Adaptive inspection planning – Consideration of uncertainties in machining

Abstract

Data-driven prediction models are the core of adaptive test planning, but always have a model-based prediction error. For a reliable interpretation of the prediction result, the modeling of the associated uncertainty is of particu-lar importance. Therefore, this paper presents an approach for uncertainty modeling of the surface roughness Ra of 3-axis milled aluminum workpieces, whereby a Prediction Interval Coverage Probability of 92% can be achieved.

Datengetriebene Prognosemodelle sind der Kern einer adaptiven Prüfplanung, besitzen jedoch stets einen modellbasierten Prognosefehler. Zur zuverlässigen Interpretation des Vorhersageergebnisses ist daher die Modellierung der einhergehenden Unsicherheit von besonderer Bedeutung. In diesem Beitrag werden drei Ansätze zur Unsicherheitsmodellierung der Oberflächenrauheit 3-achsig gefräster Werkstücke aus Aluminium vorgestellt, wobei eine hohe Erfassungswahrscheinlichkeit von 92 % erzielt werden kann.