- Online only

Hochfeste Stähle werden in vielen strukturellen Anwendungen eingesetzt. Ein wichtiger Aspekt bei der Bauteilauslegung ist der Ermüdungsfestigkeitsnachweis. Die Schwingfestigkeit hängt von einer Vielzahl von Einflussgrößen ab, wie chemische Zusammensetzung, Wärmebehandlung, Oberflä-cheneigenschaften, Belastungsparameter und weitere. Eine rein experimentelle Bestimmung der Schwingfestigkeitskennwerte in der Bauteil-Design-Phase verursacht hohe Kosten. Daher wird unter-sucht, inwieweit mit Machine Learning Methoden Schwingfestigkeitskennwerte mit einer geeigneten Da-tenbasis vorhergesagt werden können. Ontologiebasierte Wissensgraphen können dabei die Prozess-kette bei der Herstellung verschiedener Materialvarianten und deren Einfluss auf die Eigenschaften beschreiben und…
Datenschutzbedingungen (bearbeiten im Modul "Kundenvorteile")
Lieferbedingungen (bearbeiten im Modul "Kundenvorteile")
Rücksendebedingungen (bearbeiten im Modul "Kundenvorteile")
Hochfeste Stähle werden in vielen strukturellen Anwendungen eingesetzt. Ein wichtiger Aspekt bei der Bauteilauslegung ist der Ermüdungsfestigkeitsnachweis. Die Schwingfestigkeit hängt von einer Vielzahl von Einflussgrößen ab, wie chemische Zusammensetzung, Wärmebehandlung, Oberflä-cheneigenschaften, Belastungsparameter und weitere. Eine rein experimentelle Bestimmung der Schwingfestigkeitskennwerte in der Bauteil-Design-Phase verursacht hohe Kosten. Daher wird unter-sucht, inwieweit mit Machine Learning Methoden Schwingfestigkeitskennwerte mit einer geeigneten Da-tenbasis vorhergesagt werden können. Ontologiebasierte Wissensgraphen können dabei die Prozess-kette bei der Herstellung verschiedener Materialvarianten und deren Einfluss auf die Eigenschaften beschreiben und ermöglichen eine strukturierte Datenablage.