Die wachsende Komplexität von Fertigungsprozessen erschwert deren Planung, Inbetriebnahme und Serienprozessfähigkeit. Am Institit für Werkzeugmaschinen und Steuerungstechnik der TU Dresden haben Forscher einen Weg gefunden, nunmehr diese Komplexität zu beherrschen..
Autor: Dr. Hajo Wiemer, Technische Universität Dresden, Institut für Werkzeugmaschinen und Steuerungstechnik
In Verbindung mit der Digitalisierung der Fertigungsprozesse werden Methoden des Data Mining (DM) und des Maschinellen Lernens (ML) zunehmd wichtiger, da mit diesen komplexe Prozesszusammenhänge datenbasiert ermittelt werden können. Ein weiteres Anwendungsgebiet für datengetriebene DM- und ML-Methoden ist die vorauschauende Nutzung von Anlagen und Werkzeugen, die auf der digitalen Zustandsüberwachung basiert. Störungen und Fehler können so verringert und die Wirtschaftlchkeit verbessert werden.
Die erfolgreiche Einführung von DM oder ML erfordert eine ganzheitliche Herangehensweise. Diese beginnt mit der Konfiguration geeigneter Messverfahren und widmet sich weiterführnd der Vernetzung sowie der Integration der erfassten Daten zu einem analysefähigen Datenbestand. Außerdem sind die DM- und ML-Algorithmen für die Datenanalyse auszuwählen und anzupassen. Das ganzheitliche Vorgehen umfasst schließlich auch Methoden, mit denen die Ergebnisse der Analyse in den produktionstechnischen Kontext zurücktransformiert und nutzbar gemacht werden können.
Ein dickes Plus für potentielle Kunden: Ingenieure, Informatiker und Mathematiker bringen bei der ganzheitlichen Bearbeitung produktionstechnischer Themen ihre Kompetenzen ein und arbeiten Hand in Hand.
Anmerkung der Redaktion: Auf dem Gemeinschaftsstand „Forschung für die Zukunft“ zur Hannover Messe 2018 geben Dr. Hajo Wiemer und sein Team vom 23. bis 27. April gern Auskunft über den aktuellen Stand ihrer Arbeiten (Stand A 38, Halle 02).
Einen Kommentar hinterlassen