Walz, Deborah ; Wächter, Andreas ; Tomov, Stefan ; Heimbach, Konrad ; Weigold, Matthias (2021)
Energieeffizientes Kaltstartverhalten spanender Werkzeugmaschinen.
51. Jahrestagung der Gesellschaft für Informatik (INFORMATIK 2021). Berlin, Germany (27.09.2021-01.10.2021)
doi: 10.18420/informatik2021-098
Konferenzveröffentlichung, Bibliographie
Kurzbeschreibung (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.
| Typ des Eintrags: | Konferenzveröffentlichung |
|---|---|
| Erschienen: | 2021 |
| Autor(en): | Walz, Deborah ; Wächter, Andreas ; Tomov, Stefan ; Heimbach, Konrad ; Weigold, Matthias |
| Art des Eintrags: | Bibliographie |
| Titel: | Energieeffizientes Kaltstartverhalten spanender Werkzeugmaschinen |
| Sprache: | Deutsch |
| Publikationsjahr: | 2021 |
| Ort: | Bonn |
| Verlag: | Gesellschaft für Informatik |
| Buchtitel: | INFORMATIK 2021 - Jahrestagung der Gesellschaft für Informatik e.V. : Proceedings |
| Reihe: | Lecture Notes in Informatics (LNI) |
| Band einer Reihe: | P314 |
| Veranstaltungstitel: | 51. Jahrestagung der Gesellschaft für Informatik (INFORMATIK 2021) |
| Veranstaltungsort: | Berlin, Germany |
| Veranstaltungsdatum: | 27.09.2021-01.10.2021 |
| DOI: | 10.18420/informatik2021-098 |
| Kurzbeschreibung (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. |
| Freie Schlagworte: | Machine Learning, Neural Network, Energy Efficiency, Compensation, Machining, ETA im Bestand |
| Fachbereich(e)/-gebiet(e): | 16 Fachbereich Maschinenbau 16 Fachbereich Maschinenbau > Institut für Produktionsmanagement und Werkzeugmaschinen (PTW) 16 Fachbereich Maschinenbau > Institut für Produktionsmanagement und Werkzeugmaschinen (PTW) > ETA Energietechnologien und Anwendungen in der Produktion |
| Hinterlegungsdatum: | 17 Jan 2022 06:21 |
| Letzte Änderung: | 03 Mai 2023 11:16 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum