{"id":4592,"date":"2023-02-16T07:34:37","date_gmt":"2023-02-16T06:34:37","guid":{"rendered":"https:\/\/leichtbau.dlr.de\/?p=4592"},"modified":"2023-02-16T07:34:37","modified_gmt":"2023-02-16T06:34:37","slug":"mit-dem-lasso-auf-wellenjagd-ki-fuer-die-mischungsanalyse","status":"publish","type":"post","link":"https:\/\/leichtbau.dlr.de\/en\/mit-dem-lasso-auf-wellenjagd-ki-fuer-die-mischungsanalyse","title":{"rendered":"Mit dem LASSO auf Wellenjagd \u2013 KI f\u00fcr die Mischungsanalyse"},"content":{"rendered":"<div class=\"wpb-content-wrapper\"><p>[vc_row][vc_column][vc_column_text]<strong>Der Einsatz von Zweikomponenten-Epoxidharz-Systemen zur Impr\u00e4gnierung von Preforms in isothermen RTM-Prozessen (engl. Resin Transfer Moulding) erlaubt eine kosteng\u00fcnstige und nachhaltige Bauteilfertigung in der Luftfahrt. Die Inline-Mischungsanalyse in solchen Systemen ist ein elementarer Baustein f\u00fcr eine qualit\u00e4tsgesicherte Fertigung. Es kommen spezielle Sensoren zum Einsatz, die eine indirekte Messung von Mischungsverh\u00e4ltnissen erm\u00f6glichen. Der mathematische Zusammenhang zwischen Messung und Mischungsverh\u00e4ltnis ist jedoch komplex und entzieht sich einer genauen Beschreibung durch klassische Modelle. Daher nutzt das DLR in Zusammenarbeit mit Industriepartnern datenbasierte Ans\u00e4tze, um die Inline-Mischungsanalyse f\u00fcr Zweikomponentensysteme realisierbar zu machen.<\/strong>[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column width=&#8221;1\/2&#8243;][vc_column_text]<\/p>\n<h4>Sensorik zur Mischungsanalyse<\/h4>\n<p>Neben der Refraktometrie, bei der ein linearer Zusammenhang zwischen Messwert und Mischungsverh\u00e4ltnis in Abh\u00e4ngigkeit der Temperatur besteht (siehe Innovationsbericht &#8220;Die Mischung macht&#8217;s&#8221; 2020), werden dielektrische Sensoren und die Spektroskopie betrachtet. Die dielektrische Analyse (DEA) misst die komplexe elektrische Impedanz. Durch Auftragen des Imagin\u00e4rteils \u00fcber dem Realteil ergibt sich im relevanten Frequenzbereich ein Halbkreis, dessen Radius mit dem Mischungsverh\u00e4ltnis korreliert. W\u00e4hrend Universalsoftware basierend auf DEA-Daten unplausible Vorhersagen liefert, insbesondere negative Mischungsverh\u00e4ltnisse und hohe Vorhersagefehler, k\u00f6nnen mit Methoden des maschinellen Lernens genaue und aussagekr\u00e4ftige Ergebnisse erzielt werden.[\/vc_column_text][\/vc_column][vc_column width=&#8221;1\/2&#8243;][vc_empty_space]<style type=\"text\/css\" data-type=\"the7_shortcodes-inline-css\">.shortcode-single-image-wrap.shortcode-single-image-eb9eeec448d3dd45b0978d5c36e92015.enable-bg-rollover .rollover i,\n.shortcode-single-image-wrap.shortcode-single-image-eb9eeec448d3dd45b0978d5c36e92015.enable-bg-rollover .rollover-video i {\n  background: -webkit-linear-gradient();\n  background: linear-gradient();\n}\n.shortcode-single-image-wrap.shortcode-single-image-eb9eeec448d3dd45b0978d5c36e92015 .rollover-icon {\n  font-size: 32px;\n  color: #ffffff;\n  min-width: 44px;\n  min-height: 44px;\n  line-height: 44px;\n  border-radius: 100px;\n  border-style: solid;\n  border-width: 0px;\n}\n.dt-icon-bg-on.shortcode-single-image-wrap.shortcode-single-image-eb9eeec448d3dd45b0978d5c36e92015 .rollover-icon {\n  background: rgba(255,255,255,0.3);\n  box-shadow: none;\n}\n<\/style><div class=\"shortcode-single-image-wrap shortcode-single-image-eb9eeec448d3dd45b0978d5c36e92015 alignnone caption-on  enable-bg-rollover dt-icon-bg-off\" style=\"margin-top:0px; margin-bottom:0px; margin-left:0px; margin-right:0px; width:1000px;\"><div class=\"shortcode-single-image\"><div class=\"fancy-media-wrap  layzr-bg\" style=\"\"><img fetchpriority=\"high\" decoding=\"async\" class=\"preload-me lazy-load