Energieeffizientes Kaltstartverhalten spanender Werkzeugmaschinen
| dc.contributor.author | Walz, Deborah | |
| dc.contributor.author | Wächter, Andreas | |
| dc.contributor.author | Tomov, Stefan | |
| dc.contributor.author | Heimbach, Konrad | |
| dc.contributor.author | Weigold, Matthias | |
| dc.date.accessioned | 2021-12-14T10:57:59Z | |
| dc.date.available | 2021-12-14T10:57:59Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | Die 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.doi | 10.18420/informatik2021-098 | |
| dc.identifier.isbn | 978-3-88579-708-1 | |
| dc.identifier.pissn | 1617-5468 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/37768 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik, Bonn | |
| dc.relation.ispartof | INFORMATIK 2021 | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume P-314 | |
| dc.subject | Machine Learning | |
| dc.subject | Neural Network | |
| dc.subject | Energy Efficiency | |
| dc.subject | Compensation | |
| dc.subject | Machining | |
| dc.title | Energieeffizientes Kaltstartverhalten spanender Werkzeugmaschinen | de |
| dc.title.subtitle | Kompensation thermischer Einflüsse mit Methoden des Maschinellen Lernens | de |
| gi.citation.endPage | 1199 | |
| gi.citation.startPage | 1193 | |
| gi.conference.date | 27. September - 1. Oktober 2021 | |
| gi.conference.location | Berlin | |
| gi.conference.sessiontitle | Workshop: Künstliche Intelligenz für kleine und mittlere Unternehmen (KI-KMU 2021) |
Dateien
Originalbündel
1 - 1 von 1
Vorschaubild nicht verfügbar
- Name:
- N1-4.pdf
- Größe:
- 411.73 KB
- Format:
- Adobe Portable Document Format