Thema

Titel: Simulationsgestützte Bestimmung mehrachsiger Bearbeitungsbahnen mithilfe von Maschinellem Lernen
Typ:
  • Studienarbeit
  • Diplomarbeit
  • Masterarbeit
Betreuer:
Status: offen

Hintergrund

Der Trend zu immer kürzeren Produktzykluszeiten, bei gleichzeitig wachsender Variantenvielfalt und steigender Qualitätsanforderungen, erhöht die Anforderungen an die Produktionstechnik. Um trotz der verkürzten Produktzyklen konkurrenzfähig zu bleiben, muss auch die Zeit zur Planung und Produktionsvorbereitung verkürzt werden.

Problemstellung

Aktuelle simulationsgestützte Planungsverfahren von Werkzeugbahnen basieren auf den getrennten Prozessschritten Berechnung, Verifizierung und Optimierung. Die Werkzeugwege werden berechnet, auf Kollisionsfreiheit simulativ verifiziert und anschließend optimiert. Durch den Einsatz von Maschinellen Lernmethoden, sollen die Prozessschritte vereint werden. Dadurch wird nicht mehr nur die Verifikation simulativ ausgeführt, sondern auch die Berechnung und Optimierung basieren auf dem Simulationsmodell der Bearbeitungsmaschine.

Aufgabe

Entscheidend für die Bestimmung der Werkzeugwege sind die Rohteil- und Fertigteilgeometrien. Als verwendeteter Ansatz wird das Reinforcement Learning vorgegeben. Die Werkzeugweg-Möglichkeiten sind durch ein bestimmtes Set an Linearbewegungen festzulegen.

Die Aufgabenstellung umfasst die Konzeption und Implemenierung eines Reinforcement-Learning Ansatzes zur Bestimmung von 2D- (oder 3D-) Werkzeugbewegungsbahnen. Wichtige Teilaufgabe wird sein, innerhalb des Lernverfahrens die Geometrieänderung nach einem Bearbeitungsschritt zu erfassen und zu bewerten.

Anforderung

  • Motivation
  • Programmierkenntnisse, idealerweise in Python oder Matlab
  • Gute Englisch Kenntnisse

Kenntnisgewinn

  • Einarbeitung in die aktuell geftagte Thematik des Maschinellen Lernens
  • Wissensgewinn zu den Themen Werkzeugmaschinen und Werkzeugwegplanung