Thematischer Hintergrund
Die optimalen Maschineneinstellparameter beim Spritzgießen werden in der Praxis häufig durch Anwendererfahrung oder einen extensiven Versuchsplan an der Maschine bestimmt. Das IKV erforscht die Möglichkeit des Einsatzes von Methoden des maschinellen Lernens (Künstliche Neuronale Netze (KNN)), um den Betriebspunkt der Maschine zu optimieren. Hierzu sind bereits Versuchsreihen mit simulativ erzeugten und realen Daten der Spritzgießprozesse durchgeführt worden, die vielversprechende Ergebnisse erzielen konnten.
In sämtlichen Versuchen wird momentan auf die Offline-Optimierung des Maschinenbetriebspunktes hingearbeitet. In einer Erweiterung der Regelung soll der Prozess auch online mit künstlichen neuronalen Netzen geregelt werden können. Die Werkzeuginnendruckkurve eignet sich hierbei als Maß für die Reproduzierbarkeit des Prozesses und als wichtiger Faktor zur Bestimmung der Bauteilqualität.
Deine Aufgabenstellung
Um die Werkzeuginnendruckkurve als Input für die Vorhersage der Bauteilqualität mit KNN verwenden zu können, muss diese passend parametrisiert werden, sodass für das Training des KNN möglichst wenige Informationen über den Prozess verloren gehen.
Auf Basis einer Literaturrecherche zum Stand der Technik analysierst und bewertest du verschiedene Ansätze zur Parametrisierung der Werkzeuginnendruckkurve. Vielversprechende Konzepte sollen selbst implementiert und in einer Versuchsdurchführung überprüft werden.
Was ist dein Benefit?
- Abschlussarbeit mit industrieller Bedeutung
- Klare thematische Eingrenzung
- Erlangen / Vertiefung von Kenntnissen auf dem zukunftsträchtigen Feld des maschinellen Lernens
- Umfassende Betreuung während deiner Zeit am IKV
Wenn Du Interesse an einer Arbeit hast, melde dich sehr gerne bei mir, um ein Gespräch zu vereinbaren.
Ansprechpartner
Yannik Lockner, M.Sc.
Telefon: +49 241 80-96264
E-Mail: yannik.lockner@ikv.rwth-aachen.de