Suchergebnisse

Daten sind eine wichtige Grundlage für die Anwendung von maschinellem Lernen (ML) in der Industrie, zum Beispiel für die Zustandsbewertung in der Montage. Insbesondere bei Brownfield-Anlagen ist die Datenqualität für einen zuverlässigen Einsatz von ML-Methoden häufig nicht ausreichend. Im Rahmen dieses Beitrags wird eine open-source Checkliste, basierend auf dem CRISP-DM Referenzmodell, vorgestellt, die die kritischen Punkte bei ML-Projekten abdeckt und so die Datenqualität sicherstellen und steigern soll.

Data is an important basis for the application of machine learning (ML) in industry, e.g., for condition monitoring in assembly lines. Especially in brownfield systems, the data quality is often not sufficient for a reliable application of ML algorithms. This paper presents an open-source checklist, based on the established CRISP-DM reference model, covering critical points in machine learning projects to ensure data quality.