Machine learning Modell für die Abtragsvorhersage in der Roboter-Glaskeramik-Politur
Max Schneckenburger
„Im 21. Jahrhundert gehören hochgenaue optische Systeme zu den Schlüsseltechnologien und spielen eine entscheidende Rolle im technischen Fortschritt. Ihre Anforderungen an Stückzahl und Qualität steigen kontinuierlich. Einer der letzten Prozessschritte in der Fertigungskette von Glas Hochleistungsoptiken ist in der Regel die Politur.
Ziel dieser Arbeit ist die Entwicklung eines datengetriebenen Poliermodells für die Robotergestützte-Politur von Optiken. Auf Grundlage der Daten ein maschinenlernendes Modell zur Vorhersage von Materialabtrag auf gekrümmten Flächen erstellt und validiert.
Das vorliegende Machine learning Modell bildet den betrachteten Polierprozess ab und Einflüsse auf diesen werden durch den Sensoreinsatz abgebildet. Das Modell erreicht eine Vorhersagengenauigkeit des Abtrages von 99,22 % (R²-Wert), welches bei Prozessvorhersagen als sehr gut bewertet wird.“
