nach oben
Meine Merkliste
Ihre Merklisteneinträge speichern
Wenn Sie weitere Inhalte zu Ihrer Merkliste hinzufügen möchten, melden Sie sich bitte an. Wenn Sie noch kein Benutzerkonto haben, registrieren Sie sich bitte im Hanser Kundencenter.

» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.
Ihre Merklisten
Wenn Sie Ihre Merklisten bei Ihrem nächsten Besuch wieder verwenden möchten, melden Sie sich bitte an oder registrieren Sie sich im Hanser Kundencenter.
» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.

« Zurück

Ihre Vorteile im Überblick

  • Ein Login für alle Hanser Fachportale
  • Individuelle Startseite und damit schneller Zugriff auf bevorzugte Inhalte
  • Exklusiver Zugriff auf ausgewählte Inhalte
  • Persönliche Merklisten über alle Hanser Fachportale
  • Zentrale Verwaltung Ihrer persönlichen Daten und Newsletter-Abonnements

Jetzt registrieren
English
Merken Gemerkt
Kunststoffe 06/2020

Qualitätsprognose für Spritzgussteile durch maschinelles Lernen

Welchen Mehrwert bietet hierfür die Werkzeuginnendrucksensorik?

Qualitätsprognose für Spritzgussteile durch maschinelles Lernen

Allgemeines Ziel der Qualitätsprognose ist es, auf Basis von Prozessdaten Aussagen über die resultierende Formteilqualität abzuleiten. Dem Werkzeuginnendruckverlauf wird allgemein eine hohe Aussagekraft für spritzgegossene Formteile zugeschrieben. Es stellt sich die Frage, ob die Qualitätsprognose genauere Ergebnisse liefert, wenn über die Prozessdaten aus der maschineninternen Sensorik hinaus auch die Daten aus der Werkzeugsensorik einfließen.

Alexander Schulze Struchtrup, M. Sc.
Dimitri Kvaktun, M. Sc.
Prof. Dr.-Ing. Reinhard Schiffers

[1] Hanning, D.: Continuous Process Control. Qualitätssicherung im Kunststoffverarbeitungsprozess auf Basis statistischer Prozessmodelle. Dissertation, Universität-Gesamthochschule Paderborn 1994

[2] Häußler, J.: Eine Qualitätssicherungsstrategie für die Kunststoffverarbeitung auf der Basis künstlicher Neuronaler Netzwerke. Dissertation, Universität-Gesamthochschule Essen 1994

[3] Vaculik, R.: Regelung der Formteilqualität beim Spritzgießen auf Basis statistischer Prozessmodelle. Dissertation, RWTH Aachen 1996

[4] Al-Haj Mustafa, M.: Modellbasierte Ansätze zur Qualitätsregelung beim Kunststoffspritzgießen. Dissertation, Universität-Gesamthochschule Essen 2000

[5] Schulze Struchtrup, A.; Kvaktun, D.; Schiffers, R.: Comparison of feature selection methods for machine learning based injection molding quality prediction. Polymer processing society (PPS), Pretoria (Südafrika) 2019

[6] Schulze Struchtrup, A.; Kvaktun, D.; Schiffers, R.: A holistic approach to part quality prediction in injection molding based on machine learning. Angenommen für: International Symposium on Plastics Technology, Aachen 2020

[7] Khanzadeh, M.; Chowdhury, S.; Marufuzzaman, M. et al.: Porosity prediction: supervised-learning of thermal history for direct laser deposition. Journal of Manufacturing Systems 47 (2018), S. 69-82

[8] Frochte, J.: Maschinelles Lernen – Grundlagen und Algorithmen in Python. 2. Auflage, Carl Hanser Verlag, München 2019

[9] Guyon, I.; Elisseef, A.: An Introduction to feature extraction. In: Guyon, I.; Gunn, S.; Nikravesh, M. et al. (Hrsg.): Feature extraction – foundations and applications. Springer Verlag, Berlin/Heidelberg 2006

[10] Hall, M.: Correlation-based feature selection for machine learning. Dissertation, University of Waikato (Neuseeland) 1999

[11] Fahrmeir, L.; Heumann, C.; Künstler, R. et al.: Statistik. 8. Auflage, Springer Verlag, Berlin/Heidelberg 2016

Hilfe

Bei Fragen zu Ihrem Abo bzw. Ihrem Onlinezugang wenden Sie sich bitte an:

Frau Kristin Franke
Tel.: +49 89 99830-111
Fax: +49 89 984809
abo-service@hanser.de

Artikelsponsoring

Möchten Sie einen Fachbeitrag freischalten lassen, haben Sie Fragen oder wünschen Sie ein Angebot, dann wenden Sie sich bitte per E-Mail an:
petra.dregger@hanser.de

Studenten- und Doktoranden-Service

Studenten- und Doktoranden-Service für wissenschaftliche Arbeiten

Sie möchten kostenlos für Ihre Diplom-, Bachelor-, Master- oder Doktorarbeit im Online-Archiv der Zeitschrift Kunststoffe recherchieren und die Ergebnisse als Download erhalten?


Weitere Informationen