@misc{11978, author = {{Gossen, Arthur and Katsch, Linda and Meyer, Mandy Isabel and Zimmer, Manuel and Bator, Martyna and Darvishi, Masoumeh and Holst, Christoph-Alexander and Lohweg, Volker and Schneider, Jan}}, location = {{Lemgo}}, title = {{{FoodLifeTimeTracking: Datengetriebene dynamische Haltbarkeitsvorhersage von Erfrischungsgetränken}}}, year = {{2024}}, } @misc{11981, author = {{Katsch, Linda and Gossen, Arthur and Bator, Martyna and Schneider, Jan}}, location = {{Bruges}}, title = {{{Shelf life prediction of beverage bases with multivariate accelerated shelf life testing}}}, year = {{2024}}, } @misc{11994, author = {{Gossen, Arthur and Katsch, Linda and Zimmer, Manuel and Bator, Martyna and Lohweg, Volker and Schneider, Jan}}, location = {{Köln}}, title = {{{FoodLifeTimeTracking: Use of multimodal information fusion for the realisation of a monitoring device and a life cycle simulator for the investigation and quantification of quality-determining parameters and the shelf life of food and its ingredients}}}, year = {{2024}}, } @inproceedings{1994, abstract = {{In the filling and packaging industry, the trend is towards self-diagnosis, optimization, and quality monitoring of processes. The aim is to increase production volumes and the quality. These concepts require continuous monitoring and anomaly detection of the filling process. In addition, a root cause analysis of the failure is required because not every failure can be simulated or measured previously. Standard anomaly detection methods have no integrated root cause analysis. In this paper a fusion system is utilises for the detection of different unknown anomalies and also the failure source of them. The performance of this method is benchmarked with a real-word filling process.}}, author = {{Bator, Martyna and Dicks, Alexander and Deppe, Sahar and Lohweg, Volker}}, booktitle = {{24nd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA2019) }}, isbn = {{978-1-7281-0304-4}}, issn = {{1946-0759}}, location = {{ Zaragoza, Spain }}, publisher = {{IEEE}}, title = {{{Anomaly Detection with Root Cause Analysis for Bottling Process}}}, doi = {{10.1109/ETFA.2019.8869514}}, year = {{2019}}, } @inproceedings{2001, author = {{Dicks, Alexander and Wissel, Christian and Bator, Martyna and Lohweg, Volker}}, booktitle = {{Kommunikation und Bildverarbeitung in der Automation - Ausgewählte Beiträge der Jahreskolloquien KommA und BVAu 2018}}, location = {{Lemgo}}, pages = {{331--345}}, publisher = {{Springer}}, title = {{{Bildverarbeitung im industriellen Umfeld von Abfüllanlagen}}}, doi = {{10.1007/978-3-662-59895-5_24}}, year = {{2019}}, } @inproceedings{2006, abstract = {{We present an approach for feature extraction in the context of condition monitoring of a bottling process. A special focus lies on the characterisation and evaluation of liquid textures. The approach will feed into a sensor and information fusion system to monitor a bottling process. Requirements like real-time capabilities, data reduction and resource limitations necessitate a fusion approach which capture physical effects of different sensors, extract appropriate features and combine them into one state for the complete filling process. Special attention is paid to the feature extraction of the visual sensor signals to monitor the filling level, the amount of foam and the degree of turbulence in the liquid.}}, author = {{Bator, Martyna and Wissel, Christian and Dicks, Alexander and Lohweg, Volker}}, booktitle = {{23rd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA)}}, location = {{Torino, Italy}}, title = {{{Feature Extraction for a Conditioning Monitoring System in a Bottling Process.