Additive Fertigungsverfahren bieten einzigartige Möglichkeiten im Vergleich zur traditionellen Fertigungsverfahren. Dennoch ist das Erreichen einer gleichbleibenden Bauteilqualität nach wie vor ein entscheidender Faktor, der die Verbreitung der Technologie einschränkt. Ein Ansatz zur Lösung dieses Problems ist die Online-Prozessüberwachung. In dieser Arbeit wird ein neuer auf Korrelationen basierender Ansatz für die Entwicklung eines Algorithmus mit Methoden des maschinellen Lernens zur Erkennung von Prozessstörungen mit der Online-Prozessüberwachung eingeführt. Mit diesem Ansatz können Prozessstörungen nicht nur detektiert, sondern auch lokalisiert werden. Für das Generieren von Daten zum Trainieren des Algorithmus wird ein Experiment mit einer Parametervariation durchgeführt. Der trainierte Algorithmus wird dann mit einem separaten Experiment validiert. Die Ergebnisse der Validierung sind vielversprechend und können als Machbarkeitsnachweis dieses Vorgehens angesehen werden. Darüber hinaus wird die Beziehung zwischen Prozessparametern und Signalcharakteristika untersucht. In diesem Zusammenhang wurde eine Methode entwickelt um die Strömungsrichtung des Schutzgases und der Turbulenzen im Schutzgas mit Hilfe von die Messdaten des Online-Prozessüberwachungssystems zu bestimmen.     «

Additive Fertigungsverfahren bieten einzigartige Möglichkeiten im Vergleich zur traditionellen Fertigungsverfahren. Dennoch ist das Erreichen einer gleichbleibenden Bauteilqualität nach wie vor ein entscheidender Faktor, der die Verbreitung der Technologie einschränkt. Ein Ansatz zur Lösung dieses Problems ist die Online-Prozessüberwachung. In dieser Arbeit wird ein neuer auf Korrelationen basierender Ansatz für die Entwicklung eines Algorithmus mit Methoden des maschinellen Lernens zur Erkennu...     »

Additve manufacuring offers unique possibilities in comparison to traditional manufacturing technologies. However reaching conistent part quality is still a crucial factor, which limits the wiedspread of the technology. A method for solving this problem is online process monitoring. In this work a new on correlation based approach for developing a machine learning algorithm to detect process disturbances with online process monitoring is introduced. With this approach process disturbances can not only be detected but also be localized. For gathering data to train the algorithm a experiment with a parameter variation is performed. The trained algorithm is then validated with a separate experiment. The result of validation are a promising and could be seen as a proof of concept of this approach. Furthermore, the relationship between process parameters or conditions and signal characteristics is investigated. In this context a method was developed for estimating the shielding gas flow direction and the turbulences in the shielding gas with the measurement data of the online process monitoring system.     «

Additve manufacuring offers unique possibilities in comparison to traditional manufacturing technologies. However reaching conistent part quality is still a crucial factor, which limits the wiedspread of the technology. A method for solving this problem is online process monitoring. In this work a new on correlation based approach for developing a machine learning algorithm to detect process disturbances with online process monitoring is introduced. With this approach process disturbances can n...     »