aspect\" src=\"data:image\/svg+xml,%3Csvg%20xmlns%3D&#39;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&#39;%20viewBox%3D&#39;0%200%201000%20428&#39;%2F%3E\" data-src=\"https:\/\/leichtbau.dlr.de\/wp-content\/uploads\/2023\/02\/mischungsanalyse_innobericht_1_2_kombiniert-1000x428.png\" data-srcset=\"https:\/\/leichtbau.dlr.de\/wp-content\/uploads\/2023\/02\/mischungsanalyse_innobericht_1_2_kombiniert-1000x428.png 1000w, https:\/\/leichtbau.dlr.de\/wp-content\/uploads\/2023\/02\/mischungsanalyse_innobericht_1_2_kombiniert.png 1500w\" loading=\"eager\" sizes=\"(max-width: 1000px) 100vw, 1000px\" width=\"1000\" height=\"428\"  data-dt-location=\"https:\/\/leichtbau.dlr.de\/en\/mit-dem-lasso-auf-wellenjagd-ki-fuer-die-mischungsanalyse\/mischungsanalyse_innobericht_1_2_kombiniert\" style=\"--ratio: 1000 \/ 428;\" alt=\"\" \/><\/div><\/div><div class=\"shortcode-single-caption\">Dem LASSO gen\u00fcgen 4 NIR-Teilspektren, um die Genauigkeit eines Standardmodells zu \u00fcbertreffen.<\/div><\/div>[vc_empty_space][\/vc_column][\/vc_row][vc_row][vc_column][vc_column_text]Die Nahinfrarot-Spektroskopie (NIR) stellt ein vollst\u00e4ndiges Spektrum an Messwerten bereit. Bei der Auswertung der Lichtdurchl\u00e4ssigkeit im relevanten Wellenl\u00e4ngenbereich von 900nm-2100nm kennzeichnen mehrere Peaks die molekularen Bestandteile des Harzes, deren Zusammensetzung sich mit dem Mischungsverh\u00e4ltnis \u00e4ndert. Auch hier sind zur Auswertung prinzipiell verschiedene Ans\u00e4tze m\u00f6glich, die beispielsweise Peaks, Integrale oder Ableitungen charakteristischer Wellenl\u00e4ngenbereiche ber\u00fccksichtigen. Im Projekt SAUBER4.0 des Verbundf\u00fchrers AIRBUS entwickeln Projektpartner verschiedene Sensorsysteme zur Analyse von Harzmischungen. Neben dem am DLR eingesetzten DEA-Messsystem implementiert unter anderem die Firma APOS ein NIR-Spektrometer an einem durch das CTC entwickelten Teststand. So stellt die Firma APOS f\u00fcr am CTC hergestellte Harzmischungen Messdaten zur Verf\u00fcgung. Auf deren Basis hat das DLR Vorhersagemodelle zur Mischungsanalyse entwickelt.[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column width=&#8221;1\/2&#8243;][vc_column_text]<\/p>\n<h4>LASSO und Maschinelles Lernen<\/h4>\n<p>Abh\u00e4ngig von der eingesetzten Sensorik eignen sich unterschiedliche Modellklassen zur Vorhersage von Mischungsverh\u00e4ltnissen. Dabei besteht die Herausforderung, dass nur eine geringe Anzahl von Datens\u00e4tzen hoher Qualit\u00e4t zur Verf\u00fcgung steht. Denn eine kontrollierte Herstellung einer repr\u00e4sentativen Anzahl an Mischungsverh\u00e4ltnissen bei paralleler Aufzeichnung entsprechender Messwerte ist aufw\u00e4ndig. Kombiniert mit hochdimensionalen Messdaten (Gr\u00f6\u00dfenordnung 103 Wellenl\u00e4ngen bei der NIR) beg\u00fcnstigt der beschriebene Engpass (Gr\u00f6\u00dfenordnung 102 Datens\u00e4tze) eine \u00dcberanpassung von Modellparametern an Trainingsdaten. Wesentliches Ziel maschinellen Lernens ist die Generalisierbarkeit trainierter Modelle auf neue und ungesehene Daten.[\/vc_column_text][\/vc_column][vc_column width=&#8221;1\/2&#8243;][vc_empty_space]<style type=\"text\/css\" data-type=\"the7_shortcodes-inline-css\">.shortcode-single-image-wrap.shortcode-single-image-8d6504a9fd1327d2aa757362d835cf40.enable-bg-rollover .rollover i,\n.shortcode-single-image-wrap.shortcode-single-image-8d6504a9fd1327d2aa757362d835cf40.enable-bg-rollover .rollover-video i {\n  background: -webkit-linear-gradient();\n  background: linear-gradient();\n}\n.shortcode-single-image-wrap.shortcode-single-image-8d6504a9fd1327d2aa757362d835cf40 .rollover-icon {\n  font-size: 32px;\n  color: #ffffff;\n  min-width: 44px;\n  min-height: 44px;\n  line-height: 44px;\n  border-radius: 100px;\n  border-style: solid;\n  border-width: 0px;\n}\n.dt-icon-bg-on.shortcode-single-image-wrap.shortcode-single-image-8d6504a9fd1327d2aa757362d835cf40 .rollover-icon {\n  background: rgba(255,255,255,0.3);\n  box-shadow: none;\n}\n<\/style><div class=\"shortcode-single-image-wrap shortcode-single-image-8d6504a9fd1327d2aa757362d835cf40 alignnone caption-on  