}}}, doi = {{ 10.1109/ETFA.2018.8502472}}, year = {{2018}}, } @article{2028, author = {{Bator, Martyna and Fritze, Alexander and Lohweg, Volker}}, issn = {{2364-9208}}, journal = {{Industrie 4.0-Management}}, title = {{{Digitale Dokumentation - Der Einfluss der Digitalisierung auf die technische Dokumentation in der Produktion}}}, volume = {{6}}, year = {{2016}}, } @inproceedings{2124, abstract = {{Patente schützen das geistige Eigentum von Erfindern und verhindern, dass ihre neuen Ideen kopiert werden. Sie sind von großer Bedeutung für den wirtschaftlichen Erfolg eines Unternehmens. Vor einer geplanten Patentanmeldung ist es wichtig festzustellen, ob eine bestimmte Technik bereits patentiert ist und wie die Erfolgsaussichten beurteilt werden können. Aber auch die Identifizierung von Verstößen gegen eigene Patentanmeldungen ist für ein Unternehmen von äußerster Wichtigkeit. Verschiedene Techniken und Tools sind entwickelt worden, um Patentanalyse-Experten, Managern und Technologieämtern bei den unterschiedlichsten Anforderungen im Bezug auf eine Patentrecherche zu unterstützen.}}, author = {{Bator, Martyna and Deppe, Sahar and Lohweg, Volker}}, booktitle = {{25. Workshop Computational Intelligence VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA)}}, title = {{{Relevanzbewertung technischer Informationen mittels Data-Mining Verfahren am Anwendungsfall von Patentdokumenten}}}, year = {{2015}}, } @article{2135, abstract = {{Eine Zustandsüberwachung elektrischer Antriebe erfolgt derzeit in der Regel durch Einsatz spezieller Sensorik, bspw. durch Vibrationsmessungen. Außerdem werden die Antriebe lediglich isoliert betrachtet, eine Zusammenführung anfallender Informationen eines räumlich verteilten Antriebsverbunds findet meist nicht statt. Es wird ein neuartiges Motor-as-Sensor-Konzept vorgeschlagen und validiert, das eine antizipatorische Zustandsüberwachung ohne Einsatz zusätzlicher Sensorik allein durch Verarbeitung der phasenbezogenen Motorströme ermöglicht. Zusätzlich wird ein Informationsfusionskonzept vorgestellt, das die Informationen aller im Verbund beteiligten Antriebe zusammenführt, um darüber eine mit weniger Unsicherheiten behaftete Aussage über den Zustand einer Applikation herbeizuführen. Das Hauptaugenmerk liegt hierbei insbesondere auf der Beherrschung der anfallenden riesigen Datenmengen. die zur Verarbeitung in eingebetteten Systemen reduziert werden müssen.}}, author = {{Mönks, Uwe and Bator, Martyna and Dicks, Alexander and Lohweg, Volker}}, isbn = {{978-3-942647-29-8}}, journal = {{Wissenschaftsforum Intelligente Technische Systeme (Heinz Nixdorf Institut, Paderborn)}}, pages = {{305--315}}, publisher = {{Universität Paderborn}}, title = {{{Informationsfusion mit verteilter elektromotorischer Sensorik im Maschinen- und Anlagenbau}}}, volume = {{9. Paderborner Workshop Entwurf mechatronischer Systeme}}, year = {{2013}}, } @inproceedings{2137, abstract = {{Systems for process automation become increasingly complex and also tend to be composed of autonomous subsystems, which is strongly driven by the progress made in information technology. An active field of research is the implementation of monitoring and control at sub-system level using cognitive approaches. In this paper we present a method for autonomous and sensorless condition monitoring of an electric drive train. Based on experiment design we measured phase currents of a physical demonstrator device including mechanical defects and extracted signal features using proper orthogonal decomposition. In favor of classification of different defect states we performed a linear discriminant analysis, which yields appropriate data for a Fuzzy-Pattern-Classification algorithm. As a result we were able to identify different reference defect states as well as previously unknown states.}}, author = {{Bayer, Christian and Bator, Martyna and Enge-Rosenblatt, Olaf and Mönks, Uwe and Dicks, Alexander and Lohweg, Volker}}, isbn = {{978-1-4799-0862-2}}, publisher = {{18th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA)}}, title = {{{Sensorless Drive Diagnosis Using Automated Feature Extraction, Significance Ranking and Reduction.