Generalisierung eines maschinellen Lernmodells für das Laserschneiden auf verschiedenen Blechdicken

Format: Publikation

Autor: Leiner, K.; Wall, D.; Kühlem, J.; Huber, M.

Erscheinungsjahr: 2024

Zur Veröffentlichung

In diesem Beitrag wird ein Machine-Learning-Modell auf Basis eines Autoencoders trainiert. Das Ziel des Modells ist es, Fehlschnitte beim Laserschneiden zu erkennen, da fehlerhafte Schnitte zu hohen Ausschussraten führen. Die Literatur zeigt, dass es möglich ist, mit Machine Learning Fehler beim Laserschneiden zu erkennen. Eine noch nicht vollständig gelöste Problemstellung ist die Anwendung
eines Modells auf verschiedene Prozessparameter. In diesem Beitrag wird ein Ansatz vorgestellt, wie sich ein trainiertes Modell auf verschiedenen Blechdicken anwenden lässt. Zu diesem Zweck wird der Autoencoder mit einer erweiterten Verlustfunktion trainiert. Das Modell ist dann in der Lage, einen Fehlschnitt generalisiert über mehrere Blechdicken zu erkennen.