Das Projekt hat zum Ziel, ein Rahmenwerk für die lernende 5-Achs-Kompensation von Formfehlern in Fräsprozessen zu erforschen. Dies basiert auf einer prozessparallelen Materialabtragssimulation und anspruchsvollen maschinellen Lernstrategien. Darüber hinaus möchten wir die Möglichkeit des Wissenstransfers zwischen verschiedenen Werkstückgeometrien, Fräswerkzeugen und Maschinenwerkzeugen für eine verbesserte Prozessplanung untersuchen. Hierzu werden wir ein Rahmenwerk etablieren, das die erforderlichen Funktionen für eine flexible und echtzeitfähige Filterung, Fusion und Speicherung von Datenströmen mit unterschiedlichen Eigenschaften unterstützt.

Anschließend werden grundlegende Kenntnisse über die Leistung verschiedener maschineller Lernalgorithmen für den Aufbau von Prozesswissen vermittelt und geeignete überwachte Lernmethoden entworfen. Auf Basis dieses Wissens wird eine Methode erforscht, die neuartige Prozesssituationen automatisch identifiziert und entscheidet, ob eine neue Modell-Domäne erforderlich ist oder ob vorhandenes Wissen übertragen werden kann.

Schließlich planen wir, eine Kompensationsstrategie für Formfehler zu entwickeln, die eine Anpassung des Werkzeugpfads unter Verwendung von 5 Achsen der Maschine mit einer lokalen Anpassung der Vorschubgeschwindigkeit kombiniert. Da Produktionsdaten nur in sehr begrenztem Umfang der wissenschaftlichen Gemeinschaft zur Verfügung stehen, werden die experimentellen Datensätze und Kennzeichnungen online für die wissenschaftliche Gemeinschaft zugänglich gemacht. Dies ermöglicht es anderen Forschungsgruppen, unsere Ergebnisse zu reproduzieren und ihre eigenen Methoden zu bewerten.