Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 105,45

+ 210 punten

Pre-order nu, verschijnt op 21/02/2025

Eenvoudig bestellen

Veilig betalen

In januari gratis thuislevering in België (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

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.