Das selektive Laserschmelzen ist zu einem der aktuellsten und neusten Technologien zur Herstellung komplexer Bauteile im Vergleich zu konventionellen Fertigungstechnologien geworden. Insbesondere bestehende selektive Laserschmelzmaschinen sind nicht mit Analysewerkzeugen ausgestattet, welche Sensordaten auswerten. Dieser Beitrag beschreibt einen Ansatz zur Analyse und zur Visualisierung von Offline-Daten aus verschiedenen Quellen, basierend auf maschinellen Lernalgorithmen. Daten von drei Sensoren wurden verwendet, um Cluster zu identifizieren. Sie veranschaulichen den normalen Betrieb der Werkzeugmaschine und drei fehlerhafte Zustände. Mit diesen Ergebnissen kann ein Zustandsüberwachungssystem implementiert werden, das diesen Werkzeugmaschinen vorausschauende Instandhaltungslösungen ermöglicht.
