KNN zur Prognose von Messdaten
Posted: Sun 24. Jun 2018, 19:12
Hallo liebe Forumsgemeinde und hallo Herr Jetter,
mit großem Interesse und natürlich auch mit Freude beschäftige ich mich derzeit mit MemBrain im Zusammenhang einer Projektarbeit für das Studium. Ich habe bereits zahlreiche Threads hier im Forum gelesen und bin von Ihrem enormen Engagement beim Support begeistert, weshalb ich mich nun auch gern an Sie und die Forumsgemeinde wenden möchte.
Hintergrund für meinen Thread ist Folgendes:
Im Bereich Maschinenbau gelten für die Produktion gewisse Toleranzgrenzen, anhand derer man die Qualität der Produkte beurteilt und die Qualität des Prozesses nachvollziehen kann. Das Produkt durchläuft dabei mehrere Stationen, an denen unterschiedliche Fertigungsschritte erfolgen und dabei auch Fertigungsdaten wie z.B. das Drehmoment beim Verschrauben detektiert werden. Am Ende der Fertigungslinie wird jedes Produkt vermessen und diese Daten werden ebenfalls aufgenommen.
Ziel:
Prognose der Messdaten am Ende der Produktion, wodurch frühzeitig Prozessschwankungen, deren Trend sich nach außerhalb der Toleranzgrenzen bewegt, erkannt werden können. (Möglichkeit des Eingriffs in die Produktion, bevor man etwas außerhalb der Toleranzgrenzen produziert hat)
Mir ist natürlich bewusst, dass man keine konkreten Werte mit 100% Treffgenauigkeit vorhersagen kann, aber prinzipiell lassen sich, wie ich auch aus diesem Forum erfahren habe, Prognosen für unterschiedlichste Bereiche relativ gut mit KNN erstellen. Doch leider habe ich im Moment noch etwas Probleme die geeigneten Input- und Output-Variablen zu erkennen. Ich habe bisher mit den Beispielnetzen aus „MackeyGlassTimeVariant“ eine Prognose für eine Zeitreihe erstellt. Dafür habe ich Messdaten ähnlich des Beispiels mit „t+3“ bzw. „t+1“ prognostizieren lassen. Aber in diesem Fall wären ja die vorher gesammelten Fertigungsdaten ungenutzt.
Haben ihr eventuell bereits ähnliche Zielstellungen gesehen und bei deren Umsetzung unterstützt und können mir nun weiterhelfen?
Beste Grüße
Number8
mit großem Interesse und natürlich auch mit Freude beschäftige ich mich derzeit mit MemBrain im Zusammenhang einer Projektarbeit für das Studium. Ich habe bereits zahlreiche Threads hier im Forum gelesen und bin von Ihrem enormen Engagement beim Support begeistert, weshalb ich mich nun auch gern an Sie und die Forumsgemeinde wenden möchte.
Hintergrund für meinen Thread ist Folgendes:
Im Bereich Maschinenbau gelten für die Produktion gewisse Toleranzgrenzen, anhand derer man die Qualität der Produkte beurteilt und die Qualität des Prozesses nachvollziehen kann. Das Produkt durchläuft dabei mehrere Stationen, an denen unterschiedliche Fertigungsschritte erfolgen und dabei auch Fertigungsdaten wie z.B. das Drehmoment beim Verschrauben detektiert werden. Am Ende der Fertigungslinie wird jedes Produkt vermessen und diese Daten werden ebenfalls aufgenommen.
Ziel:
Prognose der Messdaten am Ende der Produktion, wodurch frühzeitig Prozessschwankungen, deren Trend sich nach außerhalb der Toleranzgrenzen bewegt, erkannt werden können. (Möglichkeit des Eingriffs in die Produktion, bevor man etwas außerhalb der Toleranzgrenzen produziert hat)
Mir ist natürlich bewusst, dass man keine konkreten Werte mit 100% Treffgenauigkeit vorhersagen kann, aber prinzipiell lassen sich, wie ich auch aus diesem Forum erfahren habe, Prognosen für unterschiedlichste Bereiche relativ gut mit KNN erstellen. Doch leider habe ich im Moment noch etwas Probleme die geeigneten Input- und Output-Variablen zu erkennen. Ich habe bisher mit den Beispielnetzen aus „MackeyGlassTimeVariant“ eine Prognose für eine Zeitreihe erstellt. Dafür habe ich Messdaten ähnlich des Beispiels mit „t+3“ bzw. „t+1“ prognostizieren lassen. Aber in diesem Fall wären ja die vorher gesammelten Fertigungsdaten ungenutzt.
Haben ihr eventuell bereits ähnliche Zielstellungen gesehen und bei deren Umsetzung unterstützt und können mir nun weiterhelfen?
Beste Grüße
Number8