Methode für die Auswahl und den Einsatz maschineller Lernverfahren in der Fertigung

Hendrik Noske

doi:10.51202/9783690300353

Zusammenfassung

Für den Produktionssektor werden durch den Einsatz von künstlicher Intelligenz und maschineller Lernverfahren als dessen Teildisziplin deutliche Produktivitätssteigerungen erwartet. Gleichzeitig wird der Einsatz dieser Methoden für Produktionsunternehmen als essenziell angesehen, um im internationalen Wettbewerb bestehen zu können. Demgegenüber stehen fehlende Möglichkeiten zur Abschätzung der Machbarkeit sowie das Fehlen von Kompetenzen und Standardisierung. Insgesamt zeigt sich zudem ein geringer Verbreitungsgrad von Ansätzen der künstlichen Intelligenz und maschinellem Lernen im Fertigungsumfeld. Im Rahmen der vorliegenden Arbeit wird aufgrund der bestehenden Defizite eine Methode für die Auswahl und den Einsatz maschineller Lernverfahren in der Fertigung entwickelt.

Schlagworte

Publikation durchsuchen

Bibliographische Angaben

Erscheinungsjahr: 2025
Erscheinungsdatum: 12.02.2025
ISBN-Print: 978-3-69030-035-3
ISBN-Online: 978-3-69030-035-3
Verlag: TEWISS, Garbsen
Reihe: Berichte aus dem IFW
Band: 01/2025
Sprache: Deutsch
Seiten: 183
Produkttyp: Monographie

Inhaltsverzeichnis

KapitelSeiten

Titelei/Inhaltsverzeichnis Kein Zugriff Seiten I - XIII
1 Einleitung Kein Zugriff Seiten 1 - 3
1. 2.1 Maschinelles Lernen Kein Zugriff
2. 2.2 Maschinelles Lernen in der Fertigung Kein Zugriff
3. 2.3 Standard-Vorgehensmodelle für den Einsatz von Data-Mining und maschinellerLernverfahren Kein Zugriff
4. 2.4 Fazit und Handlungsbedarf Kein Zugriff
3 Zielsetzung und Vorgehensweise Kein Zugriff Seiten 43 - 45
1. 4.1 Identifikation geeigneter Anwendungsfälle Kein Zugriff
2. 4.2 Anwendungsfall 1: Vorhersage des Formfehlers zur Anpassung des Werkzeugpfads von Taschenfräsprozessen in der Prozessplanung mittels Prozessmodell Kein Zugriff
3. 4.3 Anwendungsfall 2: Überwachung eines Magnesiumdruckgießprozessesund Identifikation qualitätsrelevanter Einflussfaktoren mittels Prozessmodell Kein Zugriff
4. 4.4 Anwendungsfall 3: Maschinenzustandsüberwachung von Kugelgewindetriebenin Werkzeugmaschinenflotten Kein Zugriff
5. 4.5 Zwischenfazit in Bezug auf Teilziel 1 Kein Zugriff
5 Ansatz zur Problemidentifikation und ML-Methodenauswahl Kein Zugriff Seiten 99 - 105
1. 6.1 Vorhersagen in der Prozessplanung Kein Zugriff
2. 6.2 Überwachung von Fertigungsprozessen Kein Zugriff
3. 6.3 Identifikation qualitätsrelevanter Einflussfaktoren Kein Zugriff
4. 6.4 Überwachung von Maschinenkomponenten Kein Zugriff
1. 7.1 Ablaufanalyse des ersten Anwendungsfalls und Erweiterung von CRISP-DM Kein Zugriff
2. 7.2 Ablaufanalyse des zweiten Anwendungsfalls und Erweiterung des bestehendenVorgehensmodells aus Kapitel 7.1 Kein Zugriff
3. 7.3 Ablaufanalyse des dritten Anwendungsfalls mit Fehlerdaten und Erweiterungdes bestehenden Vorgehensmodells aus Kapitel 7.2 Kein Zugriff
4. 7.4 Ablaufanalyse des dritten Anwendungsfalls ohne Fehlerdaten und Erweiterungdes bestehenden Vorgehensmodells aus Kapitel 7.3 Kein Zugriff
8 Zusammenfassung und Ausblick Kein Zugriff Seiten 137 - 139
9 Literaturverzeichnis Kein Zugriff Seiten 140 - 159
10 Anhang Kein Zugriff Seiten 160 - 183