Skip to main content Skip to main navigation

Projekt

RACKET

Lernen seltener Klassen und Erkennung unbekannter Ereignisse in der flexiblen Produktion

Lernen seltener Klassen und Erkennung unbekannter Ereignisse in der flexiblen Produktion

Im Projekt RACKET wird das Problem der Erkennung seltener und unbekannter Fehler durch die Kombination von modellbasierten Methoden und Methoden des maschinellen Lernens theoretisch und in repräsentativen Anwendungsszenarien behandelt. Der Ansatz basiert auf der Annahme, dass ein physikalisches oder verfahrenstechnisches Modell einer Fertigungsanlage vorhanden ist, das jedoch nicht vollständig spezifiziert ist und Unsicherheiten in Struktur, Parametern und Variablen aufweist. Lücken und Fehler in diesem Modell werden durch maschinelles Lernen erkannt und im Verhalten korrigiert, sodass ein realistischeres Prozessmodell (Nominalmodell) entsteht. Mit diesem Modell kann das Systemverhalten simuliert und die zukünftigen Eigenschaften eines Produktes abgeschätzt werden.

Tatsächliche Produktfehler können so auf Anomalien im Ausgangssignal und auf Inkonsistenzen in den Prozessvariablen zurückgeführt werden, ohne dass vorher ein bekanntes Fehlerereignis oder ein exaktes Fehlermodell vorhanden ist. Fehler und Fehleinschätzungen haben eine große Bandbreite, d.h. geometrische Fehler wie Kratzer, Maßgrößen außerhalb der Toleranz oder dynamische Fehler wie Abweichungen zwischen geschätzter und tatsächlicher Produktposition auf einem Förderband, nicht durchgeführte Prozessschritte oder falsche Pfadzuordnung im Produktionsfluss usw. und können auf Produkt‐ und Prozessebene auftreten.

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

BMBF - Bundesministerium für Bildung und Forschung

Projektbilder

Publikationen zum Projekt

Mahdi Chamseddine; Jason Raphael Rambach; Didier Stricker

In: International Conference on Pattern Recognition Applications and Methods. International Conference on Pattern Recognition Applications and Methods (ICPRAM-2024), February 24-26, Rome, Italy, SCITEPRESS, 2024.

Zur Publikation

Yaxu Xie; Alain Pagani; Didier Stricker

In: 2023 17th International Conference on Signal-Image Technology & Internet-Based Systems. International Conference on Signal-Image Technology & Internet-Based Systems (SITIS-2023), November 8-10, Bangkok, Thailand, IEEE, 2023.

Zur Publikation

Yaxu Xie; Fangwen Shu; Alain Pagani; Jason Rapheal Rambach; Didier Stricker

In: British Machine Vision Conference. British Machine Vision Conference (BMVC-2021), November 22-25, United Kingdom, British Machine Vision Conference, 11/2021.

Zur Publikation