| Zugriffsnummer | 45535 |
| Dokumenttyp | Zeitschriftenartikel |
| Peer Review | ohne Peer Review |
| Sprache | Deutsch |
| Titel | Integration metrologischer Prinzipien in die automatisierte Zustandsbewertung mittels maschinellem Lernen |
| Autor(in); Institution |
Dorst, Tanja; Zentrum für Mechatronik und Automatisierungstechnik (ZeMA), Saarbrücken, GERMANY
Eichstädt, Sascha; PSt, Präsidialer Stab, PTB-Berlin
Schütze, Andreas; Zentrum für Mechatronik und Automatisierungstechnik (ZeMA), Saarbrücken, GERMANY; Universität des Saarlandes, Lehrstuhl für Messtechnik, Saarbrücken, GERMANY
|
| Quelle/Jahr | Jahresmagazin Mess- und Sensortechnik: 2020/2021 (2020), 32 - 38 |
| ISSN | NO-ISSN |
| URL | |
| Verlag | Lampertheim: Alpha-Informationsgesellschaft |
| Freie Schlagworte | Sensornetzwerk ; Industrie 4.0 ; Condition Monitoring ; Machine Learning ; Unsicherheit |
| Zusammenfassung | Die "Fabrik der Zukunft" (FoF, engl. Factory of the Future) als eine vernetzte Produktionsumgebung mit einem autonomen Informations- und Entscheidungsfluss stellt den digitalen Wandel der Fertigung zur Verbesserung der Effizienz und Wettbewerbsfähigkeit dar. Transparenz, Vergleichbarkeit und Qualität erfordern zuverlässige Messdaten, Verarbeitungsmethoden und Ergebnisse. Im EU geförderten Projekt Metrology for the Factory of the Future (Met4FoF) wird ein metrologischer Rahmen für den gesamten Lebenszyklus von Messdaten geschaffen: von Kalibrierungsmöglichkeiten für einzelne Sensoren mit digital vorverarbeiteter Ausgabe bis hin zur Unsicherheitsquantifizierung im Zusammenhang mit Methoden des maschinellen Lernens (ML) in industriellen Sensornetzwerken. |
| Kostenfreier Zugang | Freier Zugang |
| Themenbereich der Metrologie | Mathematik und metrologische Informationstechnik |
| Forschungsprojekt | Met4FoF |