Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Machine learning for detection of anomalies in press-hardening: Selection of efficient methods
Gestamp HardTech AB.
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system. Luleå tekniska universitet, Institutionen för system- och rymdteknik, ProcessIT Innovations R&D Centre.ORCID-id: 0000-0001-5564-2295
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system. Luleå tekniska universitet, Institutionen för system- och rymdteknik, ProcessIT Innovations R&D Centre.ORCID-id: 0000-0002-2356-7830
2018 (Engelska)Ingår i: Procedia CIRP, ISSN 2212-8271, E-ISSN 2212-8271, Vol. 72, s. 1079-1083Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The paper addresses machine learning methods, utilizing data from industrial control systems, that are suitable for detecting anomalies in the press-hardening process of automotive components. The paper is based on a survey of methods for anomaly detection in various applications. Suitable methods for the press-hardening process are implemented and evaluated. The result shows that it is possible to implement machine learning for anomaly detection by non-machine learning experts utilizing readily available programming libraries/APIs. The three evaluated methods for anomaly detection in the press-hardening process all perform well, with the autoencoder neural network scoring highest in the evaluation.

Ort, förlag, år, upplaga, sidor
Elsevier, 2018. Vol. 72, s. 1079-1083
Nationell ämneskategori
Reglerteknik
Forskningsämne
Reglerteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-69984DOI: 10.1016/j.procir.2018.03.221Scopus ID: 2-s2.0-85049586782OAI: oai:DiVA.org:ltu-69984DiVA, id: diva2:1228934
Konferens
51st CIRP Conference on Manufacturing Systems, Stockholm, 16-18 May 2018
Anmärkning

Konferensartikel i tidskrift;2018-06-29 (andbra)

Tillgänglig från: 2018-06-29 Skapad: 2018-06-29 Senast uppdaterad: 2018-08-10Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Kyösti, PetterLindström, John

Sök vidare i DiVA

Av författaren/redaktören
Kyösti, PetterLindström, John
Av organisationen
Signaler och systemProcessIT Innovations R&D Centre
I samma tidskrift
Procedia CIRP
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 86 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf