Über meine Studienzeit hinweg konnte ich vielfältige Eindrücke aus verschiedenen Disziplinen des Maschinenbaus sammeln. Letztlich endete aber jeder Gedanke darin, dass ich in die Forschung und Entwicklung möchte. Der Bereich der zerstörungsfreien Prüfverfahren hat dabei schnell meine Aufmerksamkeit erregt. Denn nur mit geeigneten Prüfmethoden kann Qualität gesichert werden, die letztlich Schäden sowohl an Personen, Sachen als auch der Umwelt vermeiden kann.
Mein Ziel ist es, die Anwendung der digital-inferferometrischen Prüfmethoden der Speckle-Holografie und -Shearografie zu automatisieren. Es geht darum, dass die Verfahren zwar aufgrund ihrer Eigenschaften für die 100%-Kontrolle im Rahmen von Serienprüfungen von komplexer werdenden Bauteilen geeignet wären,. aber aufgrund ihrer Komplexität und den damit einhergehenden Kosten von gängigeren Verfahren verdrängt werden. Hier möchte ich ansetzen und mithilfe von Methoden des maschinellen Lernens die Komplexität verringern.
Dadurch werden die Verfahren zu wirklichen Alternativen, die darüber hinaus auch moderne Werkstoffe prüfen können, bei denen gängige Verfahren bislang keine ausreichend aussagekräftigen Ergebnisse liefern konnten.
Ich forsche an sehr selten verwendeten Verfahren zur zerstörungsfreien Prüfung. Durch kürzliche Forschung wurden einige prinzipbedingte Limitationen aufgehoben, wodurch sie plötzlich für die Serienprüfung geeignet sind. Allerdings bleiben die komplexitätsbedingten Limitationen bestehen.
Diese führen zu hohen Kosten, da nicht nur die Beschaffung des Messgeräts, sondern auch geschultes Personal für dessen Einstellung, Verwendung und insbesondere auch die Ergebnisauswertung notwendig ist. Entsprechend werden in der Industrie gängigere Verfahren wie Thermografie oder Ultraschallprüfung verwendet. Allerdings ist das Potential der digitalen Speckle-Interferometrie enorm, da sie weitgehend Materialunabhängig und mit unterschiedlichen Belastungsarten arbeitet. Hier sind andere Verfahren mit bestimmten Materialien und Belastungen vergleichsweise eingeschränkt, und dadurch auch weniger nachhaltig.
Deswegen forsche ich daran, die Komplexität des Verfahrens zu verringern. Dazu gehören beispielsweise die automatische Fehlstellendetektion über Bildverarbeitung mithilfe von künstlichen neuronalen Netzen oder die Bestimmung von Einstellparametern vor der Messung mithilfe von Simulationen und einer Hyperparameteroptimierung.
Entsprechend besteht ein typischer Arbeitstag für mich darin, Versuche durchzuführen, Datensets zu erstellen und verschiedene Methoden zu entwickeln, aus diesen Daten geeignete Informationen für meinen Automatisierungsansatz zu gewinnen. Hierfür muss ich parallel auch immer nach geeigneter Literatur und dem Kontakt zur Industrie suchen.
Jessica Plaßmann, Ann-Kathrin Bömkles, Christopher Petry, Michel Schuth, "Anwendung der Shearografie für die schnelle Prüfung von Bauteilen aus der Massenproduktion", Mai 2022, Konferenzband DGZfP Jahrestagung 2022, Kassel
Alexej Simeth, Jessica Plaßmann, Peter Plapper, "Detection of Fluid Level in Bores for Batch Size One Assembly Automation Using Convolutional Neural Network", August 2021, Advances in Production Management Systems. Artificial Intelligence for Sustainable and Resilient Production Systems (pp.86-93), DOI: 10.1007/978-3-030-85906-0_10
Jessica Plaßmann, Christopher Petry, Ann-Kathrin Bömkes, Michael Schuth, "Anwendung der shearografischen Dehnungsmessung mit transienter Wärmeanregung zur zerstörungsfreien Prüfung für die Detektion von Rissen in faserverstärktem Kunststoff im Vergleich zur Thermografie", Juni 2021, Konferenzband DGZfP-Jahrestagung 2021
Sie verlassen die offizielle Website der Hochschule Trier
