Kapitel/Beitrag aus dem Buch: Schulte, H et al. 2022. Proceedings – 32. Workshop Computational Intelligence: Berlin, 1. – 2. Dezember 2022.
Eine Voraussetzung für die Realisierung weitgehend autonomer Fertigungssysteme
ist das Vorhandensein von mathematischen Modellen, mit denen das Verhalten
einer Produktionsanlage mit ausreichend hoher Genauigkeit prädiziert
werden kann. Solche Modelle können in modellbasierten Optimierungsverfahren
eingesetzt werden, deren Ergebnis zur Unterstützung des Anlagenfahrers
oder zur Selbstoptimierung der Produktionsanlage verwendet werden kann.
Produktionsprozesse weisen hoft hochgradig dynamisches und nichtlineares
Verhalten auf, sodass eine Modellbildung für Anwender nicht zu bewältigen
ist. In diesem Beitrag wird eine Toolbox zur Unterstützung bei der Modellierung
und modellbasierten Prozessoptimierung eines Produktionsverfahrens,
dem Kunststoff-Spritzgießprozess, vorgestellt.
Rehmer A. & Kroll A. 2022. Eine Python-Toolbox zur datengetriebenenModellierung von Spritzgießprozessen undLösung von Optimalsteuerungsproblemenzur Steuerung der Bauteilqualität. In: Schulte, H et al (eds.), Proceedings – 32. Workshop Computational Intelligence: Berlin, 1. – 2. Dezember 2022. Karlsruhe: KIT Scientific Publishing. DOI: https://doi.org/10.58895/ksp/1000151141-10
This chapter distributed under the terms of the Creative Commons Attribution + ShareAlike 4.0 license. Copyright is retained by the author(s)
Dieses Buch ist Peer reviewed. Informationen dazu Hier finden Sie mehr Informationen zur wissenschaftlichen Qualitätssicherung der MAP-Publikationen.
Veröffentlicht am 20. November 2022