Schumann, Markus
Now showing 1 - 2 of 2
- Some of the metrics are blocked by yourconsent settings
Publication Access status: Open Access , Datengestützte Umformtechnik: Künstliche Intelligenz zwischen Prozesswissen, Regelung und ProduktionsrealitätWith the 7th Biegeforum, the Chair of Forming Technology at the University of Siegen once again offers researchers the opportunity to present their topics and findings to a specialist audience from industry and academia. This conference volume brings together current research findings and innovative developments in forming technology, highlighting the broad scope of the research field. The Biegeforum thus underscores its role as a key platform for exchange between research and industry — a role it has fulfilled since its first edition in 2011.Source Type:Conference ProceedingsSeries:Forschungsberichte des Lehrstuhls für Umformtechnik3 10 - Some of the metrics are blocked by yourconsent settings
Publication Access status: Open Access , Transformation des Profilbiegeprozesses: Flexibilisierung durch synthetische Daten und maschinelles Lernen(2026); Das Drei-Rollen-Profilbiegen ist ein flexibles Fertigungsverfahren, das im Spannungsfeld von manueller Expertise und den Anforderungen der Digitalisierung und Automatisierung steht. Der Prozess, der in der Herstellung von Komponenten für den Transport- und Architekturbereich sowie in der Einzel- und Sonderteilefertigung eingesetzt wird, ist bislang stark von der manuellen Expertise des Bedienpersonals abhängig. Flexible Geometrien mit kontinuierlichen Radienverläufen lassen sich auf klassischen Maschinen derzeit nur sehr schwer reproduzierbar herstellen. Mit zunehmendem Fachkräftemangel und wachsender Variantenvielfalt entsteht daher ein Bedarf an datengetriebenen Strategien, die eine reproduzierbare und adaptive Prozessführung ermöglichen. Ziel ist die Entwicklung einer datengetriebenen Methodik zur automatisierten Generierung und Adaption von Zustellkurven für flexible Geometrien mittels Maschinellen Lernens. Dies wird durch die gezielte Kombination von synthetisch generierten Geometriedaten aus Finite-Elemente-Simulationen und zufällig erzeugten Zustellkurven erreicht. Durch das Training von Machine-Learning-Modellen entstehen digitale Zwillinge, die eine Grundlage der adaptiven Prozessregelung bilden, indem Abweichungen zwischen Soll- und Ist-Geometrie prinzipiell erkannt und Korrekturen abgeleitet werden können. Erste Ergebnisse demonstrieren die Fähigkeit neuronaler Netze, die komplexen, nicht-linearen Zusammenhänge zwischen der Zustellung der Rolle, den Materialeigenschaften und der resultierenden Krümmung präzise abzubilden. Diese prädiktive Fähigkeit bildet die Grundlage für eine selbstlernende, adaptive Prozessregelung, die den Profilbiegeprozess effizient an variable Randbedingungen anpasst und so die Prozessflexibilität, Bauteilqualität und Wirtschaftlichkeit signifikant steigert.Source Type:InProceedings3 7
