This work presents a data mining framework applied to industrial heattreatment (bainitization and case hardening) aiming to optimize processes and reduce costs. The framework analyses factors such as material, production line, and quality assessment for preprocessing, feature extraction, and drift corrections. Machine learning is employed to devise robust prediction strategies for hardness. Its implementation in an industry pilot demonstrates the economic benefits of the framework.

Grobkörnige refraktäre Nb-/Ta-Al2O -Verbundwerkstoffe mit mehrskaligem Aufbau sind ein neuartiger Lösungsansatz im Bereich der Hochtemperaturanwendungen. Als Grundlage für die Etablierung dieser Werkstoffe werden in dieser Arbeit mittels Field Assisted Sintering (FAST) hergestellte Verbundwerkstoffe untersucht, um den Einfluss der Materialzusammensetzung und der Partikelgrößenverteilung der Ausgangspulver auf die strukturellen, elektrischen und mechanischen Werkstoffeigenschaften zu analysieren. Newly designed coarse-grained Nb-/Ta-Al2O refractory composite materials with multi-scale...