Maschinenübergreifendes Transfer lernen zur Übertragung von Formfehlerprognosen

Der Transfer datengetriebener Prozessmodelle zwischen Werkzeugmaschinen ist aufgrund maschinenspezifischer Eigenschaften sowie einer begrenzten Datenbasis herausfordernd. Ein Bayes’sches neuronales Netz wird im Rahmen eines Transferlern- und Active-Learning-Ansatzes eingesetzt, um Prognosemodelle zwischen Werkzeugmaschinen unterschiedlicher Hersteller zu übertragen. Bei identischen Prozessstellgrößen reduziert Transferlernen den RMSE um bis zu 8,8 Prozent und die zusätzlich benötigte Datenmenge um 99,92 Prozent.