Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Kognitive Prozesssteuerung zur Steigerung der Ressourceneffizienz in der Druckindustrie
Übersetzter Titel:
Cognitive Process Control to Improve the Resource Efficiency in the Printing Industry
Autor:
Schmid, Martin
Jahr:
2017
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Maschinenwesen
Betreuer:
Reinhart, Gunther (Prof. Dr.)
Gutachter:
Reinhart, Gunther (Prof. Dr.); Lohmann, Boris (Prof. Dr. habil.)
Sprache:
de
Fachgebiet:
FER Fertigungstechnik; MAS Maschinenbau; MSR Meßtechnik, Steuerungs- und Regelungstechnik, Automation; WIR Wirtschaftswissenschaften
Stichworte:
Kognitive Regelung, Maschinelle Lernverfahren, modellbasierte Prozessregelung
Übersetzte Stichworte:
Cognitive Control Systems, Machine Learning Systems, Model based Process Control System
TU-Systematik:
FER 000d; WIR 000d
Kurzfassung:
Die Dissertation beschreibt ein Regelungskonzept für Prozesse, die von diversen Größen beeinflusst und deren realen Ausgangsgrößen nicht kontinuierlich gemessen werden können. Dazu berechnet ein Simulationsmodell zu jeder Zeit die Ausgangsgrößen und ermöglicht einen geschlossenen Regelkreis. Die Adaption des Modells erfolgt durch maschinelle Lernverfahren, die den Zusammenhang zwischen Einflussgrößen und den Modellparametern abbilden. Validiert wird das Konzept in der Druckindustrie.
Übersetzte Kurzfassung:
This thesis describes a control concept for processes, which are affected by many influences and the output values cannot be measured continuously. Therefore a simulation model calculates the process output values and enables a closed control circuit. The simulation model will be adapted by use of machine learning systems, which reproduce the correlation between the influences and the optimal model parameter. Finally the approach is validated in an application in the printing industry.
WWW:
https://mediatum.ub.tum.de/?id=1356367
Eingereicht am:
12.04.2017
Mündliche Prüfung:
21.12.2017
Dateigröße:
4756104 bytes
Seiten:
190
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20171221-1356367-1-6
Letzte Änderung:
31.01.2018
 BibTeX