enable-bg-rollover dt-icon-bg-off\" style=\"margin-top:0px; margin-bottom:0px; margin-left:0px; margin-right:0px; width:1000px;\"><div class=\"shortcode-single-image\"><div class=\"fancy-media-wrap  layzr-bg\" style=\"\"><img decoding=\"async\" class=\"preload-me lazy-load aspect\" src=\"data:image\/svg+xml,%3Csvg%20xmlns%3D&#39;http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg&#39;%20viewBox%3D&#39;0%200%201000%20477&#39;%2F%3E\" data-src=\"https:\/\/leichtbau.dlr.de\/wp-content\/uploads\/2023\/02\/mischungsanalyse_innobericht_neu-1000x477.png\" data-srcset=\"https:\/\/leichtbau.dlr.de\/wp-content\/uploads\/2023\/02\/mischungsanalyse_innobericht_neu-1000x477.png 1000w, https:\/\/leichtbau.dlr.de\/wp-content\/uploads\/2023\/02\/mischungsanalyse_innobericht_neu.png 1681w\" loading=\"eager\" sizes=\"(max-width: 1000px) 100vw, 1000px\" width=\"1000\" height=\"477\"  data-dt-location=\"https:\/\/leichtbau.dlr.de\/en\/mit-dem-lasso-auf-wellenjagd-ki-fuer-die-mischungsanalyse\/mischungsanalyse_innobericht_neu\" style=\"--ratio: 1000 \/ 477;\" alt=\"\" \/><\/div><\/div><div class=\"shortcode-single-caption\">Bidirektionale rekurrente neuronale Netze bilden DEA-Messdaten auf Mischungsverh\u00e4ltnisse ab. <\/div><\/div>[vc_empty_space][\/vc_column][\/vc_row][vc_row][vc_column][vc_column_text]Um der \u00dcberanpassung entgegenzuwirken, kommen verschiedene Techniken in Frage. Der LASSO (engl. Least Absolute Shrinkage and Selection Operator) Ansatz begr\u00fcndet eine Variante generischer linearer Regression, in der hochdimensionale Eingangsdaten auf wenige (hier Gr\u00f6\u00dfenordnung 101) relevante Merkmale reduziert werden. So konnten im Falle der NIR-Spektroskopie vier f\u00fcr die Vorhersage von Mischungsverh\u00e4ltnissen besonders relevante Teilspektren identifiziert werden.\u00a0 Im Falle der niedrigdimensionalen DEA-Daten (Eingangsparameter Temperatur und Radius) lieferten k\u00fcnstliche neuronale Netze gleichfalls vielversprechende Ergebnisse.<\/p>\n<p>So lassen sich mit Ans\u00e4tzen des Maschinellen Lernens auch sehr komplexe Zusammenh\u00e4nge zwischen den Messwerten unterschiedlicher Sensorsysteme und dem Mischungsverh\u00e4ltnis von 2K-Epoxidharzen bestimmen und ein verbessertes Verst\u00e4ndnis der Einflussfaktoren erzielen.[\/vc_column_text][\/vc_column][\/vc_row]<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>[vc_row][vc_column][vc_column_text]Der Einsatz von Zweikomponenten-Epoxidharz-Systemen zur Impr\u00e4gnierung von Preforms in isothermen RTM-Prozessen (engl. Resin Transfer Moulding) erlaubt eine kosteng\u00fcnstige und nachhaltige Bauteilfertigung in der Luftfahrt. Die Inline-Mischungsanalyse in solchen Systemen ist ein elementarer Baustein f\u00fcr eine qualit\u00e4tsgesicherte Fertigung. Es kommen spezielle Sensoren zum Einsatz, die eine indirekte Messung von Mischungsverh\u00e4ltnissen erm\u00f6glichen. Der mathematische Zusammenhang zwischen Messung&hellip;<\/p>\n","protected":false},"author":26,"featured_media":4535,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[203],"tags":[],"coauthors":[19],"class_list":["post-4592","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized","category-203","description-off"],"_links":{"self":[{"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/posts\/4592","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/comments?post=4592"}],"version-history":[{"count":0,"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/posts\/4592\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/media\/4535"}],"wp:attachment":[{"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/media?parent=4592"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/categories?post=4592"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/tags?post=4592"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/leichtbau.dlr.de\/en\/wp-json\/wp\/v2\/coauthors?post=4592"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}