TY - JOUR A1 - Salentin, Felix Gandha A1 - Hartmann, Dierk A2 - Vogt, Martin T1 - Datengetriebene Optimierung von Wandstärkenverteilungen duktiler Gusseisenrohre T2 - GIESSEREI Special N2 - Datengetriebene Modellierung, insbesondere maschinelles Lernen, lässt sich nutzen, um Prozesse und Produktqualitäten zu optimieren. Dies gilt insbesondere für komplexe Fertigungsprozesse wie das horizontale Schleudergießen, bei dem eine analytische Betrachtung der zusammenhänge schwerfällt. Unüberwachtes Lernen in Form der Hauptkomponentenanalyse wird herangezogen, um latente Strukturen in den Daten freizulegen und eine solide Datenbasis zu schaffen. Auf diese Weise werden die Modellkomplexität reduziert und prozessbedingte Störungen korrigiert. Durch Gradient Boosting werden datengetriebene Prozessmodelle erzeugt, um den Wanddickenverlauf duktiler Gusseisenrohre auf Grundlage von Prozessparametern mit hoher Genauigkeit vorherzusagen. Mithilfe von Methoden der empirischen Modellevaluation werden schließlich die treibenden Einflussgrößen des Prozesses identifiziert, wodurch eine erhöhte Prozesstransparenz gewährleistet wird. Die Haupt-Performanceindikatoren können anschließend verwendet werden, um Wandstärkenverteilungen effizient anzupassen und zu optimieren. Y1 - 2021 UR - https://opus4.kobv.de/opus4-hs-kempten/frontdoor/index/index/docId/1173 SN - 2512-3157 IS - 2 SP - 36 EP - 42 PB - DVS Media GmbH CY - Düsseldorf ER -