Datengetriebe Prozessoptimierung: Einsatz von Machine Learning in flexiblen Prozessen zur Effizienzsteigerung für die Automobilproduktion
Data driven process optimization: Use of machine learning in continuous processes for automotive production
Masterthesis, Bachelorthesis, Advanced Design Project (ADP)
Das neuartige Fertigungsverfahren Spaltprofilieren ermöglicht eine ressourcenschonende Herstellung verzweigter Profile aus ebenen Blechen. Diese Bleche eignen sich aufgrund ihrer Geometrie und fertigungsbedingten Eigenschaften hervorragend für den Einsatz im Automobil und weiteren Transportanwendungen.
Das dabei genutzte Werkzeugsystem ist durch eine hohe Flexibilität nicht trivial justier- und betreibbar. Eine Vielzahl von Eingangs- und Ausgangsgrößen müssen hierbei überwacht und optimiert werden. Ziel dieser Arbeit ist mittels eines datengetriebenen Ansatzes des Prozess Spaltprofilieren zu beschreiben sowie die Effizienz zu steigern. Hierbei wird auf eine Vielzahl von Prozessdaten einer automatisierten Anlage zurückgegriffen.
Neben der Prozessoptimierung spielt auch die zuverlässige Bestimmung der Produktqualität eine zentrale Rolle. Durch die Analyse der Prozessdaten können nicht nur mögliche Fehlerquellen frühzeitig erkannt, sondern auch Korrelationen zwischen den verschiedenen Parametern und der Produktqualität aufgedeckt werden.
Forschungsmethode
Experimental, Theoretisch