Open Access

Tarek Hussein, Johannes Schilp

• Predicting temperatures and residual stresses is essential in the glass tempering process. Classical numerical solvers are accurate but slow in large domains. This study develops a variant of a Multi-Input Fourier Neural Operator (MIFNO) as a fast surrogate, trained on FEM data. It predicts temperatures and stresses from process parameters with strong accuracy and generalization, achieving 7.7× speedup on seen cases and 15× on unseen cases.
• Die Vorhersage von Temperatur- und Eigenspannungen ist entscheidend im Glas-Temperprozess. Klassische numerische Löser bieten hohe Genauigkeit, sind jedoch in großen Domänen rechenintensiv. Diese Studie entwickelt eine Variante des Multi-Input Fourier Neural Operator (MIFNO) als schnelles, auf FEM-Daten trainiertes Surrogat. Das Modell berechnet Temperatur- und Spannungsfelder präzise aus den Prozessparametern und erreicht eine Beschleunigung von 7,7× bei trainierten und 15× bei untrainierten Fällen.