有两个因素会影响加工部件的生产成本：随时间推移去除的材料量和刀具磨损。为了可靠地预测磨损状态，从而优化切割工艺，Technische Universit的研究人员盲t Kaiserslautern（TUK）正在开发一个由人工智能（AI）支持的过程。他们将于5月30日至6月3日在汉诺威展览馆莱茵兰帕拉蒂纳研究展台（2号展厅，B40展台）展示他们的概念。系统将使用实际过程和测量数据进行培训。目的是通过迁移学习使系统适应不同的工艺条件。
制造业中用于机械加工过程（如钻孔或铣削）的工具在使用期间会磨损。为了避免因工具损坏而造成的质量损失，甚至代价高昂的停机时间，公司通常会在基于经验的多次操作后提前更换工具。但更换工具在时间和金钱上也很昂贵，因此优化更换周期最终是值得的。
DanielM说：“为了能够预测刀具的磨损状态，我们首先要考虑与工艺相关的参数。”眉他是图克制造技术和生产系统研究所的研究助理。这些包括切割过程中作用的过程力、振动和机器轴的功率要求。“同样，我们从对刀具和工件的连续测量中收集数据，”这位工程师说。“最大的挑战是确定所收集数据的相关性。”
为此，研究人员训练了一个人工智能支持的系统，该系统使用机器学习方法识别可能的模式并得出磨损状况的结论。此外，该系统应该能够预测公司在某些加工过程中必须使用哪些工艺参数，以便在目标使用寿命内安全可靠地使用刀具。“系统需要学习的数据是从五家合作公司收集的鈥攊包括全球参与者以及中小型企业，”Daniel M眉ller。“在这样做的过程中，我们测试了范围广泛的变量，如工具和材料类型或工艺参数，从而在整个工具寿命期间收集了广泛的数据库，直至工具出现故障。”
这些结果用于开发适应性强的基本模型。“我们使用迁移学习的概念，”彼得·西蒙（PeterSimon）报告，他与丹尼尔·西蒙（DanielM眉ller。“这种方法是为了使基本模型能够适应客户特定的加工过程，而只需尽可能少的额外努力。此外，我们将在这种利用的框架内，以创新商业模式的形式利用研究项目的发现。”