Automatisierte Mustererkennung in Zeitreihen zur selbstlernenden Leistungsüberwachung von Produktionsanlagen
Seiten
2020
Kassel University Press (Verlag)
978-3-7376-0915-9 (ISBN)
Kassel University Press (Verlag)
978-3-7376-0915-9 (ISBN)
- Keine Verlagsinformationen verfügbar
- Artikel merken
Vor dem Hintergrund eines weltweit ansteigenden wirtschaftlichen Konkurrenzdrucks und sich gleichzeitig massiv verschärfender Klimaschutzvorgaben steht die Industrie vor gewaltigen Herausforderungen. Die informations- und kommunikationstechnische Verzahnung der industriellen Produktion birgt dabei großes Potenzial diesen Herausforderungen zu begegnen, bedarf jedoch umfassender, kostenaufwändiger Messdatenerfassung, -aufbereitung, -speicherung sowie -auswertung. Sogenannte sensorreduzierte Ansätze der Leistungs- und Zustandsüberwachung
von Produktionsanlagen in Kombination mit unüberwachten maschinellen Lernverfahren bieten die Möglichkeit, diesen Aufwand deutlich zu verringern. Der neuartige, vollständig automatisierte Ansatz dieser Dissertation benötigt lediglich eine beliebige Messzeitreihe als Eingangsgröße und keine weiteren Informationen, wie z.B. Anlagensteuerungssignale.
Verschiedene Anwendungen zeigen, inwiefern der Gesamtalgorithmus zum einen als Datenvorverarbeitungswerkzeug zur automatisierten Klassifizierung und Strukturierung nicht annotierter Zeitreihen und zum anderen als eigenständiges Energie- und Prozessanomalien-Diagnosewerkzeug verwendbar ist.
von Produktionsanlagen in Kombination mit unüberwachten maschinellen Lernverfahren bieten die Möglichkeit, diesen Aufwand deutlich zu verringern. Der neuartige, vollständig automatisierte Ansatz dieser Dissertation benötigt lediglich eine beliebige Messzeitreihe als Eingangsgröße und keine weiteren Informationen, wie z.B. Anlagensteuerungssignale.
Verschiedene Anwendungen zeigen, inwiefern der Gesamtalgorithmus zum einen als Datenvorverarbeitungswerkzeug zur automatisierten Klassifizierung und Strukturierung nicht annotierter Zeitreihen und zum anderen als eigenständiges Energie- und Prozessanomalien-Diagnosewerkzeug verwendbar ist.
Erscheinungsdatum | 26.11.2020 |
---|---|
Reihe/Serie | Produktion & Energie ; 24 |
Verlagsort | Kassel |
Sprache | deutsch |
Maße | 148 x 210 mm |
Gewicht | 320 g |
Themenwelt | Technik ► Elektrotechnik / Energietechnik |
Technik ► Maschinenbau | |
Technik ► Umwelttechnik / Biotechnologie | |
Schlagworte | Betriebszustandserkennung • Condition Monitoring • Energiemonitoring • Univariate Zeitreihensegmentierung • Unüberwachte maschinelle Lernverfahren |
ISBN-10 | 3-7376-0915-2 / 3737609152 |
ISBN-13 | 978-3-7376-0915-9 / 9783737609159 |
Zustand | Neuware |
Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Kolbenmaschinen - Strömungsmaschinen - Kraftwerke
Buch | Hardcover (2023)
Hanser (Verlag)
49,99 €