KIT | KIT-Bibliothek | Impressum | Datenschutz

Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont

Dornheim, Johannes ORCID iD icon

Abstract:

Die Qualität und Leistungsfähigkeit von Bauteilen wird wesentlich von der Ausführung der beteiligten Fertigungsprozesse bestimmt. Das Prozessergebnis hängt -- neben dem Anfangszustand des Bauteils und des Prozesses -- von dem Prozessverlauf ab. Bei vielen Fertigungsprozessen kann der Prozessverlauf durch zeitlich veränderliche Stellgrößen maßgeblich bestimmt werden.
Diese Arbeit behandelt Methoden zur Optimierung dieser zeitveränderlichen Größen unter schwankenden Prozessbedingungen.

Abstract (englisch):

The quality of components depend to a large extent on the execution of the Industrial processes involved in manufacturing. In addition to the initial conditions of the component and the process, the process result depends on the course of the process, which often can be significantly determined by time-varying manipulated variables. Methods for the optimization of these time-dependent quantities with regard to the component quality and depending on process conditions is the subject of this work.


Volltext §
DOI: 10.5445/KSP/1000141283
Veröffentlicht am 06.05.2022
Die gedruckte Version dieser Publikation können Sie hier kaufen.
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Angewandte Materialien – Computational Materials Science (IAM-CMS)
Publikationstyp Hochschulschrift
Publikationsjahr 2022
Sprache Deutsch
Identifikator ISBN: 978-3-7315-1158-8
ISSN: 2192-9963
KITopen-ID: 1000141283
Verlag KIT Scientific Publishing
Umfang X, 192 S.
Serie Schriftenreihe des Instituts für Angewandte Materialien, Karlsruher Institut für Technologie ; 103
Art der Arbeit Dissertation
Fakultät Fakultät für Maschinenbau (MACH)
Institut Institut für Angewandte Materialien – Computational Materials Science (IAM-CMS)
Prüfungsdaten 22.06.2021
Prüfungsdatum 22.06.2021
Schlagwörter Maschinelles Lernen, Entscheidungsoptimierung, Bestärkendes Lernen, Prozesspfadoptimierung, Optimale Regelung, machine learning, reinforcement learning, decision optimization, process optimization, optimal control
Relationen in KITopen
Referent/Betreuer Gumbsch, P.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page