Lange, PeterPeterLangeKurrle, PhilippPhilippKurrlePado, UlrikeUlrikePado2024-04-222024-04-222024https://publica.fraunhofer.de/handle/publica/46673210.37544/1436-4980-2024-03-782-s2.0-85190272959Die Rückfederung ist ein für die Fertigungsgenauigkeit maßgeblicher Parameter bei Biegeprozessen. In dieser Studie wurde die Eignung von maschinellen Lernmethoden zur Vorhersage der Rückfederung geprüft und die Prädiktionsgüte der Vorhersagen evaluiert. Für den betrachteten Datensatz konnte die Rückfederung beim Biegen von Stahlblechen mit hoher Genauigkeit vorhergesagt werden. Für verschiedene Einsatzszenarien empfehlen sich verschiedene Lernmethoden und für den Gesamterfolg des Einsatzes von maschinellem Lernen erweist sich die Qualität der Trainingsdaten als ausschlaggebend.The springback parameter is crucial for the manufacturing accuracy in bending processes. This study examined the suitability of machine learning methods for springback prediction and evaluated the accuracy of the predictions. It was possible to predict springback in bending of steel sheets with high accuracy for a given dataset. It turns out that different use scenarios require different learning methods and that the quality of training data is crucial for overall success when using machine learning methods.deartificial intelligenceforming technologySheet metal processingjournal article