Diese Website verwendet Cookies, um das Angebot nutzerfreundlicher und effektiver zu machen. Mit der Nutzung dieser Website stimmen Sie der Verwendung von Cookies zu. Weitere Informationen über die Verwendung von Cookies und die Möglichkeit der Verwendung von Cookies zu widersprechen, finden Sie hier.

26. - 28. Februar 2019 // Nürnberg, Germany

Konferenzen und Rahmenprogramm

Zurück zur Tagesansicht
Session 23 - Autonomous Systems IV Machine Learning

Machine Learning for Autonomous System Operation of Visual Inspection Manufacturing Equipment Vortragssprache Englisch

This paper describes the application of machine learning used to achieve the autonomous operation of a visual inspection system for quality control in a high volume production manufacturing environment. In industrial applications, it is critical that system identification is performed with a high degree of accuracy – providing a high level of sensitivity, without triggering false alarms and impacting system automation. One type of identification classification approach, as detailed in this paper, is that of anomaly detection using machine learning. Classification of normal and abnormal operation of resultant work products during manufacturing can be overly complex, especially when considering the different states of degradation and anomalous operation/failures in highly efficient manufacturing systems. This can become an obstacle to the training of automated systems because dynamic systems produce significant amount of data where states have to be differentiated requiring high computing power One means of addressing this obstacle, using Programmable SOC technology to implement and evaluate machine learning techniques, first on the processor and then augment/accelerate using the Programmable SOC’s programmable logic fabric with high compute through extensive parallelism, will be detailed. This paper will also compare and contrast techniques and provide guidelines for using machine learning for automating visual inspection systems. Advantages recognized by applying these techniques to realize highly efficient automated systems will be discussed. In addition, real world examples will be presented on how deeper insight into process quality through the application of machine learning, provides opportunities to reduce overall operating expenses of automated systems through minimization of product failures and reducing overall waste during the manufacturing process.

--- Datum: 28.02.2018 Uhrzeit: 14:00 Uhr - 14:30 Uhr Ort: Conference Counter NCC Ost

Sprecher

man

Javier Diaz

Aingura IIoT

top

Der gewählte Eintrag wurde auf Ihre Merkliste gesetzt!

Wenn Sie sich registrieren, sichern Sie Ihre Merkliste dauerhaft und können alle Einträge selbst unterwegs via Laptop oder Tablett abrufen.

Hier registrieren Sie sich, um Daten der Aussteller- und Produkt-Plattform sowie des Rahmenprogramms dauerhaft zu speichern. Die Registrierung gilt nicht für den Ticket- und AusstellerShop.

Jetzt registrieren

Ihre Vorteile auf einen Blick

  • Vorteil Sichern Sie Ihre Merkliste dauerhaft. Nutzen Sie den sofortigen Zugriff auf gespeicherte Inhalte: egal wann und wo - inkl. Notizfunktion.
  • Vorteil Erhalten Sie auf Wunsch via Newsletter regelmäßig aktuelle Informationen zu neuen Ausstellern und Produkten - abgestimmt auf Ihre Interessen.
  • Vorteil Rufen Sie Ihre Merkliste auch mobil ab: Einfach einloggen und jederzeit darauf zugreifen.