Combining Expert Knowledge and Deep Learning with Case-Based Reasoning for Predictive Maintenance (eBook)

Combining Expert Knowledge and Deep Learning with Case-Based Reasoning for Predictive Maintenance (eBook)

Patrick Klein
Patrick Klein
Prezzo:
€ 93,59
Disponibile dal 12/05/2025
Prezzo:
€ 93,59
Disponibile dal 12/05/2025

Formato

:
EPUB
Cloud: Scopri di più
Lingua: en
Editore: Springer Vieweg
Codice EAN: 9783658469863
Anno pubblicazione: 2025
Scopri QUI come leggere i tuoi eBook

Note legali

NOTE LEGALI

a) Garanzia legale, Pagamenti, Consegne, Diritto di recesso
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.

Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.

Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.

Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.

Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi

Descrizione

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.