Deep Transfer Learning in der Arbeitsplanung/Deep transfer learning in process planning – A concept for applying deep transfer learning in process planning using the example of manufacturing operations selection - VDI Verlag eLibrary

wt Werkstattstechnik online / Deep Transfer Learning in der Arbeitsplanung/Deep transfer learning in process planning – A concept for applying deep transfer learning in process planning using the example of manufacturing operations selection

wt Werkstattstechnik online / Deep Transfer Learning in der Arbeitsplanung/Deep transfer learning in process planning – A concept for applying deep transfer learning in process planning using the example of manufacturing operations selection

Contents
- Chapter Expand | CollapseAuthorsPage
- 1–1 Titelei 1–1
- 2–3 Inhalt 2–3
- 214–270 Titelthema Aufsatz 214–270
  - 214–218 Nachhaltigkeit durch Advanced Systems Engineering/Advanced Systems Engineering approaches for the creation of sustainable systems - Sustainability through Advanced Systems Engineering Benjamin Schneider, Helge Spindler, Mehmet Kürümlüoglu, Oliver Riedel Benjamin Schneider, Helge Spindler, Mehmet Kürümlüoglu, Oliver Riedel 214–218
  - 219–223 Neural Radiance Fields in der Fabrikplanung/On the applicability of Neural Radiance Fields for virtual model reconstruction in factory planning Patrick Ruediger-Flore, Matthias Klar, Marco Hussong, Jan Mertes, Li Yi, Moritz Glatt, Patrick Kölsch, Jan C. Aurich Patrick Ruediger-Flore, Matthias Klar, Marco Hussong, Jan Mertes, Li Yi, Moritz Glatt, Patrick Kölsch, Jan C. Aurich 219–223
  - 224–228 Deep Transfer Learning in der Arbeitsplanung/Deep transfer learning in process planning – A concept for applying deep transfer learning in process planning using the example of manufacturing operations selection Marco Hussong, Moritz Glatt, Jan C. Aurich Marco Hussong, Moritz Glatt, Jan C. Aurich 224–228
  - 229–236 Gewichtstracking mit intelligenten Werkstückträgern/Weight tracking with intelligent workpiece carriers in battery cell production Tobias Iseringhausen, Ricardo Kleinert Tobias Iseringhausen, Ricardo Kleinert 229–236
  - 237–241 Ein Konzept zur Entwicklung eines wirtschaftlicheren PBF-LB/Approach for a more economical PBF-LB – Increasing the economic efficiency of additive manufacturing Marius Marvin Müller, Shradha Ghansiyal, Marc Huber, Benjamin Kirsch, Moritz Glatt, Jan C. Aurich Marius Marvin Müller, Shradha Ghansiyal, Marc Huber, Benjamin Kirsch, Moritz Glatt, Jan C. Aurich 237–241
  - 242–248 Additiv gefertigte Gewindewerkzeuge aus HSS/Additively manufactured threading tools made from HSS Tobias Kelliger, Markus Meurer, Thomas Bergs Tobias Kelliger, Markus Meurer, Thomas Bergs 242–248
  - 249–254 Prozessoptimierung beim Glaswafer-Trennschleifen/Process optimization in glass wafer cut-off grinding - Cut-off grinding with direct substrate fixation on cutting foils to save costs and time Kirk Jahnel, W Maier, Dennis Patrick Wilhelm, Sebastian Hähnel, Tim Grunwald, Thomas Bergs Kirk Jahnel, W Maier, Dennis Patrick Wilhelm, Sebastian Hähnel, Tim Grunwald, Thomas Bergs 249–254
  - 255–259 Mechanisches Abrichten von Diamantschleifscheiben/Mechanical dressing of diamond grinding wheels – Investigations into the dressability of metallically bonded diamond grinding wheels Berend Denkena, Benjamin Bergmann, Michael Wilckens Berend Denkena, Benjamin Bergmann, Michael Wilckens 255–259
  - 260–265 Variationskraftgeregeltes 5-Achs-Schleifen/The variation force-controlled finishing of curved tool steel surfaces with mounted points Sebastian Hähnel, Kirk Jahnel, Tim Grunwald, Thomas Bergs Sebastian Hähnel, Kirk Jahnel, Tim Grunwald, Thomas Bergs 260–265
  - 266–270 Resilienzmessgrößen für Produktionssysteme/Resilience Metrics for Production Systems Lennard Sielaff, Thomas Adolf, Dominik Lucke, Andreas Friedmann Lennard Sielaff, Thomas Adolf, Dominik Lucke, Andreas Friedmann 266–270
Durchsuchen Sie das Werk
Geben Sie ein Keyword in die Suchleiste ein
CC-BY Access

wt Werkstattstechnik online , page 224 - 228

Deep Transfer Learning in der Arbeitsplanung/Deep transfer learning in process planning – A concept for applying deep transfer learning in process planning using the example of manufacturing operations selection

Autoren

Marco Hussong Moritz Glatt Jan C. Aurich

DOI
- doi.org/10.37544/1436-4980-2023-06-16
- ISSN: 1436-4980
- ISSN online: 1436-4980
Zusammenfassung

Für die Nutzung von Deep Learning zur Unterstützung der Prozesse innerhalb der Arbeitsplanung wird eine Vielzahl von Daten benötigt. In der industriellen Praxis ist die Aufbereitung solcher Datensätze sehr komplex und mit hohen Aufwand verbunden. Durch die Nutzung von Deep Transfer Learning kann die benötigte Datenmenge reduziert werden. Am Beispiel der Fertigungsvorgangsermittlung wird ein Konzept vorgestellt, das die Anwendung von Deep Transfer Learning innerhalb der Arbeitsplanung ermöglicht.

A large amount of data is required for the use of deep learning to support process planning. In industrial practice, the preparation of such data sets is very complex and requires a lot of manual effort. By using deep transfer learning, the required amount of data can be reduced. Therefore, using the example of manufacturing operation selection, a concept is introduced that enables the application of deep transfer learning within process planning.
Share