Die Rauschert Gruppe, Hersteller von technischer Keramik, Kunststoff-Formteilen, Bauelementen und Baugruppen, ist Weltmarktführer in der Entwicklung und Produktion von Zündsystemen für Heizungsanlagen, wie zum Beispiel Zünd- und Ionisationselektroden für Gas- und Ölbrenner. Bei der Herstellung von Keramikbuchsen wird mittels einer Presse ein Halteblech aus Metall auf eine Keramikbuchse gefügt. Um die Belastbarkeit dieser Verbindung zu garantieren, ist eine erhebliche Presskraft notwendig. Jedoch darf die Keramikbuchse dabei nicht beschädigt werden. Obwohl Rauschert den Pressprozess bereits sehr gut versteht, werden oft Versuchsreihen benötigt, um den Prozess zu optimieren. Versuchsreihen sind aufwendig, da Schäden im Keramikbauteil meist nur mithilfe eines elektronischen Prüfverfahrens erfasst werden können. Die Verbindungsfestigkeit kann nicht zerstörungsfrei getestet werden.

Um einen tieferen Einblick in den Pressvorgang zu erlangen, führte Rauschert mehrere Versuchsreihen mit einer elektrischen Presse durch, welche Prozessvariablen wie den zeitlichen Verlauf der Presskraft hochaufgelöst misst. Ziel ist, den Ausschuss zu minimieren und eine feste Fügung zwischen Keramik und Halteblech zu garantieren. Versuchsreihen sind jedoch kosten- und zeitintensiv. Mithilfe von Maschine Learning wurden der Pressvorgang vorhergesagt und ausgewertet.

 

Herangehensweise

Da für alle Modelle dieses Projekts Trainingslabel, durch die Messdaten, gegeben sind, wurden alle Modelle überwacht trainiert. Um zu prüfen, welche Parameter Einfluss auf den Prozess nehmen, wurden Support Vektor Maschinen und neuronale Netze trainiert, Prozessparameter anhand von Prozessvariablen zu unterscheiden. Weitere neuronale Netze wurden trainiert die Prozessvariablen vorherzusagen und auszuwerten.

Partner