Ein Verfahren zur automatischen Erzeugung intelligenter Prozessueberwachungssysteme

Created by W.Langdon from gp-bibliography.bib Revision:1.7615

@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