Fehlerklassifizierende Prozesskontrolle mittels multivariater Statistik beim Laserstrahlschweißen

Beim industriellen Laserstrahlschweißen erfahren Systeme zur automatisierten Prozessüberwachung eine zunehmende Verbreitung. Als Messgröße wird dabei die optische Prozessemission sensorisch erfasst. Die Auswertung der Messsignale erfolgt in der Regel durch einen Vergleich mit abgelegten Referenzsignalen und erlaubt keine detaillierte Erkennung der auftretenden Fehlerarten. Das Ziel dieser Arbeit ist die Entwicklung eines Auswertungskonzeptes, mit dem auftretende Unregelmäßigkeiten erkannt und klassifiziert werden können. Der Ansatz liegt in der Entwicklung und Umsetzung von mathematischen Methoden, mit denen Signalverläufe abschnittweise auf charakteristische Merkmale hin untersucht werden. Die zerlegten Signale werden mittels multivariater Statistik klassifiziert. Nach der Analyse steht ein detailliertes Qualitätsprofil zur Verfügung, in dem auftretende Unregel-mäßigkeiten ortsbezogen ihrer Fehlerart nach dargestellt werden. Um eine hohe Praxistauglichkeit sicherzustellen, werden die Signale eines Sensor-systems in marktüblicher Ausführung herangezogen. Die Erweiterbarkeit der Methode auf Messsysteme mit mehreren Sensoren wird anhand der Ergänzung eines Freifeld-mikrofons gezeigt. Dabei wird ergänzend die Eignung der akustischen Emission zur Unterstützung der Prozessklassifizierung untersucht und bewertet.