Instabilitäten aufgrund von externen Einflussgrößen, unbekannten Wirkzusammenhängen zwischen Prozessparametern oder Qualitätsmerkmalen von Produkten führen in Massivumformprozessen trotz vorhandener Prozessregelungen häufig zu Ausschuss. Aktuelle Konzepte zur Regelung basieren auf implizitem Bedienerwissen und der automatisierten Regelung einzelner Prozessparametern. Um die Regelung jedoch noch weiter zu objektivieren und Abweichungen noch weiter zu reduzieren werden neue, holistische Ansätze untersucht. Ein Mittel zur übergreifenden Kompensation von Qualitätsabweichung sind Qualitätsregelkreise. In Kombination mit Ansätzen des maschinellen Lernens, hier dem Reinforcement Learning und dem Transfer Learning, bieten sie das Potenzial den Ausschuss zu reduzieren. Dies geschieht über eine automatische Adaption der Anlagenparameter bei auftretenden Instabilitäten.

Das Ziel des Forschungsprojektes „IRLEQUM“ ist daher die Entwicklung eines auf Reinforcement und Transfer Learning basierenden Verfahrens zur Implementierung von neuartigen Reglern in Qualitätsregelkreisen von Massivumformprozessen.

Weiterführende Informationen & Quellenangabe (Stand: 07/2024):
RWTH Aachen - Projekt IRLEQUM