TY - CONF A1 - Schmies, Lennart A1 - Sonntag, U. A1 - Bettge, Dirk A1 - Le, Quynh-Hoa A1 - Yarysh, Anna A1 - Botsch, B. T1 - Quantitative Fraktographie unter Verwendung klassischer Verfahren, Topographie-Daten und Deep-Learning N2 - Die Analyse von Bruchflächen wird in der Schadensanalyse meist auf der Basis von Erfahrungswissen vorgenommen, welches aus vorliegenden Untersuchungen, eigenen Vergleichsversuchen und aus der Literatur stammt. Durch Vergleiche mit bereits vorliegenden Bildern werden qualitativ Bruchmechanismen ermittelt. Grundlage sind zumeist zweidimensionale Bilder aus licht- und elektronenoptischen Verfahren. Quantitative Aussagen beziehen sich bislang beispielsweise auf makroskopische Anteile von Bruchmechanismen oder die Ausmessung von Schwingstreifen. In jüngerer Zeit gibt es vermehrt Ansätze, Computer-Algorithmen einzusetzen, die in der Lage sind, unterschiedlich strukturierte Bruchmerkmale zu finden und zu klassifizieren. Im hier vorgestellten IGF-Vorhaben „iFrakto“, IGF Vorhaben Nr.: 21477 N, werden licht- und elektronen-optisch Topographie-Bilder erzeugt und die gewonnenen 3D-Informationen zusammen mit den klassischen 2D-Bildern ausgewertet. Analytische Algorithmen und Machine Learning werden eingesetzt, um Bruchmerkmale zu analysieren, zu bewerten und mit Informationen aus einer fraktographischen Datenbank zu verknüpfen. Ziel ist die Bereitstellung von Software zur Unterstützung der Fraktographie in der Schadensanalyse. In diesem Beitrag werden erste Ergebnisse des Vorhabens vorgestellt. T2 - 55. Metallographie-Tagung CY - Online meeting DA - 29.9.2021 KW - Fraktographie KW - Machine Learning KW - Datenbank KW - REM KW - Topographie PY - 2021 AN - OPUS4-53491 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - JOUR A1 - Bettge, Dirk A1 - Schmies, Lennart T1 - Die Fraktographische Online-Datenbank der AG Fraktographie – Entwicklungsstand und Planung T1 - The WG Fractography Online Database – Stage of Development and Planning JF - Practical Metallography N2 - Die AG Fraktographie im DVM/DGM-Gemeinschaftsgremium „Elektronenmikroskopie in der Materialforschung“ betreibt seit 2013 eine fraktographische online-Datenbank („FractoDB“), die für das interessierte Fachpublikum kostenfrei zur Verfügung steht. Die Analyse und Bewertung von Bruchflächen und der darauf befindlichen Bruchmerkmale ist ein wichtiger Teilaspekt der Schadensanalyse bei der Suche nach Schadensmechanismen und Schadensursachen. Risse und Brüche an realen Bauteilen können nur dann bewertet werden, wenn gut dokumentierte Vergleichsbrüche aus Laborversuchen zur Verfügung stehen, sei es an Proben oder an Vergleichs-Bauteilen. Daher trägt die AG Fraktographie Bildmaterial zusammen, führt systematisch Laborversuche und Ringversuche durch und analysiert Brüche aus Schadensfällen. Die gewonnenen Daten werden zu Datensätzen zusammengestellt und über die Datenbank zugänglich gemacht. Derzeit ist ein Bestand von über 400 Datensätzen mit insgesamt über 4.500 Bildern verfügbar, welcher durchsucht werden kann und in Anlehnung an die VDI 3822 organisiert ist. Weitere Aktivitäten der AG Fraktographie, die in der FractoDB abgebildet werden, sind u.a. die Entwicklung einer fraktographischen Symbolik und die Analyse von Bruchmerkmalen mittels Machine Learning. Über die aktuellen Ergebnisse und Planungen wird berichtet. N2 - Since 2013, the AG Fraktographie (Working Group (WG) Fractography) in the DVM/DGM Joint Committee “Elektronenmikroskopie in der Materialforschung” (Electron Microscopy in Materials Research) maintains a fractographic online database (“FractoDB”) available to interested professionals. When it comes to identifying failure mechanisms and causes of damage, the analysis and evaluation of fracture surfaces and their characteristics constitute important aspects of the failure analysis. Cracks and fractures in real components can only be assessed if well-documented comparative fractures from laboratory tests are available – be it in samples or in comparison components. The WG Fractography therefore gathers image material, systematically carries out laboratory and round robin tests, and analyzes fractures from damage cases. From the thus obtained data, datasets are compiled and made available via the database. Currently, a browsable inventory of more than 400 datasets with a total of more than 4500 images is available. It is organized in line with guideline VDI 3822. Other activities of the WG Fractography represented in the FractoDB include, amongst others, the development of a fractographic set of symbols and the analysis of fracture characteristics using machine learning. This contributbution reports on latest results and plans. KW - Fraktographie KW - Datenbank KW - Schadensanalyse KW - Bruchflächen KW - Machine Learning PY - 2023 DO - https://doi.org/10.1515/pm-2023-0048 SN - 0032-678X VL - 60 IS - 9 SP - 569 EP - 579 PB - De Gruyter CY - Berlin AN - OPUS4-58200 LA - mul AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bettge, Dirk A1 - Schmies, Lennart T1 - Die Fraktographische Online-Datenbank der AG Fraktographie – Entwicklungsstand und weitere Planung N2 - Vortrag zum aktuellen Stand der fraktographischen online-Datenbank. Darstellung des AGM/DVM Gemeinschaftsausschusses REM in der Materialforschung und seiner Arbeitsgruppen Fraktographie, EBSD und 2D/3D-Prüfung. Ziele und Inhalte der fraktographischen Datenbank, Aufruf zum Mitmachen. Durchführung von Vergleichsversuchen, Entwicklung einer fraktographischen Symbolik, Ringversuch, Vorhaben iFrakto mit Entwicklung einer KI-gestützten Bruchflächenanalyse. T2 - Metallographietagung 2023 CY - Leoben, Austria DA - 13.09.2023 KW - Fraktographie KW - Machine Learning KW - Datenbank PY - 2023 AN - OPUS4-58467 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -