Logo des Repositoriums
 

Energieeffizientes Kaltstartverhalten spanender Werkzeugmaschinen

Kurzanzeige
dc.contributor.authorWalz, Deborah
dc.contributor.authorWächter, Andreas
dc.contributor.authorTomov, Stefan
dc.contributor.authorHeimbach, Konrad
dc.contributor.authorWeigold, Matthias
dc.date.accessioned2021-12-14T10:57:59Z
dc.date.available2021-12-14T10:57:59Z
dc.date.issued2021
dc.description.abstractDie Kompensation thermischer Einflüsse und daraus resultierender geometrischer Verlagerungen spielt eine bedeutende Rolle bei der Gewährleistung einer hohen Bearbeitungsqualität von Werkstücken in Zerspanungsprozessen. Übliche Vorgehensweisen zur Reduktion thermischer Verlagerungen während der Produktion gehen mit einem erheblichen Energiebedarf einher oder modellieren die komplexen Zusammenhänge thermischer Einflüsse nur ungenügend. Methoden des Maschinellen Lernens stellen einen vielversprechenden Ansatz zur Modellierung dar. Es wird eine Lösung angestrebt, die aufwandsarm auf Produktionsmaschinen ähnlicher Bauart übertragen werden kann. Derzeit ist ungeklärt, ob eine explizite oder implizite Modellierung der zeitlich multivarianten Daten eine ufriedenstellende Lösung bietet. Als besonders herausfordernd stellt sich die Verfügbarkeit von ausreichend vielen Datenbeispielen zur Modellierung der relevanten Größen dar.de
dc.identifier.doi10.18420/informatik2021-098
dc.identifier.isbn978-3-88579-708-1
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/37768
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2021
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-314
dc.subjectMachine Learning
dc.subjectNeural Network
dc.subjectEnergy Efficiency
dc.subjectCompensation
dc.subjectMachining
dc.titleEnergieeffizientes Kaltstartverhalten spanender Werkzeugmaschinende
dc.title.subtitleKompensation thermischer Einflüsse mit Methoden des Maschinellen Lernensde
gi.citation.endPage1199
gi.citation.startPage1193
gi.conference.date27. September - 1. Oktober 2021
gi.conference.locationBerlin
gi.conference.sessiontitleWorkshop: Künstliche Intelligenz für kleine und mittlere Unternehmen (KI-KMU 2021)

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
N1-4.pdf
Größe:
411.73 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P314 - INFORMATIK 2021 - Computer Science & Sustainability