Header

Shop : Details

Shop
Details
59,80 €
ISBN 978-3-8191-0334-6
Paperback
268 Seiten
57 Abbildungen
350 g
21 x 14,8 cm
Deutsch
Dissertation
November 2025
Nikolai West
Methodik zur datengetriebenen Fehlererkennung in industriellen Zeitreihen durch den Einsatz maschineller Lernverfahren mit Validierung in einem Anwendungsfall der Schraubtechnik
Die fortschreitende Digitalisierung eröffnet neue Möglichkeiten für die industrielle Qualitätssicherung. Während traditionelle, regelbasierte Ansätze aufwändige manuelle Konfigurationen erfordern, ermöglichen maschinelle Lernverfahren (ML) eine adaptivere und präzisere Fehlererkennung. Diese Arbeit adressiert die bislang fehlende systematische Methodik zur Integration von ML-Verfahren in bestehende Qualitätssicherungsprozesse.

Die Dissertation entwickelt einen ganzheitlichen Ansatz zur ML-gestützten Prozessüberwachung zeitreihenbasierter Fertigungsprozesse. Die Methodik gliedert sich in drei Ebenen: Die Datenebene behandelt den systematischen Umgang mit fehlenden Labels und integriert Expertenwissen durch automatisierte Vorauswahl und Ausbreitung von Annotationen. Die Modellebene kombiniert überwachte Verfahren zur Fehlerklassifikation mit unüberwachten Ansätzen zur Anomalieerkennung. Die Nutzerebene entwickelt strukturierte Konzepte für Fehlerkataloge und die Integration in bestehende Arbeitsabläufe.

Die umfassende Validierung erfolgt an einer automatisierten Schraubstation mit mehreren tausend systematisch erzeugten Prozessverläufen in über 20 Fehlerkategorien, wobei ein Software-Demonstrator alle Komponenten zu einem kohärenten System integriert. Die empirischen Ergebnisse bestätigen die deutliche Überlegenheit gegenüber konventionellen Methoden.

Der Ansatz ist dank seiner generischen Architektur auf weitere zeitreihenbasierte Produktionsprozesse wie Pressen, Spritzgießen oder Nieten übertragbar. Für Industrieunternehmen bietet die Arbeit konkrete Handlungsempfehlungen für einen schrittweisen Einstieg mit überschaubarem Initialaufwand und messbaren Qualitätsverbesserungen.
Schlagwörter: Schraubtechnik; Maschinelles Lernen; Anomalieerkennung; Prozessüberwachung; Zeitreihenanalyse
Schriftenreihe Industrial Engineering
Herausgegeben von Univ.-Prof. Dr.-Ing. Jochen Deuse, Dortmund
Band 42
Export bibliographischer Daten
Teilen
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
  +49 2421 99011 9
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
Captcha
Social Media