KI‐gestützte Qualitätssicherung für die Fließfertigung von UHFB‐Stabelementen
Author(s): |
Franz Ferdinand Tritschel
(Leibniz Universität Hannover Institut für Statik und Dynamik Appelstraße 9a 30167 Hannover)
Jan Markowski (Leibniz Universität Hannover Institut für Baustoffe Appelstraße 9a 30167 Hannover) Nikolai Penner (Leibniz Universität Hannover Institut für Statik und Dynamik Appelstraße 9a 30167 Hannover) Raimund Rolfes (Leibniz Universität Hannover Institut für Statik und Dynamik Appelstraße 9a 30167 Hannover) Ludger Lohaus (Leibniz Universität Hannover Institut für Baustoffe Appelstraße 9a 30167 Hannover) Michael Haist (Leibniz Universität Hannover Institut für Baustoffe Appelstraße 9a 30167 Hannover) |
---|---|
Medium: | journal article |
Language(s): | German |
Published in: | Beton- und Stahlbetonbau, April 2021, v. 116 |
Page(s): | 34-41 |
DOI: | 10.1002/best.202100052 |
Abstract: |
Schneller Präzisionsbau erfordert Modulbauweisen mit leichten, gut handhabbaren Bauelementen, die mit hohen Wiederholungsraten hergestellt werden können. Ein modularisiertes Stabwerk stellt eine solche Bauweise dar. Damit die Stabelemente kontinuierlich, schnell und wirtschaftlich hergestellt werden können, braucht es gegenüber dem klassischen Stahlbetonbau neue Fertigungs‐ und Konstruktionskonzepte, bei denen die Konstruktion hocheffizient ausgelegt sein muss (form follows force). Darüber hinaus muss die Konstruktion konsequent die Anforderungen aus einer schnellen Serienfertigung erfüllen. Für solche neuen Fertigungsprozesse bieten sich Qualitätssicherungskontrollen mit Künstlicher Intelligenz (KI) an, die ihre Daten aus einer Vielzahl unterschiedlicher Sensoren und Sensorarten gewinnen. Eine solche KI‐gestützte Produktion wird durch ein Künstliches Neuronales Netz (KNN) umgesetzt, das gegenüber konventionellen Ansätzen die Möglichkeit bietet, nichtlineare Zusammenhänge von heterogenen Daten abbilden zu können. In diesem Beitrag wird die KNN‐basierte Form der Qualitätssicherung (QS) an fließgefertigten Stabelementen exemplarisch für die Beurteilung von Betonoberfläche und Geometrie beschrieben, die einen ersten Schritt in eine Prozessregelung darstellen kann. Erste Untersuchungen haben gezeigt, dass damit sehr effizient auch kleine Fehlstellen eindeutig erkannt und lokalisiert werden können. |
- About this
data sheet - Reference-ID
10763277 - Published on:
23/03/2024 - Last updated on:
23/03/2024