@manual{
	titlea = "Prof.",
	vornamea = "Eirini",
	namea = "Ntoutsi",
	departmenta = "Informatik",
	institutea = "INF 7 - Institut für Datensicherheit",
	titleb = "",
	vornameb = "",
	nameb = "",
	departmentb = "",
	instituteb = "",
	titlec = "",
	vornamec = "",
	namec = "",
	departmentc = "",
	institutec = "",
	external-funds = "Deutsche Forschungsgemeinschaft e. V. (DFG)",
	company = "",
	project-title = "Hephaestus
Methoden des maschinellen Lernens für die adaptive Prozessplanung von 5-achsigen Fräsprozessen",
	project-abstract = "Im Rahmen dieses Projekts soll ein Ansatz für eine lernende Kompensation der Werkzeugabdrängung beim 5-Achs-Fräsen erforscht werden. Hierzu kommen weiterentwickelte Methoden des Maschinellen Lernens sowie eine prozessparallele Materialabtragsimulation zum Einsatz. Weiterhin wird innerhalb des Projekts analysiert inwieweit ein Wissenstransfer für unterschiedliche Werkstückgeometrien und Werkzeuge sowie zwischen unterschiedlichen Werkzeugmaschinen erfolgen kann. Um das Hauptziel des Projekts zu erreichen, werden zunächst Methoden für ein echtzeitfähiges Filtern von Daten, deren Fusion und Möglichkeiten zur Datenspeicherung erforscht. Anschließend erfolgt eine detaillierte Analyse unterschiedlicher Methoden des maschinellen Lernens hinsichtlich ihrer Eignung für den Anwendungsfall der Prozessadaption. Auf Basis dieses Wissens soll eine Methode erforscht werden, die es ermöglicht, fertigungstechnisches Wissen für neue Fertigungssituationen zu transferieren. Die Erforschung einer 5-achsigen Kompensation der Werkzeugabdrängung durch Anpassung der geplanten Werkzeugwege sowie des Vorschubs auf Basis des erlernten Prozesswissens bildet einen weiteren Schwerpunkt. Sämtliche im Projekt erzeugte Fertigungsdaten und entwickelte Methoden des Maschinellen Lernens sollen der Öffentlichkeit für die Entwicklung eigener Ansätze zur Verfügung gestellt werden.",
	proj-beginn = "01.03.2023",
	proj-end = "30.11.2024",
	forschungszentrum = "FI CODE"
}