http://www.tu-ilmenau.de

Logo TU Ilmenau


Ansprechpartner

Prof. Heidi Krömker

Institutsleiterin

Telefon +49 3677 69-2890

E-Mail senden


INHALTE

Themen für Abschluss- und Projektarbeiten

Masterarbeit

Fachgebiet(e): nicht angegeben

Thema Nr.: 2019/32, erstellt am: 28.08.2019

Wahrnehmung akustischer Merkmale im Kontext Akustischer Qualitätssicherung von Maschinen in der Industrie

Durch die Analyse akustischer Ereignisse versprechen wir uns die Unterstützung von technischer Sicherheit, Optimierung von Maschineninstandhaltung und Produktionsprozessen, und Qualitätssicherung (Stichwort Predictive Maintenance). Auf Basis von Luftschallanalyse unter Verwendung von maschinellem Lernen (ML) vor, während, sowie nach dem jeweiligen zu untersuchenden Prozess erfolgt eine Zustandsmessung. Eine Prämisse dieses Ansatzes ist es, dass von Experten, z.B. Maschinenbediener, akustisch wahrgenommene und interpretierte Merkmale auch in einem ML Modell abgebildet werden können. Nun stellt sich die Frage, inwieweit das Wissen über akustische Merkmale erhoben werden können und zur Optimierung von ML Modellen zur Qualitätssicherung beitragen. In diesem Zusammenhang werden folgende Fragen adressiert:

- Woran werden grundsätzlich Unterschiede von Audiomerkmalen und akustischen Events im beschriebenen Kontext festgestellt?

  • Wie erkennt diese der Mensch?
  • Wie „erkennt“ diese das Modell?

- An welchen akustischen Merkmalen erkennen Maschinenbediener, dass sich etwas am Maschinenzustand ändert?

  • Wie können diese Merkmale beschrieben werden?
  • Wie kann diese Beschreibung idealerweise erhoben werden?

Übergeordnetes Ziel ist es, mit Hilfe der (ML gestützten) Klassifizierungen von Geräuschen, beispielsweise eine Beschreibung des Produkt- oder Prozesszustandes zur Qualitätssicherung zu ermöglichen. Ziel der Bachelorarbeit ist einerseits die theoretische Erarbeitung und Recherche von Methoden und Werkzeugen zur Untersuchung und Messung wie Klassifizierungs-parameter definiert, gruppiert und gemessen werden können. Dies aus zwei Gesichtspunkten: aus der Sicht der Maschinenbediener und bezüglich des Vorgehens bei ML-Modellen. Andererseits soll als praktischer Teil die Erstellung eines eigenen Evaluierungsdesigns inklusive Vorbereitung, Durführung der Erhebung, sowie Analyse der Daten ein Bestandteil sein.

Daher umfasst die Arbeit mindestens folgende Punkte:

  • Erarbeitung vorhandener Grundlagen zu den Themen Erkennung und Wahrnehmung von Audiomerkmalen (Psychoakustik), Ansätze zur automatisierten Klassifizierung (z.B. Acoustic Events Detection o.ä.) (ML), Erhebungsmethoden im Kontext Industrie (HCI)
  • Vergleich subjektiv wahrgenommener Parameter mit ML Klassifikation
  • Evaluierungsdesign (ggf. inkl. Methodenentwicklung u./o. Test-Item-Erstellung) zur Feststellung subjektiv wahrgenommener akustischer Faktoren die zur Beschreibung des Qualitätszustandes verwendet werden;
  • Durchführung der Erhebung; Analyse der erhobenen Daten, Auswertung und Erstellung Klassifizierungskonzept; Vergleich mit ML Ansätzen
  • ggf. Entwicklung von Handlungsempfehlungen zur automatisierten Klassifizierung zur Qualitätssicherung

Das Ergebnis ist als schriftliche Dokumentation aller Aktivitäten in Form einer Bachelorarbeit einzureichen.

verantwortlicher Hochschullehrer:

Karlheinz Brandenburg

Kontakt:

Sara Kepplinger

Betreuer:

Sara Kepplinger

zurück zur Liste