DeepQuality

DeepQuality – Einsatz von robusten Deep-Learning-Methoden zur automatischen Qualitätsbewertung von Stahlprodukten

DeepQuality zielt darauf ab, die automatische Qualitätsbewertung von Stahlprodukten durch einen ganzheitlichen Ansatz zu verbessern, der Deep-Learning-Technologie mit einem ausgefeilten Management der zugrunde liegenden Trainingsdaten kombiniert, um die optimale Nutzung aller verfügbaren Datenquellen zu ermöglichen und gleichzeitig die Konfigurierbarkeit und Wartbarkeit des bisherigen Entscheidungsunterstützungssystems zu vereinfachen.

Dies Projekt kombiniert Deep-Learning-Technologie mit einem ausgefeilten Management der zugrundeliegenden Trainingsdaten und besteht aus den folgenden Konzepten, die einen menschenzentrierten Lebenszyklus für die robuste industrielle Anwendung von Deep-Learning-Qualitätsmodellen realisieren.

  • Produktionsdaten-Pipelines
  • Industrielles Management von Trainingsdaten
  • Robuste Anwendung von Deep Learning Techniken
  • Online-Anwendung von DL-Qualitätsmodellen

 

Siehe auch

STEBGUT – Ofenrolle

Ausgangssituation: Die Erwärmung von Feinblechen zur Feuerverzinkung und/oder Wärmebehandlung geschieht in Durchlauföfen. Der Transport der Bleche  durch die Öfen erfolgt […]

3D-Test

3D-Video – Test

PROTEUS-RS – Optimierung der Qualität von Langprodukten durch Nutzung verbesserter eigenspannungsminimierender Prozessstrategien

Situation: Während des Walzens, Richtens und thermischen Verarbeitens von Langprodukten entstehen Eigenspannungen, die die Materialeigenschaften der Produkte beeinträchtigen. Durch den […]

Verschleißschutz: Chemisch Nickel-Dispersionsbeschichtung

Situation: Werkzeugverschleiß entsteht durch Temperaturgradienten und -schwankungen Mechanische Spannungen Abrasion und Oberflächenermüdung Lösung: Entwicklung von Verschleißschutzsystemen auf Basis von Chemisch […]