English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Unvorhersehbare Prozessereignisse und Anomalien sind Treiber erhöhter Ineffizienzen in Form von schwankender Produktqualität. In diesem Beitrag wird ein datengetriebener Ansatz zur Qualitätsoptimierung vorgestellt, auf dessen Basis Anomalien charakterisiert werden, die zur Entwurfszeit des Systems nicht bekannt waren. Es wird eine Netzarchitektur in Form eines Sequence-to-Sequence Netzes mit Long Short-Term Memory (LSTM) Zellen vorgestellt. Dadurch kann vorhergesagt werden, welche Anpassung am Stellgrößenverhalten vorgenommen werden muss, um erwartete Anomalien zu kompensieren. Dadurch wird das Qualitätsergebnis langfristig in der Toleranz gehalten. Der Ansatz wird prototypisch anhand von zwei Prozessketten der diskreten Fertigung umgesetzt und evaluiert.

Detektion von Anomalien zur Qualitätssicherung basierend auf Sequence-to-Sequence LSTM Netzen