Ergebnisvorhersage des Aufschweißbiegeversuchs mittels Machine Learning (ML)
Projektziel: Entwicklung eines auf Machine Learning (ML) basierenden Tools zur Ergebnisvorhersage (bestanden / nicht bestanden) eines Aufschweißbiegeversuchs (ABV)
Aufschweißbiegeversuch (ABV): technologisches Prüfverfahren nach Stahl-Eisen-Prüfblatt SEP 1390 zur Untersuchung des Rissauffangvermögens eines schweißgeeigneten Baustahls (Mindeststreckgrenze 235 bis 355 MPa, Blechdicke ≥ 30 mm)
Einsatz ML-Technologie: Anwendung eines geeigneten ML-Algorithmus aus dem Bereich „Überwachtes Lernen“ zur Identifikation relevanter Einflussgrößen auf das ABV-Ergebnis und Abschätzung der Wahrscheinlichkeit des Bestehens des ABV. Die Eingangsdaten (Input ML-Modell) basieren auf Parametern der geprüften Stahlwerkstoffe, der Probekörperherstellung sowie der eigentlichen Biegeprüfung.
Benefits:
- Verbesserung der Quote bestandener ABV-Versuche durch Vermeidung überflüssiger kosten- und materialintensiver sowie umweltbelastender (Energie- und Rohstoffbedarf, Abgasentwicklung beim Schweißen) Versuchsdurchführungen
- Rückschlüsse zur Optimierung der Herstellungsbedingungen (z. B. Anpassung der chemischen Zusammensetzung) und der Prüfmethodik des ABV
- Reduzierung der Transport- und Prüfkosten bzw. Transport- und Prüfzeiten für Stahlhersteller
Ansprechpersonen
