Abstract
Kurzfassung
Maschinelles Lernen ermöglicht es, Gesetzmäßigkeiten automatisch aus Eingangsdaten und verknüpften Zielwerten zu „erlernen“ und Vorhersagen abzuleiten. Dies kann in der Produktion zur Prozessstabilisierung genutzt werden. Ein strukturierter Implementierungsansatz ist nötig, der datentechnische Anforderungen definiert und den Nutzen der digitalen zur analogen Problemlösungen abwägt. Am Institut PTW der TU Darmstadt wurde ein solcher Ansatz entwickelt. Erste Versuche zeigen, dass die Methode gezieltes maschinelles Lernen unterstützt und akkurate Vorhersagen zur Prozessstabilisierung ermöglicht.
Subject
Management Science and Operations Research,Strategy and Management,General Engineering
Reference18 articles.
1. Aktives Lernen für Klassifikationsprobleme unter der Nutzung von Strukturinformationen,2016
2. Supervised Machine Learning: A Review of Classification Techniques;Informatica,2007
3. Support Vector Machine in Machine Condition Monitoring and Fault Diagnosis;Mechanical Systems and Signal Processing,2007
Cited by
2 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献