Show simple item record

dc.contributor.authorSeidel, Reinhardt
dc.date.accessioned2025-11-20T09:42:10Z
dc.date.available2025-11-20T09:42:10Z
dc.date.issued2023
dc.identifierONIX_20251120T103930_9783961476527_20
dc.identifier.urihttps://library.oapen.org/handle/20.500.12657/108291
dc.languageGerman
dc.relation.ispartofseriesFAU Studien aus dem Maschinenbau
dc.subject.classificationthema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TG Mechanical engineering and materials::TGH Precision engineering and manufacturing
dc.subject.classificationthema EDItEUR::U Computing and Information Technology::UX Applied computing::UXT Computer applications in industry and technology
dc.subject.otherMaschinenbau
dc.subject.otherProduktionstechnik
dc.subject.otherElektronik
dc.subject.otherLöten
dc.subject.otherFertigung
dc.subject.otherIngenieurswissenschaft
dc.subject.otherOptimierung
dc.subject.otherSimulation
dc.subject.otherMaschinelles Lernen
dc.titleModellbasierte Optimierung des Selektivwellenlötprozesses
dc.typebook
oapen.abstract.otherlanguageTHT-Bauteile sind entscheidende Komponenten zur Realisierung globaler technologischer Trends speziell im Bereich Automatisierung, E-Mobilität und Digitalisierung. Ein Großteil der leistungselektronischen Flachbaugruppen wird dabei mit SMT- und THT-Bauteilen bestückt. Der industrielle Standard zur Lötung der THT-Bauteile ist der Selektivwellenlötprozess. Der Lotdurchstieg als Maß für die Prozessqualität wird dabei besonders durch das Design der THT-Lötstelle beeinflusst. Auf Grund der multivarianten Einflussparameter des physikalisch komplexen Prozesses mit Material- und Wärmetransport ist weder die Vorhersage noch die zuverlässige Absicherung der Lötqualität mit aktuellen Designrichtlinien möglich. Die Absicherung der Fertigbarkeit verlangt daher einen Modellierungsansatz, der alle Einflussparameter und den Selektivwellenlötprozess vollständig abbildet. Ziel dieser Arbeit ist es, den THT-Lotdurchstieg als Kriterium der Fertigbarkeit mit einem datenbasierten Prozessmodell vorherzusagen und zu optimieren. Dafür werden die Einflussparameter des Lötprozesses mit Hilfe statistischer Versuchsplanung, multiphysikalischer Simulationsmodelle sowie einem analytischen Berechnungsansatz eingehend untersucht. Auf dieser Grundlage werden maschinelle Lernalgorithmen eingesetzt, um den Prozess mit Lötexperimentdaten zu modellieren. Mit Hilfe des ML-Modells und heuristischen Optimierungsroutinen wird zudem ein Vorgehen entwickelt, mit dem der Flussmittelauftrag und der Lötprozessablauf optimiert und geeignete Lötparameter empfohlen werden können.
oapen.identifier.doi10.25593/978-3-96147-652-7
oapen.relation.isPublishedBy54ed6011-10c9-4a00-b733-ea92cea25e2d
oapen.relation.isbn9783961476527
oapen.relation.isbn9783961476510
oapen.series.number425
oapen.pages167
oapen.place.publicationErlangen


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record