Echtzeitüberwachung und -optimierung der Nahtqualität beim Laserstrahlschweißen mittels bildgebender Sensorik und künstlicher Intelligenz

Herausforderungen wie steigende Qualitätsanforderungen und Kosteneffizienz erfordern innovative Lösungen für die effiziente Herstellung hochwertiger Produkte in der Automobilindustrie. Diese Arbeit stellt ein KI-basiertes Qualitätssicherungssystem für laserbasierte Fügeprozesse vor, das Nahtunregelmäßigkeiten erkennt und Prozessmerkmale aus Bilddaten extrahiert. Zudem werden Modellunsicherheiten bewertet und die Wirksamkeit einer Prozessregelung mittels Reinforcement Learning untersucht.