Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen: doi:10.22028/D291-37632
Volltext verfügbar? / Dokumentlieferung
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.