Start des neuen Forschungsprojektes ASIMoW: Analysesystem zum qualitätsmotivierten Inline-Monitoring für Schweißprozesse auf Basis von Methoden künstlicher Intelligenz

10.06.2022|17:21 Uhr

Im Rahmen der BMBF-Fördermaßnahme KI4KMU wird der Lehrstuhl für TMDT innerhalb eines zweijährigen Forschungsvorhabens zusammen mit der FEF GmbH die Einsatzmöglichkeiten datengetriebener Methodendes Deep Learning für die Qualitätsvorhersage von fügetechnischen Verbindungen in der Schweißtechnik untersuchen.

Unter den diversien Variationen verschiedener Schweißtechniken ist das Lichtbogenschweißen mit Schutzgaß eines der verbreitensten Verfahren. Dennoch stellt dieses klassische Fertigungsverfahren eine beträchtliche Herausforderung dar, da sich Simulationen, die eine konstant hohe Abschätzung der Produktqualität liefern können, bisher missen lassen. Verfahren aus dem Bereich Deep Learning und Contiual Learning sollen hier Abhilfe schaffen und Schweißprozesse unter variierenden Randbedingungen beschreiben und die daraus resolutierende Produktqualität besser abschätzen können. Anhand eines eigens für das Projekt konstruierten Demonstrators werden die erzeugten KI-Modelle unter Realbedingungen erprobt.

Weitere Informationen zum Projekt ASIMoW sind hier zu finden.