Die Bedeutung von Daten nimmt in allen Lebensbereichen eine immer größere Rolle ein. Diese Entwicklung kann ebenso in der Produktentwicklung und Produktentstehung beobachtet werden. Die Verknüpfung der virtuellen Produktentwicklung mit der durchgängigen und ganzheitlichen Datennutzung wird als «Digital Engineering» bezeichnet. Die Umsetzung des Digital Engineering geht mit einem starken Wandel und einer Veränderung der bisherigen Rollen der beteiligten Personen und der verwendeten Werkzeuge einher. Dabei gilt es, möglichst alle zur Verfügung stehenden Daten zu nutzen und diese Daten mittels Algorithmen des Maschinellen Lernens zu verarbeiten. In der Produktentstehung existieren zahlreiche Geometriedaten (z.B. CAD Modelle oder Messdaten) oder mit einer Geometrie verknüpfte Daten (z.B. numerische Simulationen und deren Ergebnisse). Im Rahmen der vorliegenden Dissertation wurde die Methode der sphärischen Detektorflächen entwickelt, welche es ermöglicht, beliebige Geometrien in eine einheitliche numerische Matrix zu überführen. Die entwickelte Methode kann ebenfalls genutzt werden, um Informationen, die mit der Geometrie verknüpft sind, in weitere dieser einheitlichen Matrizen umzuwandeln und so Algorithmen des Maschinellen Lernens zur Verfügung zu stellen. Das entwickelte Vorgehen wird anhand von drei unterschiedlichen Anwendungsbeispielen umgesetzt und es werden alle notwendigen Teilschritte detailliert beschrieben. Dies umfasst auch die Ableitung der sogenannten «DNA einer FE-Simulation».
Aktualisiert: 2023-06-29
> findR *
Mit Fortschreiten der Automatisierung in der industriellen Fertigung werden Verfahren benötigt, um nicht nur die Fertigung an sich mittels Aktoren wie präzise arbeitende Roboterarme zu automatisieren, sondern auch Methoden, um eine automatisierte Qualitätssicherung zu realisieren. Oft werden dazu Kameras eingesetzt. Eine nachgelagerte Softwarekomponente wertet infolgedessen die aufgenommenen Bilddaten mithilfe bestimmter Algorithmen aus. Zur Auswertung können lernbasierte Verfahren wie die Künstlichen Neuronalen Netzwerke genutzt werden. Diese zeigen in der Praxis eine sehr gute Performanz in vielen unterschiedlichen Problemdomänen. Dennoch haben diese Modelle den Nachteil, dass sie sich wie eine Blackbox verhalten. Das heißt, dass es oft nicht möglich ist, deren genaue interne Funktionsweise oder das Ergebnis der Klassifikation wie bei regelbasierten Verfahren nachzuvollziehen.
In der vorliegenden Arbeit werden Lösungen für die Qualitätssicherung von Produktionsprozessen exemplarisch an einem Fertigungsprozess aus der Automobilzulieferer-Branche präsentiert. Es wird ein Versuchsaufbau mit zwei auf die Szenerie gerichteten Kameras vorgestellt. Für die Fusionierung und Klassifizierung der Informationen aus dem aufgenommenen Bildpaar wird ein neuartiges Fusionsnetzwerk, basierend auf faltenden neuronalen Netzwerken, vorgeschlagen. Um die interne Funktionsweise der Fusionsnetzwerke besser nachvollziehen zu können, wurden neue, innovative Methoden zur Analyse solcher angelernten Modelle entwickelt. Im letzten thematischen Teil der Arbeit werden Netzwerkstrukturen zur bedingten künstlichen Generierung von Bildpaaren vorgestellt und der Mehrwert von synthetischen Daten für das Training von Künstlichen Neuronalen Netzwerken am Beispiel der untersuchten Applikation diskutiert.
Aktualisiert: 2023-01-25
> findR *
Die Bedeutung von Daten nimmt in allen Lebensbereichen eine immer größere Rolle ein. Diese Entwicklung kann ebenso in der Produktentwicklung und Produktentstehung beobachtet werden. Die Verknüpfung der virtuellen Produktentwicklung mit der durchgängigen und ganzheitlichen Datennutzung wird als «Digital Engineering» bezeichnet. Die Umsetzung des Digital Engineering geht mit einem starken Wandel und einer Veränderung der bisherigen Rollen der beteiligten Personen und der verwendeten Werkzeuge einher. Dabei gilt es, möglichst alle zur Verfügung stehenden Daten zu nutzen und diese Daten mittels Algorithmen des Maschinellen Lernens zu verarbeiten. In der Produktentstehung existieren zahlreiche Geometriedaten (z.B. CAD Modelle oder Messdaten) oder mit einer Geometrie verknüpfte Daten (z.B. numerische Simulationen und deren Ergebnisse). Im Rahmen der vorliegenden Dissertation wurde die Methode der sphärischen Detektorflächen entwickelt, welche es ermöglicht, beliebige Geometrien in eine einheitliche numerische Matrix zu überführen. Die entwickelte Methode kann ebenfalls genutzt werden, um Informationen, die mit der Geometrie verknüpft sind, in weitere dieser einheitlichen Matrizen umzuwandeln und so Algorithmen des Maschinellen Lernens zur Verfügung zu stellen. Das entwickelte Vorgehen wird anhand von drei unterschiedlichen Anwendungsbeispielen umgesetzt und es werden alle notwendigen Teilschritte detailliert beschrieben. Dies umfasst auch die Ableitung der sogenannten «DNA einer FE-Simulation».
