Abstract und Zusammenfassung zu
"Data agglomeration in wire EDM using machine learning methods for process evaluation"

Achtung: der Text ist aus der Master/Diplomarbeit entnommen. Jeder Kandidat ist für seinen eigenen Text verantwortlich!

Zusammenfassung

"Für die Integration der Drahterosion in eine vernetzte adaptive Produktion im Kontext von Industrie 4.0, ist ein Online-Prozessüberwachungssystem notwendig. Dazu müssen die großen Datenmengen, die Millionen von Einzelentladungen enthalten und mikroskopische Veränderungen repräsentieren, systematisch agglomeriert werden, um makroskopischen Abtrag abzubilden. Im Rahmen dieser Arbeit wurde ein Agglomerationsverfahren auf Basis der Mittelung von Bearbeitungssignalen entwickelt. Mit einem Datenkompressionsfaktor von mehr als 500 konnte dieser Ansatz Bearbeitungsdaten erfolgreich offline überwachen. Weiterhin wurden Parameter für die Prozessstabilität und die Bearbeitungsgenauigkeit formuliert."

Abstract

"For the integration of wire electrical discharge machining (EDM) in a networked adaptive production in the context of Industry 4.0, an online monitoring system is necessary. To this end, the large data volumes associated with the millions of single discharges in EDM describing microscopic changes must be agglomerated to produce a macroscopic image of the process. In the frame of this work, an agglomeration method based on averaging machining signals was devised. With a data compression factor of more than 500, this approach could successfully monitored machining data offline. Furthermore, parameters for process stability and machining accuracy were formulated."