Record #988283 - RWTH Publications

DFG project G:(GEPRIS)542649823

BASILISK – Bayes’sche Modellmigration für die aufwandsreduzierte Modellbildung zur Messun-sicherheitsbestimmung bei initialer Modellbildung mittels Künstlicher Neuronaler Netze

Coordinator	Professor Dr.-Ing. Robert Heinrich Schmitt
Grant period	2024 -
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)542649823

Note: Da jeder Messprozess inhärent unsicherheitsbehaftet ist, führt die Weiterverwendung von unsicherheitsbehafteten Messdaten dazu, dass abgeleitete Aussagen ebenfalls unsicher sind. Dies kann zu fehlerhaften Entscheidungen führen. Ist die Messunsicherheit bei der Prüfung eines produzierten Merkmals zu hoch und liegt das Merkmal nahe an den Spezifikationsgrenzen, ist die Entscheidung, ob das Merkmal innerhalb oder außerhalb der Spezifikation liegt, risikobehaftet. Dadurch kann es passieren, dass Teile, die innerhalb der Spezifikation liegen bei der Prüfung aussortiert werden (alpha-Fehler) oder umgekehrt (ß-Fehler). Im zweiten Fall bedeutet dies, dass fehlerhafte Teile an den Kunden weitergeben werden und dort möglicherweise einen durch den Produzenten zu verantwortenden Schaden verursachen. Beide Fälle können, je nach Produktions- und Fehlerkosten, zu einem hohen wirtschaftlichen Schaden führen. Da ohne Kenntnis der Messunsicherheit bei der Messdatenerhebung das Risiko von Fehlentscheidungen nicht bestimmt und damit nicht kontrolliert werden kann, sind Messwerte ohne Messunsicherheitsangabe wertlos. Bisherige Verfahren zur Bestimmung der Messunsicherheit nutzen ein Modell der Messung als Grundlage für die Angabe der Messunsicherheit. Mit diesem Modell wird die Messunsicherheit aufbauend auf den natürlichen Schwankungen der Eingangsgrößen bestimmt. Die Bestimmung des Modells der Messung ist oftmals mit einem Hohen Aufwand verbunden. Bestehende Verfahren zur Ermittlung des Modells der Messung mit Hilfe von Verfahren aus dem Bereich der Künstlichen Intelligenz bieten zwar das Potential zur Verringerung des Aufwands, beziehen aber Vorwissen in Form einer Abschätzung der Ähnlichkeit zu anderen Messprozessen, für die ggf. schon ein Modell der Messung besteht, nicht mit ein. Um den Aufwand in der Messunsicherheitsbestimmung zu verringern, ist es daher notwendig ein Verfahren zu entwickeln, welches bestehende Modelle der Messung unter Berücksichtigung einer Aufwandsabschätzung heranzieht, um die aufwandsarme Modellbildung für neue, ähnliche Messprozesse zu ermöglichen.