Identifikation von Prozesszuständen beim Stanzen durch maschinelles Lernen auf Basis synthetischer FEM-Daten

Identification of process states in shear cutting using machine learning and synthetic FEM-data

Masterthesis

Aktuelle Forschungsarbeiten am PtU beschäftigen sich mit der Überwachung von Produktionsprozessen mittels Machine Learning Algorithmen. Über trainierte maschinelle Lernalgorithmen wird der Bauteil- und Verschleißzustand klassifiziert. Für eine robuste Prozessüberwachung mittels Machine Learning werden jedoch zum Training der Modelle große Datenmengen in Form von Zeitreihen benötigt.

Im Rahmen dieser Thesis soll daher ein FEM Modell des Scherschneidprozesses genutzt werden um über synthetisch erzeugte Daten aus der numerischen Simulation ein Machine Learning Modell zu trainieren. Hierfür werden die verschiedenen Prozesszustände und Verschleißarten in der Simulation abgebildet. Anschließend soll das Modell an realen Versuchsdaten getestet und validiert werden.

Genaue Inhalte der Arbeit können gerne im Rahmen einer Videokonferenz mit den Betreuen besprochen werden.

Scherschneidprozess im 3D FEM-Modell

Forschungsmethode

Experimentell, numerisch