Header

Shop : Details

Shop
Details
48,80 €
ISBN 978-3-8440-8186-2
Paperback
154 Seiten
57 Abbildungen
228 g
21 x 14,8 cm
Deutsch
Dissertation
September 2021
Benjamin Hendrik Lindemann
Datengetriebene Kompensation anomaler Prozessdynamiken in Automatisierungssystemen auf Basis adaptiver LSTM-Netze
Trotz des umfangreichen Expertenwissens von Prozessingenieuren treten heutzutage entlang mehrstufiger Prozessketten immer wieder unerwartete Prozessschwankungen auf. Diese Dissonanzen gehen mit einer Reduktion in der Qualität von Ressource, Prozess und Produkt einher und können eine Fertigung von fehlerhaften Produkten zur Folge haben. Unbekannte anomale Systemdynamiken sind häufig die Ursache. Das Ziel dieser Arbeit ist die Entwicklung einer adaptiven Qualitätsregelung zur Kompensation dieser Effekte.

Zur Reduktion von Prozessunsicherheiten wird existierendes Prozesswissen um einen datengetriebenen Ansatz erweitert, der auf adaptiven und kontinuierlich lernenden Long Short-Term Memory (LSTM) Netzen basiert. Es wird ein Konzept zur Detektion unbekannter anomaler Systemdynamiken für Produktionssysteme entwickelt, sodass deren Integration in eine ganzheitliche Modellierung des Prozessverhaltens möglich ist. Für die nichtlineare, zeitvariante Modellbildung der Anomalien werden die LSTM-Netze eingesetzt. Um auf dieser Basis eine verbesserte Abbildung zukünftigen Prozessverhaltens zu ermöglichen, wird ein kooperatives Prädiktionsschema vorgestellt, das eine stetige Interaktion von Prozess- und Anomalie-Modell vorsieht. Im letzten Schritt wird dieses für eine prädikative Kompensation von Anomalien eingesetzt. Dabei wird die optimale Stellstrategie für jedes Produkt entlang der Prozesskette ermittelt.

Das Konzept wurde in Form eines Web-basierten Assistenzsystems realisiert. Eine Evaluierung konnte anhand von Prozessketten der Umformtechnik am Institut für Umformtechnik der Universität Stuttgart sowie im industriellen Umfeld der Otto Fuchs KG durchgeführt werden. Die empirischen Ergebnisse zeigen, dass eine Vorhersage und Prävention auftretender Anomalien ermöglicht wird.
Schlagwörter: Neuronale Netze; Long short-term memory; Anomalie-Detektion; Qualitätsregelung
IAS-Forschungsberichte
Herausgegeben von Prof. Dr.-Ing. Dr. h. c. Michael Weyrich, Stuttgart
Band 2021,1
Verfügbare Online-Dokumente zu diesem Titel
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
 
 DokumentGesamtdokument 
 DateiartPDF 
 Kosten36,60 € 
 AktionDownloadZahlungspflichtig kaufen und download der Datei 
     
 
 DokumentInhaltsverzeichnis 
 DateiartPDF 
 Kostenfrei 
 AktionDownloadDownload der Datei 
     
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
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