Prozessvorhersage beim Stanznieten mit Neuronalen Netzen
Jan Kalich, Volker Thoms
Neuronale Netze sind geeignet, um mit vergleichbar geringem Aufwand kausale Verknüpfungen beim Stanznieten mit Vollniet abzubilden. Mit einer entsprechenden Anzahl und Qualität von Beispieldaten kann mittels PC und Software ein Prozessmodell erzeugt werden, dass im Sinne eines Werkzeuges bzw. Hilfsmittels zur Vorhersage von Verbindungseigenschaften und den dazu erforderlichen Werkzeugdaten nutzbar ist. Im Projekt wurde dies für folgende Fügeaufgaben realisiert:
sortenreine Verbindungen gleicher Fügeteildicke
sortenreine Verbindungen verschiedener Fügeteildicke
Mischverbindungen.
Je mehr Beispieldaten aus bereits gefügten Verbindungen für das Training des neuronalen Netzes zur Verfügung stehen, desto zuverlässiger wird die Netzaussage. Der Abgleich der vom Netz generierten Daten erfolgte mittels experimenteller Überprüfung (Probenerstellung mit generierten Parametern) und per Zugversuch (Abgleich mit generierten Verbindungsfestigkeiten). Im Unterschied zur numerischen Simulation lässt sich das Netz selbst und seine Qualität auf Grundlage vorhandener bzw. laufender Ergänzung von Daten dauerhaft von Anwendern und vom Systemanbieter nutzen. Zur Ergänzung ist das Netz in einem erneuten Lernvorgang zu trainieren. Es ist kein spezielles Expertenwissen zum Netzbetrieb erforderlich, eine Nutzung kann unmittelbar im Produktionsumfeld erfolgen. Das Neuronale Netz belegt die hohe Zuverlässigkeit und Kalkulierbarkeit des Stanznietens mit Vollniet.
