Vorhersage der Harten nach industrialisiertem Bainitisieren von 100Cr6 basierend auf Prozessparametern durch Anwendung von Methoden des Maschinellen Lernens

摘要

14.000 Datensatze aus einem industrialisierten Bainitisierungsprozess, bestehend aus Prozessgasofen, Salzbad und Umluftofen, wurden verwendet, um basierend auf den Prozessdaten, wie Temperatur und Druck, die resultierende Vickers-Harte von Zylinderkopfen aus 100Cr6 vorherzusagen. Zur Vorhersage wurden Methoden des Maschinellen Lernens wie ANNs, CNNs, Ensemble-Methoden und Support-Vector-Regressoren miteinander verglichen. Es wurden sowohl Metafeature wie die Ofennummer als auch Feature benutzt, die aus den aufgezeichneten Zeitreihen extrahiert wurden. Die Datenaufbereitung sowie die Feature-Extraktion wurden entsprechend der eingesetzten Methoden des Maschinellen Lernens durchgefuhrt. Der Random Forest erzielte mit einem R~2-Score von 0,406 die besten Vorhersagen und ermoglicht zusatzlich die Auswertung der wichtigsten Feature.