• search hit 69 of 502
Back to Result List

Datengetriebene Methoden zur Qualitäts- und Verschleißbestimmung beim Scherschneiden

  • In der vorliegenden Arbeit werden Methoden zur datengetriebenen Qualitäts- und Verschleißbestimmung beim Scherschneiden entwickelt. Zunächst wird ein optisches Überwachungssystem in einen Scherschneidprozess integriert und eine Inline-Überwachung in Bezug auf die Schnittflächenkenngrößen ermöglicht. Für die automatische Qualitätsbestimmung wird am Beispiel der Glattschnitthöhe ein Algorithmus zur automatisierten Bildverarbeitung gezeigt. Die neuen Möglichkeiten, die durch diese Entwicklung entstehen, werden anhand einer Fallstudie analysiert. Um die Schwächen des entwickelten Algorithmus mit Blick auf die Verarbeitungszeit auszugleichen, werden ebenfalls neuronale Netzwerke zur Bildverarbeitung untersucht. Zunächst wird hierzu eine Datenmenge aus dem Fertigungsprozess aufgezeichnet und ein manuelles Labelling sowie eine künstliche Datenerweiterung durchgeführt. Beruhend auf Normen und Expertenwissen, wird eine Methode zur Bewertung der Prognosegüte entwickelt. Diese beinhaltet eine Bewertung anhand von verschiedenen Koeffizienten, dieIn der vorliegenden Arbeit werden Methoden zur datengetriebenen Qualitäts- und Verschleißbestimmung beim Scherschneiden entwickelt. Zunächst wird ein optisches Überwachungssystem in einen Scherschneidprozess integriert und eine Inline-Überwachung in Bezug auf die Schnittflächenkenngrößen ermöglicht. Für die automatische Qualitätsbestimmung wird am Beispiel der Glattschnitthöhe ein Algorithmus zur automatisierten Bildverarbeitung gezeigt. Die neuen Möglichkeiten, die durch diese Entwicklung entstehen, werden anhand einer Fallstudie analysiert. Um die Schwächen des entwickelten Algorithmus mit Blick auf die Verarbeitungszeit auszugleichen, werden ebenfalls neuronale Netzwerke zur Bildverarbeitung untersucht. Zunächst wird hierzu eine Datenmenge aus dem Fertigungsprozess aufgezeichnet und ein manuelles Labelling sowie eine künstliche Datenerweiterung durchgeführt. Beruhend auf Normen und Expertenwissen, wird eine Methode zur Bewertung der Prognosegüte entwickelt. Diese beinhaltet eine Bewertung anhand von verschiedenen Koeffizienten, die sowohl konturbasierte als auch regionenbasierte Ansätze kombinieren. Durch einen Vergleich unterschiedlicher Netzwerkarchitekturen zur Bildsegmentierung und deren Optimierung wird eine Netzwerkarchitektur ermittelt, die die Qualitätsbewertung im Hinblick auf die Glattschnitthöhe innerhalb des Fertigungsprozesses ermöglicht. Abschließend wird ein Sensornetzwerk bestehend aus unterschiedlichen Sensoren und dem entwickelten Überwachungssystem an einem Scherschneidprozess installiert. In einer Versuchsreihe werden Daten der unterschiedlichen Datenquellen über die Lebensdauer eines Schneidstempels aufgezeichnet. Zusätzlich wird zu definierten Intervallen der vorliegende Schneidstempelverschleiß ermittelt. Die Daten werden in Verschleißklassen eingeteilt und durch unterschiedliche Datenvorverarbeitung entstehen mehrere Merkmalsräume. Diese unterscheiden sich zum einen durch die Kombination der Datenquellen als auch durch die angewendete Datenreduzierung. Die unterschiedlichen Merkmalsräume dienen zum Training von sowohl klassischen Algorithmen des maschinellen Lernens als auch neuronalen Netzwerken. Eine Bewertung und Analyse erfolgt anhand der jeweiligen Konfusionsmatrix und mittels SHAP-Werten. Es zeigte sich, dass durch eine Vorhersage der Verschleißklassen beruhend auf den Bildaufnahmen der Glattschnittfläche nur minimal schlechtere Ergebnisse erzielt werden als durch ein Sensornetzwerk beruhend auf einer Kombination aller Datenquellen.show moreshow less

Download full text files

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Maximilian LorenzORCiDGND
DOI:https://doi.org/10.17185/duepublico/78770
Publisher:Universität Duisburg-Essen
Place of publication:Duisburg-Essen
Referee:Robert Martin, Bernd Pinzer, Dirk Söffker
Advisor:Robert Martin
Document Type:Doctoral Thesis
Language:German
Date of Publication (online):2023/08/21
Year of first Publication:2023
Volume:2023
Number of pages:XVIII, 145 Seiten
Institutes:EPT – Institut für Effiziente Produktionstechnik
IMS - Institut für Maschinelles Sehen
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften
Open Access:open_access
Research focus:FSP3: Produktion
Publication Lists:Lorenz, Maximilian
Publication reviewed:begutachtet
Licence (German):Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International
Release Date:2024/02/05
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.