Die deutsche Automobilindustrie erlebt eine zunehmende Verschärfung der Wettbewerbssituation durch neue Marktteilnehmer mit kostengünstigen Massenprodukten. Um wettbewerbsfähig zu bleiben, müssen Presswerke daher in der Lage sein, neben einer hohen Ausbringungsleistung eine gleichbleibend hohe Bauteilqualität zu gewährleisten. Gleichzeitig unterliegen Umformprozesse einer Vielzahl von Unsicherheit, welche aus unterschiedlichen Quellen resultiert. ?

Im Rahmen einer vorangegangenen Arbeit konnte gezeigt werden, dass sich Umformprozesse durch integrierte Sensorik und Prozessdaten effektiv überwachen lassen. Auf dieser Basis soll nun gezielt analysiert werden, welche Sensorsignale mit Prozessabweichungen und -fehlern korrelieren. Ziel ist ein besseres Verständnis der Signalrelevanz zur Entwicklung robuster Modelle zur Fehlerfrüherkennung. Hierfür werden verschiedene Methoden des maschinellen Lernens angewendet und verglichen. Die Modellbildung und Validierung erfolgt anhand realer Prozessdaten. Dabei sollen sowohl einzelne Signale als auch verschiedene Kombinationen und Fusionen als Input untersucht werden. Außerdem kann das bestehende Sensorsystem erweitert werden. Die genaue Aufgabenstellung und Arbeitspakete können gerne in einem persönlichen Gespräch vereinbart werden!

Forschungsmethode

Experimental, Theoretisch, Konstruktiv