Aktualisiert: 2022-01-27
> findR *
Obwohl das Laserschneiden von Metallen ein etabliertes Verfahren ist, besteht ein erhebliches Verbesserungspotenzial hinsichtlich verschiedener Anforderungen an die fertigende Industrie. Dieses wird identifiziert und anschließend wird gezeigt, wie Verbesserungen mithilfe von maschinellem Lernen erzielt werden könnten. Als Grundlage dafür dient eine Datenbasis, die die verwendeten Prozessparameter, RGB-Bilder, 3D-Punktwolken und verschiedene Qualitätsmerkmale von fast 4000 Schnittkanten enthält. Although laser cutting of metals is a well-established process, there is considerable potential for improvement with regard to various requirements for the manufacturing industry. First, this potential is identified and then it is shown how improvements could be made using machine learning. For this purpose, a database was generated. It contains the process parameters, RGB images, 3D point clouds and various quality features of almost 4000 cut edges.
Aktualisiert: 2022-01-20
> findR *
KI verspricht enorme Fortschritte – von der Prozessoptimierung und Produktivitätssteigerung über optimierte Entscheidungsunterstützung bis hin zur Generierung neuer Geschäftsmodelle. Was Unternehmen allerdings umtreibt, sind fehlendes Know-how, klare Zielsetzungen und Vorgehensweisen zur Umsetzung. Hinzu kommen Ängste der Mitarbeiter vor Arbeitsplatzabbau oder Umstrukturierungen und häufig auch eine unklare Vorstellung davon, was KI leisten kann und was nicht.
Das Buch möchte der Leserschaft für ihre Diskussions-, Planungs- und Umsetzungsprozesse hilfreiche Informationen an die Hand gegeben und praxisorientierte Optionen aufzeigen.
Die Themen:
Veränderung des Rollenverständnisses und neue Aufgabenfelder auf Führungsebene im Kontext von Digitalisierung und Künstlicher Intelligenz
Ganzheitlicher Ansatz und Rahmenbedingungen zur erfolgreichen Umsetzung von KI-Projekten
Best Practices und Use Cases:
Digitale Entscheidungsfindung zur Prozessoptimierung
ERP als Grundlage zur Einführung von KI im Unternehmensalltag
Projektbeschreibung zur Einführung und Umsetzung einer Enterprise-Search-Lösung
Automatisierte Einsatzplanung von Solar- und Windparks
Machine Learning in der Industrieautomation – ein Überblick
KI in der Automobilindustrie und die Entwicklung von autonomen Fahrfunktionen
Automatisierte Anomalieerkennung an einer Produktionsmaschine
Die Autoren:
Isabel Banzerus, Data Reply; Bernd Baus, VSE; Dr. Yusuf Erdogan, Bertrandt; Dr.-Ing. habil. Ingrid Heinrich, Ingenieurbüro Last- und Energiemanagement; Dr. Christian Lehmann, GOB Software & Systeme; Valeria Mayer, VSE; Ute Redeker, GOB Software & Systeme; Dr. Ulf Roßegger, affinis consulting; Hans-Peter Sailer, Data Reply; Stefan Schindler, Bertrandt; Antonella Sciortino, Ingenieurbüro Last- und Energiemanagement; Georg Steinberger, Avnet; Michaël Uyttersprot, Avnet; Alexander von Birgelen, Phoenix Contact; Adrian Weiler, INFORM
Aktualisiert: 2023-03-16
> findR *
MEHR ANZEIGEN
Bücher zum Thema Convolutional Neural Network
Sie suchen ein Buch über Convolutional Neural Network? Bei Buch findr finden Sie eine große Auswahl Bücher zum
Thema Convolutional Neural Network. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr
hat zahlreiche Bücher zum Thema Convolutional Neural Network im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das
passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das
Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche
Bücher uvm. Bestellen Sie Ihr Buch zum Thema Convolutional Neural Network einfach online und lassen Sie es sich bequem nach
Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.
Convolutional Neural Network - Große Auswahl Bücher bei Buch findr
Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum
Thema Convolutional Neural Network, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche
Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl
Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:
Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie
unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien
zu finden. Unter Convolutional Neural Network und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung
thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege.
Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem
zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu
studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.
