Refine
Year of publication
- 2019 (6) (remove)
Document Type
- Conference Proceeding (6) (remove)
Institute
- Forschungszentrum Energie (2)
- Forschungszentrum Human Centred Technologies (2)
- Department of Engineering (Ende 2021 aufgelöst; Integration in die übergeordnete OE Technik) (1)
- Forschungszentrum Business Informatics (1)
- Forschungszentrum Digital Factory Vorarlberg (1)
- Technik | Engineering & Technology (1)
Language
- German (6) (remove)
Is part of the Bibliography
- yes (6)
Keywords
- AAL (1)
- Augmented Reality (1)
- Cloud (1)
- Geruch (1)
- Lebensdauermodellierung (1)
- Licht (1)
- Machine Learning (1)
- Regressionsanalyse (1)
- Roboter (1)
- Schall (1)
Ursprünglich wurde für das K-Projekt „LiTech“ eine mobile und intuitive Robotersteuerung – mit Touchbedienung und Augmented Reality – programmiert. Ziel war es, einen Industrieroboter spontan steuern zu können, mit besonderem Augenmerk auf Laienfreundlichkeit. Das System besteht aus einem Roboter und einem PC der als Bildschirm eine mit kapazitivem Touch ausgestattete und von einem Projektor bespielte Glasscheibe hat. Daten werden als String über eine serielle Schnittstelle übermittelt. Zur Erforschung der Nutzerfreundlichkeit werden Bälle auf einer Ebene hin- und herbewegt. Zur Cloud-Datenauswertung und Erstellung der Visualisierung wurden mittlerweile weitere Forschungszentren der FH Vorarlberg eingebunden. Im laufenden Wintersemester arbeitet ein Praktikant aus Südamerika an der Erweiterung auf den kompletten 3D-Raum mit möglicher Implementierung einer Gestensteuerung. Ziel des Beitrags ist es, den Versuchsaufbau und die Steuerung des Roboters zu beschreiben sowie geplante Weiterentwicklungen aufzuzeigen.
In dieser Arbeit wird Supervised Learning verwendet, um die Zuverlässigkeit von Schweißverbindungen zu evaluieren.
Um die Schweißqualität zu bestimmen, wurden End of Life Tests durchgeführt. Für die statistische Auswertung und Vorhersage der zu erwartenden Lebensdauer, wurden die Daten basierend auf einer logarithmischen Normalverteilung und mit einer multivariablen linearen Regression modelliert. Um die signifikanten Einflussfaktoren zu identifizieren, wurde eine schrittweise Regression genutzt. Die Ergebnisse zeigen, dass das entwickelte Modell die Zuverlässigkeit und Lebensdauer der Schweißverbindung akkurat abbildet und präzise Vorhersagen liefern kann.