In der Glasumformung führen nicht optimale Temperaturen in Heizraum und Glas zu Formfehlern und Defekten, doch die Temperaturverteilungen lassen sich durch Sensorik schwer erfassen. Die alternative Nutzung von Machine Learning Modellen benötigt ausgebildete Data Scientists – oder wenn automatisiert – Unmengen an Daten. Ziel dieses Projektes ist die Prozessoptimierung durch Vorhersage des Glas-Fließverhaltens mithilfe hybrider künstlicher Intelligenz. Dazu soll ein Machine Learning Modell mit Sensordaten trainiert, mit rheologischen Modellen kombiniert und in bedienungsfreundliche Software implementiert werden.
IGF-Projekt: 22461 N
Laufzeit: 01.05.2022 - 30.04.2024
Beteiligte Forschungseinrichtung
Eingebundene Unternehmen
(Projektbegleitender Ausschuss, "PA")
BMWK-Förderung
Vorhabensbeschreibung
Abschließende Ergebnisse
Weitere Informationen für eingebundene PA-Unternehmen
Als F.O.M.-Mitglied können Sie über eine formlose E-Mail das entsprechende "Ergebnis-Paket OptiMassKI" abonnieren.