Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
En raison d'une grêve chez bpost, votre commande pourrait être retardée. Vous avez besoin d’un livre rapidement ? Nos magasins vous accueillent à bras ouverts !
Retrait gratuit dans votre magasin Club
7.000.000 titres dans notre catalogue
Payer en toute sécurité
Toujours un magasin près de chez vous
En raison de la grêve chez bpost, votre commande pourrait être retardée. Vous avez besoin d’un livre rapidement ? Nos magasins vous accueillent à bras ouverts !
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
Das laserbasierte Directed Energy Deposition (DED, dt. Laserauftragschweißen) zählt aufgrund seiner vielseitigen Anwendbarkeit zu den wichtigsten Additive Manufacturing (AM)-Verfahren. Zu den größten Herausforderungen von AM gehört die Erkennung lokaler Prozessabweichungen mittels Prozessüberwachung. Die Überwachung der thermischen Schmelzbadstrahlung gilt dabei als eine der wichtigsten Werkzeuge. Trotz vieler Vorarbeiten wird das Potential der Prozessüberwachung für das DED nicht vollständig abgerufen, da diese bisher ausschließlich zeitaufgelöst erfolgt. Aufgrund fehlender zeitlicher Synchronisation mit Ortsinformationen können detektierte Effekte nur ungenügend lokal in Bauteilen zugeordnet werden. In dieser Arbeit wird eine Methodik zur zeit- und ortsaufgelösten Prozessüberwachung entwickelt. Die Überwachung des Schmelzbades erfolgt mittels eines Pyrometers und einer CMOS-Kamera, die koaxial in den Bearbeitungskopf integriert werden. Zur Ortsauflösung werden die Sensordaten während des Prozesses mit Koordinaten der Werkzeugbahnen synchronisiert. Diese werden prozessbegleitend mittels der Steuerungsschnittstelle OPC Unified Architecture erfasst. So wird die kombinierte Untersuchung der Einflüsse der Prozessparameter, Bauteilgeometrie und Prozessstrategie ermöglicht. Darauf aufbauend werden zuerst mittels eines statistischen Versuchsplans die Sensitivitäten der beiden verwendeten Sensoren gegenüber systematischen Prozessabweichungen verglichen. Dabei wird gezeigt, dass Änderungen von Prozessparametern und der Prozessführung in CMOS-Aufnahmen sensitiver erfasst werden als mittels Pyrometrie. Um die technologischen Grenzen zur Detektion von Prozessabweichungen zu untersuchen, werden neuartige Datenanalysemethoden untersucht. Dazu werden Modelle des maschinellen Lernens zur Evaluierung der Potenziale bei deren Anwendung auf CMOS-Aufnahmen implementiert. Mithilfe eines dimensionalitätsreduzierenden Autoencoders werden die den Aufnahmen zugrundeliegenden Muster erfolgreich abgebildet. Auf Basis der Dimensionalitätsreduktion erfolgt die Quantifizierung der Repräsentativität der Bilder für diese Muster anhand des Rekonstruktionsfehlers, um Anomalien im Prozessverlauf zu detektieren. Abschließend wird ein Ansatz zur Qualitätssicherung mittels ortsaufgelöster Daten vorgestellt. Durch ein Clustering der CMOS-Aufnahmen eines Demonstrators wird dieser in geometrie- und prozessabhängige Bereiche unterteilt, für die separate Prüfkriterien definiert werden können.