Methode für FE-basierte, dateneffiziente KI-Softsensoren

Abstract Moderne Fertigungsprozesse erfordern die Vorhersage schwer messbarer Prozessgrößen. KI-basierte Softsensoren können dies leisten, benötigen jedoch oft umfangreiche Datenbasen, zum Beispiel durch rechenintensive FE-Simulationen. Die vorgestellte Methodik kombiniert synthetische FE-Daten, PCA-Reduktion, Gauß-Prozess-Modelle und adaptive Versuchsplanung. Im Anwendungsbeispiel benötigt die konventionelle Versuchsplanung im Vergleich zur KI-basierten Versuchsplanung 38 Prozent mehr Simulationsdaten für die gleiche Modellgenauigkeit.