KI-basierte Prozessüberwachung: Unüberwachtes Lernen zur optischen Überwachung schnelllaufender Prozesse
AI-based processmonitoring: Unsupervised learning for optical monitoring of high-speed processes
Advanced Research Project (ARP), Masterthesis, Hiwi-Stelle, Bachelorthesis, Advanced Design Project (ADP)
Werkzeugverschleiß in Stanzprozessen hat einen signifikanten Einfluss auf die Produktivität und die Bauteilqualität. Optische Überwachung bietet den Vorteil direkt Verschleiß zu identifizieren und Prozesswissen aus der visuellen Repräsentation von Verschleiß Phänomenen zu extrahieren. Überwachtes Lernen geht meist mit erhöhtem Aufwand beim Erstellen eines Datensatzes einher, der nur ein begrenztes Spektrum möglichen Verschleißes abdeckt. Kernziel der vorliegenden Aufgabenstellung ist deshalb die Untersuchung von Ansätzen des unüberwachten Lernens zur optischen Analyse von Verschleiß auf Stanzwerkzeugen.
Die folgenden Arbeitspakete sind dafür vorgesehen:
- Recherche unüberwachter Lernansätze zur Segmentierung von Bildern
- Auswahl, Implementierung und Optimierung eines Ansatzes für drei existierende Datensätze verschiedener Materialkombinationen
- Interpretation und Analyse der Ergebnisse mittels Techniken zur Erklärbarkeit von KI-Modellen (Explainable AI)
- Wissenschaftliche Dokumentation der Ergebnisse
Forschungsmethode
Numerisch, theoretisch
