Analyse von Gießereidaten mit Methoden des maschinellen Lernens – Teil 1

Exklusiv
GP 10/2018
Daten bilden das Fundament der digitalisierten Wirtschaft. Der rapide Zuwachs produzierter Datenmengen – beispielsweise durch Integration digitaler Mess-, Steuer- und Regelsysteme in der Prozessindustrie – erschwert es, diejenigen Parameter einer gegebenen Datenmenge herauszufinden, die einen wesentlichen Einfluss auf die Qualitätsmerkmale eines Prozesses haben. Innerhalb dieser können Key-Performance-Indikatoren gefunden werden. Im vorliegenden Artikel wird untersucht, mit welchen Methoden des Bereichs Predictive Analytics diese Indikatoren einer geeigneten Datenmenge gefunden werden können. Dazu wurden Kriterien entwickelt, welche das Potenzial der Prognostizierbarkeit einer Datenmenge beurteilen können. Bei hinreichend guter Datenqualität können diese Indikatoren beispielsweise mit einer Sensitivitätsanalyse ermittelt werden. ---- 7 Seiten
Exklusiv

Download
Laden Sie sich diesen geschützten Artikel als Abonnent kostenlos herunter.

  • Einloggen und Artikel kostenlos herunterladen
  • 2,19 € *