Maschinelle Lernverfahren zur Inline-Qualitätssicherung beim Heizelementschweißen

Im Forschungsprojekt FloWeld wurde die etablierte Prozessüberwachung des Heizelementschweißens in Form von Kraft-, Weg- und Temperatursensoren um einen Wärmestromsensor ergänzt, der den Wärmestrom vom Heizelement in den anliegenden Kunststoff misst. Mit der erweiterten Anlagentechnik wurden Schweißversuche mit PP-H und PVC-U durchgeführt und mit Dreipunktbiegeversuchen die Kurzzeit-Schweißfaktoren der resultierenden Verbindungen bestimmt. Basierend auf den dabei generierten Prozessdaten wurden mit Hilfe maschineller Lernverfahren Modelle trainiert, welche die Kurzzeit-Biegefestigkeit der Schweißnaht, angegeben als Schweißfaktor, mit einer Genauigkeit von ± 0,03 vorhersagen konnten. Dieses Ergebnis legt nahe, dass sich maschinelle Lernverfahren für eine Inline-Qualitätssicherung eignen, die während des Schweißprozesses in Quasi Echtzeit eine Klassifizierung in Gut- und Schlechtteile vornehmen kann.