Ein Verfahren zur automatischen Erzeugung intelligenter Prozessueberwachungssysteme

Created by W.Langdon from gp-bibliography.bib Revision:1.3872

@PhdThesis{Kaupp:thesis,
  author =       "Markus Kaupp",
  title =        "Ein Verfahren zur automatischen Erzeugung
                 intelligenter Prozessueberwachungssysteme",
  titletranslation = "A method for automatic creation of intelligent
                 process monitoring systems",
  year =         "2014",
  address =      "Holzgartenstr. 16, 70174 Stuttgart, Germany",
  keywords =     "genetic algorithms, genetic programming,
                 prozessuberwachung, maschinelles lernen,
                 klassifikation, genetisches programmieren,
                 artificial-bee-colony-optimierung, process monitoring,
                 machine learning, classification, artificial bee colony
                 optimisation, engineering and applied operations",
  isbn13 =       "978-3-8396-0780-0",
  URL =          "http://elib.uni-stuttgart.de/opus/volltexte/2014/9553/pdf/Kaupp_36.pdf",
  size =         "180 pages",
  bibsource =    "OAI-PMH server at elib.uni-stuttgart.de",
  identifier =   "urn:nbn:de:bsz:93-opus-95533",
  language =     "ger",
  oai =          "oai:elib.uni-stuttgart.de-opus:9553",
  rights =       "http://elib.uni-stuttgart.de/opus/doku/lic_ohne_pod.php",
  school =       "Universitaet Stuttgart; Fakultaet Konstruktions-,
                 Produktions- und Fahrzeugtechnik. Institut fuer
                 Steuerungstechnik der Werkzeugmaschinen und
                 Fertigungseinrichtungen; Wissenschaftliche
                 Einrichtungen in Verbindung mit der Universitaet
                 Stuttgart. Fraunhofer-Institut fuer Produktionstechnik
                 und Automatisierung (IPA)",
  URL =          "http://elib.uni-stuttgart.de/opus/volltexte/2014/9553/",
  notes =        "in German",
  abstract =     "Eine Voraussetzung fuer die Automatisierung von
                 Produktionsprozessen ist die Existenz zuverlaessiger
                 Prozessueberwachungssysteme. Solche Systeme
                 ermoeglichen es, unguenstige Prozesszustaende schnell
                 zu erkennen. Prozessueberwachungssysteme erfassen
                 Sensordaten aus dem zu ueberwachenden Prozess. Aus den
                 Sensordaten wird - entweder nach starren Regeln oder
                 mittels kuenstlicher Intelligenz - der aktuelle
                 Prozesszustand abgeleitet. Die intelligenten Systeme
                 gelten dabei als die leistungsfaehigere Variante.
                 Bisher ist die Erstellung intelligenter
                 Prozessueberwachungssysteme sehr zeitaufwaendig und
                 erfordert ein hohes Mass an Expertenwissen. Dies ist
                 ein Hemmnis fuer den flaechendeckenden Einsatz solcher
                 Systeme. In dieser Arbeit wird ein Verfahren fuer die
                 automatische Erzeugung intelligenter
                 Prozessueberwachungssysteme fuer beliebige zyklische
                 Fertigungsprozesse vorgestellt. Fuer die Umsetzung
                 wurde ein generisches Prozessueberwachungssystem
                 implementiert. Dieses bietet die Infrastruktur fuerdie
                 Datenerfassung und die benoetigten Datenfluesse. Das
                 System enthaelt zunaechst keine Logik fuer die
                 Verarbeitung und Bewertung der erfassten Daten. Diese
                 Logik wird von aussen in Form eines Analysemodells
                 vorgegeben. Solch ein Analysemodell ist eine
                 Verarbeitungskette, die aus aufeinander abgestimmten
                 Verfahren fuer die Signalverarbeitung, die
                 Kenngroessenbildung, die Kenngroessenselektion und die
                 Klassifikation besteht. Durch Setzen eines geeigneten
                 Analysemodells laesst sich das generische
                 Prozessueberwachungssystem an jeden Fertigungsprozess
                 anpassen. Mit diesem Konzept ist das Erzeugen eines
                 Prozessueberwachungssystems fuer einen
                 Fertigungsprozess ein Optimierungsproblem: Man sucht
                 dasjenige Analysemodell, das das generische
                 Prozessueberwachungssystem am besten an den
                 Fertigungsprozess anpasst. Fuer die Loesung dieses
                 Optimierungsproblems wurde ein Optimierungsverfahren
                 mit dem Namen Artificial-Bee-Colony-Optimierung
                 gewaehlt. Im Rahmen der hier beschriebenen Arbeit wurde
                 diesesOptimierungsverfahren entscheidend erweitert,
                 sodass es auf die gegebene Problemstellung angewandt
                 werden konnte.",
  abstract =     "Manufacturing sites in developed countries can only
                 exist in the long run if their production processes are
                 automated. Prerequisite for this automation is the
                 existence of reliable monitoring systems to detect and
                 fix unfavourable process states. Monitoring systems
                 capture sensor data from the observed process. The
                 current process state is deduced from this data, either
                 based on fixed rules (thresholds, envelopes...) or by
                 the means of artificial intelligence. Intelligent
                 process monitoring systems are considered to be the
                 more powerful type. Currently the creation of
                 intelligent process monitoring systems for a given
                 manufacturing method is time-consuming and requires a
                 high degree of expert knowledge. This is a major
                 barrier for a comprehensive application of such
                 systems. This thesis presents a method for the
                 automatic creation of intelligent process monitoring
                 systems for arbitrary cyclic production processes.
                 These production processes can be described by aset of
                 training data. Each data record in this training data
                 set contains both: data that has been measured in a
                 single cycle of the production process, and the desired
                 prediction result for this production cycle. Based on
                 these training data, the new method generates a process
                 monitoring system that is able to assign predictions
                 even to such data records that have not been part of
                 the training data set. For the realization of the
                 proposed system, a generic process monitoring system
                 was designed and implemented. This system provides the
                 infrastructure for data acquisition and the data
                 streams required for the generated monitoring systems.
                 In the first stage, the generic system does not hold
                 any program logic for processing and evaluating the
                 acquired data. This logic is provided by an external
                 analysis model. Such a model is a processing chain
                 integrating methods for signal preprocessing, feature
                 generation, feature selection and classification. By
                 setting the analysis model, thegeneric process
                 monitoring system can be adapted to any manufacturing
                 process. With the concept described above, the creation
                 of a process monitoring system for a manufacturing
                 process can be reduced to an optimisation problem. The
                 goal is to find the analysis model that adapts best the
                 generic monitoring system to the given manufacturing
                 process. To solve this optimisation problem, a
                 heuristic optimisation algorithm named Artificial Bee
                 Colony Optimisation is applied. For the method proposed
                 in this thesis, the original Artificial Bee Colony
                 Optimisation was adapted to handle non-real valued
                 problem spaces.",
}

Genetic Programming entries for Markus Kaupp

Citations