eines Ansatzes zur merkmalsbasierten Qualitätsprädiktion durch künstliche neuronale Netze
-
Christian Brecher
Published/Copyright:
November 16, 2020
Abstract
Ausgewählte Qualitätsmerkmale lassen sich bereits mithilfe künstlicher neuronaler Netze auf Grundlage von maschineninternen Daten aus der NC-Steuerung prozessparallel vorhersagen. Hierdurch kann der mit der Qualitätskontrolle verbundene Aufwand für Fräsprozesse reduziert werden. In diesem Beitrag wird der zugrundliegende Ansatz auf Rundheitsmerkmale erweitert sowie dessen Übertragbarkeit bei sich ändernden Randbedingungen geprüft.
Online erschienen: 2020-11-16
Erschienen im Druck: 2020-11-01
© Carl Hanser Verlag, München
You are currently not able to access this content.
You are currently not able to access this content.
Articles in the same Issue
- EDITORIAL
- Digitale Transformation
- INHALT
- FABRIKPLANUNG
- Kontextbasierte Rekonfiguration von Fabriksystemen
- PRODUKTMANAGEMENT
- Anpassungsfähig mit robusten Produktstrukturstrategien
- Produkt und Produktion wertstromgerecht gestalten
- STANDARDISIERUNG
- Charakterisierung von Änderungsanfragen in Produktionssystemen
- ENERGIESYSTEME
- Unterwegs zur Gleichstromfabrik: der Transformationsprozess im industriellen Stromnetz
- SIMULATION
- Effizientes Engineering
- Simulation von Biege- und Schweißprozessen von Flachpaketen für die Fertigung von Statorpaketen
- INFORMELLES LERNEN
- Humanzentrierte selbstorganisierende Produktion durch kontextsensitive Assistenz
- INNOVATIONSLABOR
- Konzeption kreativitätsfördernder Arbeitsumgebungen
- MODELLIERUNG
- Generische Modellierung von halbautomatisierten Produktionssystemen für Ablaufsimulationen
- Synchronisierte Fertigung, IT und Produktion
- ADDITIVE FERTIGUNG
- Augmented Reality in der additiven Produktion
- Technologieradar für die additive Fertigung
- Deep Learning zur Prozessüberwachung in der additiven Fertigung
- HYBRIDE MATERIALSYSTEME
- Herstellung von hybriden Durchdringungswerkstoffen mittels der Formgebung im teilflüssigen Zustand
- INDUSTRIE 4.0
- VIRTUALISIERUNG
- Planung der Materialbereitstellung
- Software-Defined Product Features
- PROCESS MINING
- Process Mining in der Produktion
- QUALITÄTSPRÄDIKTION
- Maschinelles Lernen zur Prädiktion der Bauteilqualität
- DATENFUSION
- Anwendung der Datenfusion zur Qualitätssteigerung betrieblicher Rückmeldedaten
- VORSCHAU
Articles in the same Issue
- EDITORIAL
- Digitale Transformation
- INHALT
- FABRIKPLANUNG
- Kontextbasierte Rekonfiguration von Fabriksystemen
- PRODUKTMANAGEMENT
- Anpassungsfähig mit robusten Produktstrukturstrategien
- Produkt und Produktion wertstromgerecht gestalten
- STANDARDISIERUNG
- Charakterisierung von Änderungsanfragen in Produktionssystemen
- ENERGIESYSTEME
- Unterwegs zur Gleichstromfabrik: der Transformationsprozess im industriellen Stromnetz
- SIMULATION
- Effizientes Engineering
- Simulation von Biege- und Schweißprozessen von Flachpaketen für die Fertigung von Statorpaketen
- INFORMELLES LERNEN
- Humanzentrierte selbstorganisierende Produktion durch kontextsensitive Assistenz
- INNOVATIONSLABOR
- Konzeption kreativitätsfördernder Arbeitsumgebungen
- MODELLIERUNG
- Generische Modellierung von halbautomatisierten Produktionssystemen für Ablaufsimulationen
- Synchronisierte Fertigung, IT und Produktion
- ADDITIVE FERTIGUNG
- Augmented Reality in der additiven Produktion
- Technologieradar für die additive Fertigung
- Deep Learning zur Prozessüberwachung in der additiven Fertigung
- HYBRIDE MATERIALSYSTEME
- Herstellung von hybriden Durchdringungswerkstoffen mittels der Formgebung im teilflüssigen Zustand
- INDUSTRIE 4.0
- VIRTUALISIERUNG
- Planung der Materialbereitstellung
- Software-Defined Product Features
- PROCESS MINING
- Process Mining in der Produktion
- QUALITÄTSPRÄDIKTION
- Maschinelles Lernen zur Prädiktion der Bauteilqualität
- DATENFUSION
- Anwendung der Datenfusion zur Qualitätssteigerung betrieblicher Rückmeldedaten
- VORSCHAU
