Die Auslegung von Clinchverbindungen ist meist aufwendig und iterativ. Eine aktuelle Veröffentlichung stellt dafür einen hybriden Ansatz vor, der wissensbasierte Methoden mit datengetriebenen Modellen kombiniert. Allgemeingültige Zusammenhänge werden in einer Ontologie als Designregeln abgebildet, während komplexere Effekte mithilfe von Machine Learning vorhergesagt werden. In einem integrierten Workflow lassen sich bestehende Verbindungen analysieren, Parameter gezielt anpassen und resultierende Fügepunkteigenschaften prognostizieren. Der Ansatz reduziert Trial-and-Error, erhöht die Nachvollziehbarkeit und bietet Potenzial für eine effizientere Auslegung von Clinchverbindungen.
https://link.springer.com/article/10.1007/s44245-026-00230-x
Wissens- und datenbasierter Ansatz für die effiziente Auslegung von Clinchverbindungen
