Deep learning for anomaly detection in multivariate time series data

URL
Dokumentart: Masterarbeit
Institut: Department Informatik
Sprache: Deutsch
Erstellungsjahr: 2017
Publikationsdatum:
SWD-Schlagwörter: Anomalieerkennung
Freie Schlagwörter (Deutsch): Deep-Learning, Machine-Learning
DDC-Sachgruppe: Informatik

Kurzfassung auf Deutsch:

Das Erkennen von Anomalien in Sensordaten ist ein wichtiger Anwendungsfall in der Industrie, um Fehler in maschinellen Prozessen frühzeitig erkennen zu können und potentiellen Schäden vorzubeugen. In dieser Arbeit wird ein Deep-Learning-Verfahren entwickelt, welches in mehrdimensionalen Sensordaten ungewöhnliche Muster erkennen kann. Dafür werden Echtdaten aus einer industriellen Anwendung verwendet.

Kurzfassung auf Englisch:

Anomaly detection is crucial for the procactive detection of fatal failures of machines in industry applications. This thesis implements a deep learning algorithm for the task of anomaly detection in multivariate sensor data. The dataset is taken from a real-world application.

Hinweis zum Urheberrecht

Für Dokumente, die in elektronischer Form über Datenenetze angeboten werden, gilt uneingeschränkt das Urheberrechtsgesetz (UrhG). Insbesondere gilt:

Einzelne Vervielfältigungen, z.B. Kopien und Ausdrucke, dürfen nur zum privaten und sonstigen eigenen Gebrauch angefertigt werden (Paragraph 53 Urheberrecht). Die Herstellung und Verbreitung von weiteren Reproduktionen ist nur mit ausdrücklicher Genehmigung des Urhebers gestattet.

Der Benutzer ist für die Einhaltung der Rechtsvorschriften selbst verantwortlich und kann bei Mißbrauch haftbar gemacht werden.