SB_22131LP

Seite 7 des Schlussberichts zu IGF-Vorhaben 01IF22131N
ML-spezifische Aufbereitung der Daten und
Vorbereitung für ML-Algorithmen
Iterative Entwicklung geeigneter
Datenaufbereitungsmaßnahmen für eine
Prozessgerechte Modellierung
AP 5: ML-Training
Geplante Arbeiten / Ziel
Auswahl und systematischer Test von
überwachten ML-Algorithmen
Ermittlung des Einflusses der Größe der
Lötdatensätze
Durchgeführte Arbeiten / Ergebnis
Definition einer Pipeline für die Durchführung
von Trainingsläufen für tabellarische
Datensätze
Iteratives Durchlaufen von
Datenaufbereitungsvarianten und
Trainingsläufen zur Identifikation geeigneter
Datenaufbereitung/Datensatzreduktionsansätze
zur Streuungsminimierung ohne die Validität
der Modelle zu gefährden > Fazit Qualität der
Daten kommt vor Quantität
AP 6: Evaluation der Modelle mit Anwendungsfällen des Konsortiums
Geplante Arbeiten / Ziel
Optimierung und Evaluation der Modelle mit
Anwendungsfällen des Konsortiums
Umsetzung eines ausgewählten Modells als
Tool
Erstellung eines Best-Practice Leitfadens
zur Umsetzung eines ML-Projekts
Erstellung des Schlussberichts
Durchgeführte Arbeiten / Ergebnis
Abgleich der Ergebnisse mit industriellen
Prozessen hinsichtlich qualitativer und
quantitativer Nachbildung der
Prozesseinflüsse
Entwicklung eines Tools als beispielhafte
Anwendung von ML-Modellen zur
Evaluation von Lötstellen
Ableitung eines generalisierten, iterativen
Vorgehens zur Übertragung der
Erfahrungen aus dem Projekt auf andere
Fertigungsprozesse
Erstellung des Schlussberichts