Combining Expert Knowledge and Deep Learning with Case-Based Reasoning for Predictive Maintenance (eBook)
XXVIII, 406 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-46986-3 (ISBN)
If a manufacturing company's main goal is to sell products profitably, protecting production systems from defects is essential and has led to vast documentation and expert knowledge. Industry 4.0 has facilitated access to sensor and operational data across the shop floor, enabling data-driven models that detect faults and predict failures, which are crucial for predictive maintenance to minimize unplanned downtimes and costs. Commonly, a universally applicable machine learning (ML) approach is used without explicitly integrating prior knowledge from sources beyond training data, risking incorrect rediscovery or neglecting already existing knowledge. Integrating expert knowledge with ML can address the scarcity of failure examples and avoid the learning of spurious correlations, though it poses technical challenges when combining Semantic Web-based knowledge graphs with neural networks (NNs) for time series data.
For his research, a physical smart factory model with condition monitoring sensors and a knowledge graph was developed. This setup generated the required data for exploring the integration of expert knowledge with (Siamese) NNs for similarity-based fault detection, anomaly detection, and automation of root cause analysis. Patrick Klein applied symbolic and sub-symbolic AI techniques, demonstrating that integrating expert knowledge with NNs enhances prediction performance and confidence in them while reducing the number of learnable parameters and failure examples.
| Erscheint lt. Verlag | 10.4.2025 |
|---|---|
| Zusatzinfo | XXVIII, 406 p. 128 illus., 16 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Schlagworte | Anomaly Detection • Knowledge-based Root Cause Analysis • Knowledge graph • Knowledge-Informed Machine Learning • Neural networks • Predictive Maintenance |
| ISBN-10 | 3-658-46986-2 / 3658469862 |
| ISBN-13 | 978-3-658-46986-3 / 9783658469863 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
