Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
Volltext verfügbar? / Dokumentlieferung
doi:10.22028/D291-37632
Titel: | Synchronisationsprobleme innerhalb eines Sensorsystems und deren Auswirkungen auf Ergebnisse des maschinellen Lernens |
VerfasserIn: | Dorst, Tanja Schneider, Tizian Klein, Steffen Eichstädt, Sascha Schütze, Andreas |
Sprache: | Deutsch |
Titel: | 20. GMA/ITG-Fachtagung Sensoren und Messsysteme 2019 : Tagungsband |
Seiten: | 444-450 |
Verlag/Plattform: | AMA Service GmbH |
Erscheinungsjahr: | 2019 |
Erscheinungsort: | Wunstorf |
Konferenzort: | Nürnberg, Germany |
Freie Schlagwörter: | Maschinelles Lernen Zustandsüberwachung multivariate Statistik Synchronisation Industrie 4.0 |
DDC-Sachgruppe: | 670 Industrielle und handwerkliche Fertigung |
Dokumenttyp: | Konferenzbeitrag (in einem Konferenzband / InProceedings erschienener Beitrag) |
Abstract: | Prozesssensordaten erlauben nicht nur die Steuerung industrieller Prozesse, sondern auch eine Bewertung des Anlagenzustands zur Erkennung von Fehlerzuständen und Verschleiß mittels Mustererkennung durch maschinelles Lernen. Um den Einfluss von Synchronisationsfehlern innerhalb eines verteilten Sensorsystems abzuschätzen, wird hier ein System zur Zustandsüberwachung, zur Lebensdauerprognose und für End-Of-Line-Tests elektromechanischer Zylinder betrachtet. Die im Prüfstand integrierten Sensoren werden mit 10 kHz bis 1 MHz abgetastet. Betrachtet werden im Folgenden die Auswirkungen von Synchronisationsfehlern von maximal 100 ms zwischen den einzelnen Sensoren auf die Lebensdauervorhersage der elektromechanischen Zylinder. Simuliert werden diese Fehler an Hand eines experimentell erfassten Rohdatensatzes durch Manipulation mit zufälligem Zeitversatz zwischen den unterschiedlichen Sensoren. |
DOI der Erstveröffentlichung: | 10.5162/sensoren2019/5.4.1 |
URL der Erstveröffentlichung: | https://www.ama-science.org/proceedings/details/3447 |
Link zu diesem Datensatz: | urn:nbn:de:bsz:291--ds-376320 hdl:20.500.11880/34048 http://dx.doi.org/10.22028/D291-37632 |
ISBN: | 978-3-9819376-0-2 |
Datum des Eintrags: | 18-Okt-2022 |
Fakultät: | NT - Naturwissenschaftlich- Technische Fakultät |
Fachrichtung: | NT - Systems Engineering |
Professur: | NT - Prof. Dr. Andreas Schütze |
Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.