Die aktuelle Methode zur Qualitätsbewertung des Halbhohlstanznietens (HHSN) basiert auf einer statischen Hüllkurve zur Prozessüberwachung. Eine Analyse zeigt, dass diese Hüllkurven die gesamte Prozessstreuung nicht zuverlässig abbilden, was zu falsch-positiven Fehlern und damit zu manueller Nacharbeit führt. In dieser Arbeit wird eine neue Fehlererkennungsmethode entwickelt. Dazu erfolgt eine experimentelle Parameteranalyse, um die Ursache-Wirkungs-Zusammenhänge zwischen Fehlern und Prozessparametern zu ermitteln. Typische Fehler des HHSN-Prozesses werden identifiziert, und die Fehlererkennung wird anhand des Fügekraft-Stempelweg-Verlaufs bewertet. Ein großes Potenzial zur Verbesserung der Fehlererkennung liegt in den ungenutzten Prozessdaten der seriellen Karosseriefertigung, die zahlreiche technische und statistische Merkmale enthalten. Auf dieser Grundlage wird ein Random-Forest-Modell trainiert, das die Bewertungsmethode ergänzt. Die Nietkopfendlage (NKE) jeder Fügeverbindung wird als in Ordnung oder kritisch klassifiziert, basierend auf einem auffälligen Fügekraft-Stempelweg-Verlauf. Die Klassifikationsgenauigkeit erreicht bis zu 84,4%. Die entwickelte Methode ermöglicht eine robuste Prozessüberwachung der Verbindungsqualität und optimiert die Effizienz der Nacharbeit.
