Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-31
> findR *
Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-18
> findR *
Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-12
> findR *
Die Dissertation untersucht die Vorhersage ungeplanter Ausfälle von PBF-LB/M-Systemen (Laser-basierte Pulverbettfusion von Metallen) mittels KI und maschinellem Lernen. Ziel ist Kostenreduktion und Verbesserung der Maschinenzuverlässigkeit in der metallbasierten additiven Fertigung. Die Studie analysiert tausende Baujobs aus realen industriellen Produktionsumgebungen verschiedener Industriesektoren.
In der Arbeit wurde CRISP-DM, eine Methode zur Kombination von Data Mining und betriebswirtschaftlichen Zielen, eingesetzt. Der Fokus lag auf der Reduzierung der Kosten durch präventive Baujobabbrüche und Fehler-Ursachen-Analyse mittels Interpretation von Black-Box-Modellen. Die Daten wurden in aggregierte Form konvertiert und zur Lösung des binären Klassifizierungsproblems mittels verschiedener Lernverfahren verarbeitet. Gradient Boosted Trees wurde als bestes Lernverfahren identifiziert und weiter optimiert. Die Ergebnisse zeigten exzellente Prognosegüten innerhalb der ersten 3-6 Stunden der Produktionsphase.
Die Studie zeigt durchschnittliche Kosteneinsparungen von 10-40% bei präventiven Eingriffen und überproportionale Einsparungen für langandauernde, hochvolumige Bauteile bei zunehmenden Ausfallraten. SHAP wurde zur Interpretation von Black-Box-Modellen und Identifizierung von Maßnahmen zur Steigerung der Maschinenzuverlässigkeit eingesetzt.
Zukünftige Projekte könnten ein Frühwarnsystem für PBF-Systembetreiber entwickeln, um Kostenvorteile und bessere Maschinenkontrolle zu realisieren. Die Arbeit zeigt Potenzial ungenutzter Sensordaten aus additiven Baujobs für die Wertschöpfungskette. Der Fokus sollte auf kooperativem Datenaustausch zwischen Marktteilnehmern liegen, um neue Geschäftsmodelle zu finden und additive Fertigung zur industriellen Serienreife zu führen.
Aktualisiert: 2023-05-12
> findR *
Software-Klone sind gleiche oder ähnliche Quelltextbereiche, welche unter anderem durch das Kopieren (Copy-Paste) von Fragmenten entstehen. Zum Finden von diesen Redundanzen werden Klonerkennungswerkzeuge eingesetzt. Diese Erkennungswerkzeuge finden jedoch viele ähnliche Quelltextabschnitte, welche nicht den Anforderungen des Benutzers genügen, d.h. als Falsch-Positive klassifiziert werden.
Die vorliegende Arbeit beleuchtet den Begriff des Software-Klons und geht der Frage nach, warum ein Klon vom Benutzer abgelehnt wird. Es wird untersucht, inwieweit mit Hilfe von Lernverfahren Falsch-Positive erkannt werden können, um damit den Anteil dieser zu senken. Dies verfolgt das Ziel eine Verringerung des Aufwands für den Benutzer zu erreichen, um damit den Nutzen des Einsatzes einer Klonerkennung im Entwicklungs- bzw. Wartungsprozess zu erhöhen.
Raimar Falke studierte an der TU-Dresden mit den Schwerpunkten Datensicherheit und intelligente Systeme. Das Thema seiner Diplomarbeit war die Anwendung von Typsystemen bei der Analyse von Binärprogrammen. Nach seinem Studium arbeitete er fünf Jahre an der Universität Bremen als wissenschaftlicher Mitarbeiter an den Themen Programmanalyse, Klonerkennung und Lernverfahren und promovierte mit der vorliegenden Arbeit zu Fragestellungen aus diesen Gebieten.
Aktualisiert: 2019-12-12
> findR *
MEHR ANZEIGEN
Bücher zum Thema Vorhersagemodelle
Sie suchen ein Buch über Vorhersagemodelle? Bei Buch findr finden Sie eine große Auswahl Bücher zum
Thema Vorhersagemodelle. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr
hat zahlreiche Bücher zum Thema Vorhersagemodelle 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 Vorhersagemodelle einfach online und lassen Sie es sich bequem nach
Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.
Vorhersagemodelle - Große Auswahl Bücher bei Buch findr
Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum
Thema Vorhersagemodelle, 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 Vorhersagemodelle 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.