TY - JOUR A1 - Marko, A. A1 - Bähring, S. A1 - Raute, J. A1 - Biegler, M. A1 - Rethmeier, Michael T1 - Prognose von Qualitätsmerkmalen durch Anwendung von KI-Methoden beim Directed 10 Energy Deposition JF - Schweißen und Schneiden N2 - Dieser Beitrag enthält die Ergebnisse eines im Rahmen der DVS Forschung entwickelten Ansatzes zur Qualitätssicherung im Directed Energy Deposition. Es basiert auf der Verarbeitung verschiedener während des Prozesses gesammelter Sensordaten unter Anwendung Künstlicher Neuronale Netze (KNN). So ließen sich die Qualitätsmerkmale Härte und Dichte auf der Datenbasis von 50 additiv gefertigten Probenwürfel mit einer Abweichung < 2 % vorhersagen. Des Weiteren wurde die Übertragbarkeit des KNN auf eine Schaufelgeometrie untersucht. Auch hier ließen sich Härte und Dichte hervorragend prognostizieren (Abweichung < 1,5 %), sodass der Ansatz als validiert betrachtet werden kann. KW - Kl KW - Directed Energy Depositio KW - Qualitätssicherung PY - 2022 SN - 0036-7184 VL - 74 IS - 10 SP - 672 EP - 679 PB - DVS Media CY - Düsseldorf AN - OPUS4-56284 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -