Lernende Algorithmen für die automatisierte aktive Justage optischer Systeme
Buch in deiner Nähe kaufen
Beschreibung
Die aktive Justage ist zentral für die hochpräzise Optikfertigung, erfordert jedoch meist produktspezifische Lösungen. Diese Arbeit stellt einen universellen Deep-Learning-Algorithmus vor, der in der Lage ist, aktive Justage-Prozesse anwendungsübergreifend zu automatisieren. Die „iterative stochastische Posen-Schätzung“ minimiert Justage-Schritte, löst Mehrdeutigkeiten effizient und ermöglicht eine flexible, datengetriebene Anwendung in industriellen Fertigungsanlagen.
Die automatisierte aktive Justage ist nach wie vor eine der Kerntechnologien in der Optikfertigung mit hoher Relevanz für zukünftige Produkte und Anwendungen. Durch die direkte Optimierung der Qualitätsmerkmale beim Montageprozess werden mit Hilfe der aktiven Justage optische Toleranzen kompensiert. Dadurch werden bestmögliche Montageergebnisse erzielt.
Die Messtechnik und Algorithmik einer aktiven Justage sind jedoch immer produktspezifisch und müssen für jeden neuen Anwendungsfall adaptiert oder neu entwickelt werden. Diese Entwicklung stellt eine Herausforderung für die Montageautomatisierung dar und erfordert den Austausch von Kern-Know-How zwischen Anlagenbauer und Betreiber. Darüber hinaus fehlt es insbesondere bei der bildbasierten aktiven Justage an taktzeitoptimierten Algorithmen.
Durch das Deep-Learning bieten sich nun neue Möglichkeiten, diese Herausforderungen anzugehen. Dabei findet ein schleichender Paradigmenwechsel statt: Der Mensch löst Probleme nicht mehr selbst, sondern lässt diese anhand definierter Ziele von einer Maschine lösen. Ausgehend von diesem Gedanken beschäftigt sich Maximilian Hoeren in seiner Dissertation mit der folgenden zentralen Frage:
„Kann ein idealer modellbasierter aktiver Justage-Algorithmus anhand von Daten automatisiert generiert werden?“
Um diese Frage zu beantworten, werden in dieser Arbeit anwendungsübergreifende Eigenschaften des aktiven Justage-Problems abgeleitet sowie die an einem Realsystem akquirierbare Datengrundlage betrachtet. Dabei werden technische Grenzen im Hinblick auf die Anwendbarkeit verschiedener Deep-Learning-Verfahren aufgezeigt.
Aufbauend auf dieser Analyse wird die "Iterative stochastische Posen-Schätzung" vorgestellt. Dieser universelle Algorithmus kann anwendungsübergreifend zur Automatisierung von aktiven Justage-Prozessen eingesetzt werden und benötigt nur eine Mindestanzahl an Schritten zum Einstellen einer Ziellichtverteilung. In Ergänzung zum Algorithmus wird eine datengetriebene Systematik für dessen Anwendung präsentiert.
Autor*in
Maximilian Hoeren
Themen in »Lernende Algorithmen für die automatisierte aktive Justage optischer Systeme«
Werkzeugmaschinen Automatisierungstechnik Prozesstechnologie Feinbearbeitung und Optik Produktionsmaschinen Präzisionstechnik Kunststoffreplikation Produktionsqualität Messtechnik Produktionsmesstechnik