Bookbot

Verbesserungen beim Laserschneiden mit Methoden des maschinellen Lernens

Parametry

  • 234 strony
  • 9 godzin czytania

Więcej o książce

Obwohl das Laserschneiden von Metallen ein etabliertes Verfahren ist, besteht ein erhebliches Verbesserungspotenzial hinsichtlich verschiedener Anforderungen an die fertigende Industrie. Dieses wird identifiziert und anschließend wird gezeigt, wie Verbesserungen mithilfe von maschinellem Lernen erzielt werden könnten. Als Grundlage dafür dient eine Datenbasis, die die verwendeten Prozessparameter, RGB-Bilder, 3D-Punktwolken und verschiedene Qualitätsmerkmale von fast 4000 Schnittkanten enthält. Although laser cutting of metals is a well-established process, there is considerable potential for improvement with regard to various requirements for the manufacturing industry. First, this potential is identified and then it is shown how improvements could be made using machine learning. For this purpose, a database was generated. It contains the process parameters, RGB images, 3D point clouds and various quality features of almost 4000 cut edges.

Zakup książki

Verbesserungen beim Laserschneiden mit Methoden des maschinellen Lernens, Leonie Felica Tatzel

Język
Rok wydania
2022
Oprawa
(miękka)
Jak tylko się pojawi, wyślemy Ci wiadomość e-mail.

Metody płatności

Nikt jeszcze nie ocenił.Oceń

Tytuł
Verbesserungen beim Laserschneiden mit Methoden des maschinellen Lernens
Język
niemiecki
Oprawa
miękka
Liczba stron
234
ISBN13
9783731511281
Seria
Tagi
Opis
Obwohl das Laserschneiden von Metallen ein etabliertes Verfahren ist, besteht ein erhebliches Verbesserungspotenzial hinsichtlich verschiedener Anforderungen an die fertigende Industrie. Dieses wird identifiziert und anschließend wird gezeigt, wie Verbesserungen mithilfe von maschinellem Lernen erzielt werden könnten. Als Grundlage dafür dient eine Datenbasis, die die verwendeten Prozessparameter, RGB-Bilder, 3D-Punktwolken und verschiedene Qualitätsmerkmale von fast 4000 Schnittkanten enthält. Although laser cutting of metals is a well-established process, there is considerable potential for improvement with regard to various requirements for the manufacturing industry. First, this potential is identified and then it is shown how improvements could be made using machine learning. For this purpose, a database was generated. It contains the process parameters, RGB images, 3D point clouds and various quality features of almost 4000 cut edges.