Detektion von Anomalien zur Qualitätssicherung basierend auf Sequence-to-Sequence LSTM Netzen

Abstract

Zusammenfassung Unvorhersehbare Prozessereignisse und Anomalien sind Treiber erhöhter Ineffizienzen in Form von schwankender Produktqualität. In diesem Beitrag wird ein datengetriebener Ansatz zur Qualitätsoptimierung vorgestellt, auf dessen Basis Anomalien charakterisiert werden, die zur Entwurfszeit des Systems nicht bekannt waren. Es wird eine Netzarchitektur in Form eines Sequence-to-Sequence Netzes mit Long Short-Term Memory (LSTM) Zellen vorgestellt. Dadurch kann vorhergesagt werden, welche Anpassung am Stellgrößenverhalten vorgenommen werden muss, um erwartete Anomalien zu kompensieren. Dadurch wird das Qualitätsergebnis langfristig in der Toleranz gehalten. Der Ansatz wird prototypisch anhand von zwei Prozessketten der diskreten Fertigung umgesetzt und evaluiert.