• search hit 3 of 4
Back to Result List

Datengetriebene Optimierung von Wandstärkenverteilungen duktiler Gusseisenrohre

  • 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 effizientDatengetriebene 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.show moreshow less

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Felix Gandha SalentinGND, Dierk HartmannORCiDGND
Identifier:2512-3157 OPAC HS OPAC extern
Parent Title (German):GIESSEREI Special
Publisher:DVS Media GmbH
Place of publication:Düsseldorf
Editor:Martin Vogt
Document Type:Article
Language:German
Year of first Publication:2021
Issue:2
Number of pages:7 Seiten
First Page:36
Last Page:42
Institutes:IPI – Institut für Produktion und Informatik
Research focus:FSP3: Produktion
Publication Lists:Hartmann, Dierk
Salentin, Felix Gandha
Publication reviewed:begutachtet
Release Date:2022/03/24
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.