Machine Learning Use Case: Laserwelding of thermoplastics

Die Schweißtechnik ist ein wichtiger Schritt in der Lernfabrik. Der Schweißprozess und die Qualität der Schweißnaht können durch das Sammeln von Daten und deren Analyse mithilfe von Machine-Learning optimiert werden. Daraus sollen unter anderem Lehrinhalte für das Modul DigInd abgeleitet werden. Das Laserschweissprozess bietet eine neue Art von Verbindungstechnik und eine neue Option für die Smart Factory.
Machine Learning wird zusammen mit der neuen Laserschweißanlage der OST eingesetzt, um zu versuchen, die Qualität von lasergeschweißten Zugscherverbindungen vorherzusagen. Für die Studierenden wurde Lehrmaterial in Form eines interaktiven Praktikums mit Matlab entwickelt. Verfügbare Daten aus der Schweißanlage und aus mechanischen Tests können verwendet werden, um eine Schweißnaht mit hohen mechanischen Eigenschaften vorherzusagen.

Machine Learning Use Case: Laserwelding of thermoplastics Seite 4
IT-Bildungsoffensive TP1 Handlungsfeld «Lernfabrik OST
Detaillierte Beschreibung von Inhalt und Ablauf

  • Introduction
    Part 1
  • Start of the tutorial – ML supervised learning
    o Example of linear regression based on rental prices in Zürich
    o Cost function
    o Method 1: Gradient descent Method
     Initial parameter set
     Compute the gradient of the cost function
     Update the coefficient θ1 and repeat
     Visualization of the gradient descent
    o Method 2: Normal Equation
     Cost function and its derivative
     Visualization of the Normal Equation
     Advantages and disadvantages of the normal equation method
    o Questions regarding the Gradient Descent and the Normal Equation methods
    Part 2
  • Example of Laser Transmission welding
    o Multi-dimensional linear regression
     Input data
     Gradient descent
     Normal Equation
    o Tasks
    o Optional Task
  • Conclusion
Metadaten
Version 1
Bloomsche Taxonomy
  • K1 - kennen
  • K2 - verstehen
  • K3 - anwenden
  • K4 - analysieren
  • K5 - synthetisieren
Sprache
  • Englisch
Anzahl Lektionen 4
Art des Unterrichts
  • Labor- oder Werkstatt-Übung
Voraussetzungen

Abschluss der Lerneinheiten: keine

Grundlagen in:

  • Matlab
  • Analyse 1 und 2
  • Differential Gleichungen
Vorbereitungen, Bedingungen

Vorlesungsmaterialien

  • Lehrmaterial wird während des Übungs-/Praktikums übermittelt.

Übungsmaterialien/Praktikumsmaterial

  • Praktikum als Word-Dokument im OST-Template
  • Interaktives Skript im OST-Template, direkt in Matlab lesbar und bearbeitbar
  • Matlab-Programm zum Ausführen des interaktiven Teils des Skripts
  • Praktikum Lösungen als Word-Dokument im OST-Template
  • [weitere Materialien optional]

Prüfungsmaterialien

  • Alle Fragen, die in dem Praktikum gelehrt werden, sind prüfungsrelevant.
Lernziele
  1. Erlernen der Grundlagen der Machine-Learning und entsprechender Algorithmen
    K1 Wissen
  2. Erlernen der Methoden des steilsten Gradienten und der Normalgleichung (linear-regression Model) zur Bestimmung des Optimums eine Kostenfunktion mehrerer Variablen
    K2 Verstehen
  3. Verwenden (Matlab) der Methoden des steilsten Gradienten und der Normalgleichung zur Bestimmung des Optimums eine Kostenfunktion mehrerer Variablen – Beispiel der Mietpreise in Zürich in Abhängigkeit von Inputvariablen, wie Mietfläche und Anzahl der Zimmer
    K3 Anwenden
  4. Analysieren und verstehen die Vorteile und Nachteile der steilsten Gradienten und der Normalgleichung Methodden
    K4 Analyse
  5. Verstehen und Anwenden der multidimensionalen linearen Regression zur Identifizierung von Laserschweißparametern, die zu optimalen mechanischen Eigenschaften von lasergeschweißten Zugscherproben führen.
    K3 Anwenden
    Machine Learning Use Case: Laserwelding of thermoplastics Seite 3
    IT-Bildungsoffensive TP1 Handlungsfeld «Lernfabrik OST
  6. Synthese der erlernten Methode der Machine Learning. Reflexion der Vor- und Nachteile für die spezifische Optimierung des Laserschweißprozesses.
    K5 Synthese
Autor Jousset Pierre
Co-Autor:innen
Original-Studiengang Mechatronik Maschinentechnik Informatik
6. Semester
Dateien
Zip-Datei 1287 (Typ: application/zip)

Der Lerninhalt ist schwierig!/The learning content is difficult!

No votes yet.
Please wait...

Der Lerninhalt ist praxisorientiert!/The learning content is practice-orientated!

No votes yet.
Please wait...

Das Material unterstützt mich!/The learning material supports me!

No votes yet.
Please wait...

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Nach oben scrollen