DC Element | Wert | Sprache |
---|---|---|
dc.contributor.advisor | Müller, Christian | - |
dc.contributor.author | Apostolidis, Petros | - |
dc.date.accessioned | 2024-07-09T10:43:50Z | - |
dc.date.available | 2024-07-09T10:43:50Z | - |
dc.date.created | 2023-02-10 | - |
dc.date.issued | 2024-07-09 | - |
dc.identifier.uri | https://hdl.handle.net/20.500.12738/16036 | - |
dc.description.abstract | In der vorliegenden Bachelorarbeit wird der Kenntnisstand zum Einsatz raumschallbasierter Methoden bei der Prozessüberwachung spanender Fertigungsprozesse mit geometrisch bestimmter Schneide dargestellt. Des Weiteren werden Lösungsansätze zur Signalaufbereitung und -vorbereitung dargestellt und Algorithmen des maschinellen Lernens für eine raumschalbasierte Prozessüberwachung. Anschließend wird ein Lösungsansatz für die Machbarkeit einer Raumschallüberwachung am IPT erstellt. | de |
dc.description.abstract | In this bachelor thesis, the state of knowledge on the use of sound-based methods for process monitoring of metal-cutting manufacturing processes with geometrically defined cutting edges is presented. Furthermore, solutions for signal conditioning and preparation are presented as well as machine learning algorithms for a room sound based process monitoring. Subsequently, a solution approach for the feasibility of a room sound monitoring at the IPT is created. | en |
dc.language.iso | de | en_US |
dc.subject | Prozessüberwachung | en_US |
dc.subject | Maschinelles Lernen | en_US |
dc.subject | Deep Learning | en_US |
dc.subject | spanende Fertigungsprozesse | en_US |
dc.subject.ddc | 620: Ingenieurwissenschaften | en_US |
dc.title | Einsatzmöglichkeiten und Potenziale maschinellen Lernens in der Prozessentwicklung und -optimierung spanender Fertigungsprozesse mit geometrisch bestimmter Schneide | de |
dc.type | Thesis | en_US |
openaire.rights | info:eu-repo/semantics/openAccess | en_US |
thesis.grantor.department | Fakultät Technik und Informatik | en_US |
thesis.grantor.department | Department Maschinenbau und Produktion | en_US |
thesis.grantor.universityOrInstitution | Hochschule für Angewandte Wissenschaften Hamburg | en_US |
tuhh.contributor.referee | Stachg, David Matheo | - |
tuhh.identifier.urn | urn:nbn:de:gbv:18302-reposit-188982 | - |
tuhh.oai.show | true | en_US |
tuhh.publication.institute | Fakultät Technik und Informatik | en_US |
tuhh.publication.institute | Department Maschinenbau und Produktion | en_US |
tuhh.type.opus | Bachelor Thesis | - |
dc.type.casrai | Supervised Student Publication | - |
dc.type.dini | bachelorThesis | - |
dc.type.driver | bachelorThesis | - |
dc.type.status | info:eu-repo/semantics/publishedVersion | en_US |
dc.type.thesis | bachelorThesis | en_US |
dcterms.DCMIType | Text | - |
tuhh.dnb.status | domain | en_US |
item.advisorGND | Müller, Christian | - |
item.creatorGND | Apostolidis, Petros | - |
item.languageiso639-1 | de | - |
item.cerifentitytype | Publications | - |
item.openairecristype | http://purl.org/coar/resource_type/c_46ec | - |
item.creatorOrcid | Apostolidis, Petros | - |
item.fulltext | With Fulltext | - |
item.grantfulltext | open | - |
item.openairetype | Thesis | - |
Enthalten in den Sammlungen: | Theses |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
BA_Einsatzmöglichkeiten_Potenziale_maschinellen_Lernens.pdf | 1.51 MB | Adobe PDF | Öffnen/Anzeigen |
Feedback zu diesem Datensatz
Export
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.