Unter dem Begriff "Industrie 4.0" wurden im letzten Jahrzehnt Ansätze der Dateninfrastruktur in Produktionen entwickelt und in großem Umfang angewendet. Dennoch kann das volle Potenzial datengetriebener Analysen kaum ausgeschöpft werden, da viele Produktionsanlagen durch eine hohe Komplexität und Prozessvielfalt gekennzeichnet sind. Zudem ist die Datenmenge in der Praxis meist zu gering, um selbstlernende Methoden anzuwenden. Die Integration von Anwenderwissen in datengetriebenen Methoden ist bisher nicht ganzheitlich erforscht. In dieser Dissertation werden Ansätze zur Anomalieerkennung in verschiedenen hochflexiblen Produktionsmaschinen und die Integration von Domänenwissen eines Anwenders vorgestellt. Während sich bestehende Methoden auf das Modelltraining von sich wiederholenden gleichen Prozessen konzentrieren, besteht der neuartige Ansatz dieser Arbeit darin, ein Konzept zur Fehlererkennung mit einer sehr geringen Datenmenge zu entwickeln. Eingriffsgrenzen sind variabel und lassen sich durch selbstlernende Algorithmen im Falle einer Prozess- oder Produktänderung anpassen. Die Prozessdifferenzierung basiert auf einer Prozesssegmentierung mit Methoden der Mustererkennung. Nach der Segmentierung historischer Datenströme und der Bestimmung repräsentativer Muster werden die Segmente in Online-Signalen wiedererkannt. Nachdem ein ähnliches Segment erkannt wurde, wird eine unüberwachte Anomalieerkennung durchgeführt. Eine Anomalie-Klassifikation mit Hilfe selbstlernender Methoden und des formalisierten Domänenwissens ermöglicht die Ausgabe von Handlungsempfehlungen für den Benutzer oder Maschinenbediener. Alle entwickelten Methoden werden an drei ausgewählten industriell relevanten Anwendungsbeispielen validiert. Die Methoden werden in einer App implementiert.
Aktualisiert: 2023-04-05
> findR *
Die Überwachung technischer Systeme spielt eine zentrale Rolle, um die Sicherheit, Funktionsfähigkeit und Gesamtanlageneffektivität in der Produktion zu garantieren. Die Prozessüberwachung umfasst die Detektion und Ursachenanalyse von Fehlern sowie die Überwachung qualitätsrelevanter Größen durch modell- oder datenbasierte Methoden.
Ziel dieser Arbeit ist die Entwicklung von Ansätzen zur Kombination modell- und datenbasierter Methoden, um deren Vorteile zu vereinen. Dafür werden bipartite Graphen betrachtet, welche die Faktorisierung des dynamischen Systems beschreiben. Die Faktorisierung ermöglicht eine verteilte Prozessüberwachung und die Eingrenzung detektierter Fehler auf Teilsysteme. Die Struktur bipartiter Graphen ergibt sich durch physikalische Modelle, Expertenwissen oder der Transinformation. Für die Parametrierung der Struktur werden physikalische Modelle wie auch latente Variablenmodelle in Form der probabilistischen Hauptkomponentenanalyse oder Gaußschen Mischmodellen verwendet. Die Quantifizierung der Detektierbarkeit von Fehlerfällen erfolgt über die Kullback-Leibler-Divergenz.
Die Ansätze werden auf verschiedene Problemstellungen der Prozessüberwachung angewandt und anhand von Beispielsystemen simulativ wie auch experimentell validiert. Am Beispiel einer adaptiven Hochhausstruktur wird die Fehlerdiagnose von Aktor- und Sensorfehlern betrachtet. Weitere Anwendungsbeispiele sind die Identifikation von Fehlerzuständen aus undokumentierten Messdaten einer Vorbehandlungsanlage, die Anomalieerkennung in Zuluftanlagen sowie die Berechnung und Vorhersage qualitätsrelevanter Größen im Trockner einer Lackiererei. Abschließendes Anwendungsbeispiel ist die Identifikation von Zusammenhängen zwischen Prozessgrößen und Qualitätsproblemen für deren Vorhersage.
Aktualisiert: 2022-09-01
> findR *
In der industriellen Produktion dient die automatisierte Endfunktionsprüfung der Erkennung von Herstellungsfehlern. Die Bewertung der Messsignale der Prüflinge erfolgt anhand von Prüfgrenzen, die einen Kompromiss zwischen erfolgreicher Fehlererkennung und hoher Ausschussrate darstellen. Bei komplexen Produkten und großer Typenvielfalt entsteht außerdem ein beträchtlicher Aufwand zur Erstellung und Pflege der Prüfgrenzen.
Diese Arbeit beschäftigt sich mit Algorithmen zur datenbasierten Endfunktionsprüfung in der industriellen Großserienproduktion. Ziel ist die automatisierte Ableitung von Prüfgrenzen und Prüfergebnissen durch ein selbstadaptierendes (lernendes) System allein auf der Basis von Messdaten. Als Anwendungsbeispiel dient die Herstellung von PKW-Motoren, die sehr komplexe Prüflinge darstellen und deren Produktion und Endfunktionsprüfung in großer Stückzahl erfolgt.
Im laufenden Betrieb scheidet ein manuelles Kategorisieren und Bereinigen von Trainingsdatensätzen aus. Daher basieren die analysierten Verfahren auf dem Prinzip der Anomalieerkennung. Somit ist ein Training möglich, ohne dass Messungen von fehlerhaften Produkten erforderlich sind. Gleichzeitig müssen die untersuchten Verfahren robust gegenüber fehlerhaften Prüflingen sein, die im Training und der Anwendung jederzeit auftreten können.
Die untersuchten Methoden umfassen die statische One-Class-Klassifikation und robuste Zeitreihenmodelle mit Zustands- und Parameterschätzung. Der Vergleich und die Bewertung der vorgestellten Verfahren erfolgt anhand simulierter und realer Anwendungsdaten. Für die Zeitreihenmodelle werden Erweiterungen präsentiert, die den Umgang mit langen Prädiktionszeiträumen, schiefen Verteilungen und sprunghaften Änderungen der Istwerte der Prüfmerkmale ermöglichen.
Aktualisiert: 2021-04-01
> findR *
MEHR ANZEIGEN
Bücher zum Thema Anomalieerkennung
Sie suchen ein Buch über Anomalieerkennung? Bei Buch findr finden Sie eine große Auswahl Bücher zum
Thema Anomalieerkennung. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr
hat zahlreiche Bücher zum Thema Anomalieerkennung im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das
passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das
Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche
Bücher uvm. Bestellen Sie Ihr Buch zum Thema Anomalieerkennung einfach online und lassen Sie es sich bequem nach
Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.
Anomalieerkennung - Große Auswahl Bücher bei Buch findr
Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum
Thema Anomalieerkennung, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche
Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl
Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:
Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie
unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien
zu finden. Unter Anomalieerkennung und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung
thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege.
Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem
zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu
studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.