Navigationsweiche Anfang

Navigationsweiche Ende

Sprache wählen

Lehrstuhl für Technologien und Management der Digitalen Transformation


Herr Univ.-Prof. Dr.-Ing. Tobias Meisen

Industrial Sensory Data Analytics

Eine Folge der digitalen Transformation für die fertigende Industrie ist die Vernetzung von Produktionsmaschinen und der Erhebung von Sensordaten zur Regelung und Zustandsüberwachung der Maschinen während ihres Betriebs. Die erhobenen Sensordaten bergen großes Potential für Daten-getriebene Analysen, beispielsweise in Szenarien wie Predictive Maintenance oder Predictive Quality.

Unsere anwendungsnahe Forschung zur prädiktiven Analyse von industriellen Sensordaten verwendet Methoden aus dem Bereich der Signalverarbeitung und kombiniert diese mit modernen Verfahren aus den Bereichen Machine Learning und Deep Learning. Im Fokus stehen Analysen

  1. zur Klassifikation von Fehlerbildern aus historischen Daten,
  2. für Vorhersagen von Fehlerbildern auf Basis von Anomalien in den Sensordaten,
  3. zum Forecasting von Signalverläufen für die prädiktive Zustandsbestimmung und vorausschauenden Regelungen von Maschinen und
  4. zur Entwicklung von KI-basierten Soft-Sensoren für die Rekonstruktion von physischen Sensoren in einem virtuellen Softwaresensor. 

 

Ansprechpartner

Richard Meyes, M.Sc.

Interesse an dieser Forschung?

Möchten Sie eine Abschlussarbeit in diesem Forschungsschwerpunkt schreiben? Dann schauen Sie hier nach offenen Themen oder melden Sie sich initiativ bei meyes{at}uni-wuppertal.de

Möchten Sie gerne tiefer in dieses Feld eintauchen? Dann treten Sie unserem Team als wissenschaftlicher Mitarbeiter(in) bei! Weitere Infos hier

Ausgewählte relevante Publikationen

Referenzen
Richard Meyes; Hasan Tercan; Tobias Meisen
Artificial Intelligence in Automotive Production
Mobility in a Globalised World 2018, 22:308--324
2019
Richard Meyes; Johanna Donauer; Andre Schmeing; Tobias Meisen
A Recurrent Neural Network Architecture for Failure Prediction in Deep Drawing Sensory Time Series Data
Procedia Manufacturing, 34:789--797
2019
ISSN: 2351-9789

Bemerkung: 47th SME North American Manufacturing Research Conference, NAMRC 47, Pennsylvania, USA.

Philipp Meisen; Diane Keng; Tobias Meisen; Marco Recchioni; Sabina Jeschke
Similarity Search of Bounded TIDASETs within Large Time Interval Databases
2015 International Conference on Computational Science and Computational Intelligence (CSCI), :24--29
2016
Philipp Meisen; Diane Keng; Tobias Meisen; Marco Recchioni; Sabina Jeschke
TIDAQL - A Query Language Enabling on-Line Analytical Processing of Time Interval Data
Proceedings of the 17th International Conference on Enterprise Information Systems, :54--66
2015
Philipp Meisen; Diane Keng; Tobias Meisen; Marco Recchioni; Sabina Jeschke
Querying Time Interval Data
ICEIS 2015,
2015
Philipp Meisen; Diane Keng; Tobias Meisen; Marco Recchioni; Sabina Jeschke
Bitmap-Based On-line Analytical Processing of Time Interval Data
2015 12th International Conference on Information Technology - New Generations, :20--26
2015
Philipp Meisen; Marco Recchioni; Tobias Meisen; Daniel Schilberg; Sabina Jeschke
Modeling and Processing of Time Interval Data for Data-driven Decision Support
2014 IEEE International Conference on Systems, Man, and Cybernetics (SMC), :2946--2953
2014
Total:
7
Export als:
BibTeX, XML