RL-basierte Planung additiver Rohteile

Institut

Institut für Werkzeugmaschinen und Betriebswissenschaften (TUM-ED)

Typ

Semesterarbeit / Masterarbeit /

Inhalt

experimentell / theoretisch /  

Beschreibung

Ausgangssituation 
Geometrische Rohteilabweichungen erschweren feste CAM-Regeln. 
Lernbasierte Verfahren können Strategie-, Reihenfolge- und Parameterentscheidungen 
in einer Simulation bewerten und adaptiv verbessern. 

Zielsetzung 
Aufgebaut wird eine RL-fähige Simulationsumgebung für die adaptive Prozessplanung 
additiv gefertigter Rohteile. Aus Bauteilmodell und additivem Rohteilmodell sollen 
geeignete Zustände, Aktionen und Rewards abgeleitet werden, um Bearbeitungsstrategien 
virtuell zu bewerten. Dabei werden geometrische Abweichungen, lokale Aufmaße und mögliche 
Bearbeitungsschritte in eine generalisierbare Entscheidungslogik überführt. 
Ziel ist es, verschiedene Strategien automatisiert zu vergleichen und eine Grundlage für lernbasierte 
Optimierung in der Zerspanung zu schaffen.

Voraussetzungen

Anforderungsprofil 
Interesse an Reinforcement Learning, Simulation und CAD/CAM. Python-Kenntnisse sind wünschenswert. 
Erwartet wird selbstständiges Arbeiten.

Möglicher Beginn

sofort

Kontakt

Moritz Göldner, M. Sc.
Raum: 2326
Tel.: 089 289 15532
moritz.goeldneriwb.tum.de

Ausschreibung