}}}, doi = {{ 10.1109/ETFA.2013.6648126}}, year = {{2013}}, } @inproceedings{2142, abstract = {{Die aktive Zustandsüberwachung von Automatisierungssystemen rückt immer weiter in den Vordergrund und ist daher ein zentraler Forschungsgegenstand. In diesem Beitrag werden Ansätze der sensorlosen Überwachung eines Synchronmotors diskutiert. Basierend auf Messungen der Phasenströme des Motors werden mit der Hilbert-Transformation bzw. mit der Empirical Mode Decomposition charakteristische Merkmale aus den Signalen berechnet. Anschließend werden diese mittels Hauptkomponentenanalyse bzw. der linearen Diskriminanzanalyse reduziert. Die daraus berechneten Charakteristischen Merkmale dienen als Grundlage für die abschließende Fuzzy-Pattern-Klassifikation. Basierend auf dem erläuterten Ansatz ist die Identifikation typischer Betriebs- bzw. Fehlerzustände, aber auch das Erkennen nicht gelernter Zustände möglich. Das dabei vorgestellte Vorgehen ist vergleichsweise generisch und lässt sich gut auf andere Anwendungsgebiete übertragen.}}, author = {{Paschke, Fabian and Bayer, Christian and Bator, Martyna and Mönks, Uwe and Dicks, Alexander and Enge-Rosenblatt, Olaf and Lohweg, Volker}}, booktitle = {{23. Workshop Computational Intelligence 2013. Proceedings}}, editor = {{Hoffmann, F.}}, isbn = {{978-3-7315-0126-8}}, location = {{Dortmund}}, pages = {{211--225}}, publisher = {{KIT Scientific Publishing}}, title = {{{Sensorlose Zustandsüberwachung an Synchronmotoren.}}}, volume = {{46}}, year = {{2013}}, } @inproceedings{2105, author = {{Dicks, Alexander and Bator, Martyna and Lohweg, Volker and Faltinski, Sebastian and Niggemann, Oliver}}, booktitle = {{Cyber-Physical Systems – Enabling Multi-Nature Systems (CPMNS), Dresden, April 18, }}, isbn = {{978-3-8396-0398-7 }}, pages = {{51--56}}, publisher = {{Fraunhofer-Verlag}}, title = {{{Cyber-Physical Systems im Maschinen- und Anlagenbau – ein Konzept für die Zukunft?}}}, year = {{2012}}, } @inproceedings{2119, abstract = {{In this paper, it is proposed a feature selection procedure based on Linear Discriminant Analysis. The aim behind this approach is to obtain a minimal set of features still enabling a separation between a number of different classes. Additionally, the reduced number of features implies faster computation and enables resource-limited hardware implementations for real-time signal processing applications. Also, incorporating only a small number of features retains the application's interpretability as a feature space of maximum three features can be visualised directly. Due to this, an expert can directly follow a decision system's answer. The proposed method has been evaluated in the context of an electric drive diagnosis application. In this scope, the LDA feature selection approach is at least as good as the benchmarked feature selection methods. When regarding only a minimal number of features, LDA outperforms the other approaches in terms of classification accuracy. As a secondary result. one can see how important a sensible choice of features is. While some arbitrary combinations produce completely inseparable feature spaces. Three are still combinations that can separate the classes even linearly such that no sophisticated classification concept (e.g. SVM) is needed. The authors are aware of the fact that the findings are shown only in the context of one specific application. Based on the work elaborated here, further research towards generalisation of the proposed approach is intended to be carried out. Additionally, the findings shall be examined using classifier concepts different from SVM, such as Fuzzy Pattern Classifiers.}}, author = {{Bator, Martyna and Dicks, Alexander and Mönks, Uwe and Lohweg, Volker}}, booktitle = {{22. Workshop Computational Intelligence, 06.-7.12.2012, Dortmund}}, editor = {{Frank Hoffmann, Eike Hüllermeier}}, isbn = {{978-3-86644-917-6}}, pages = {{163--177}}, publisher = {{VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA)}}, title = {{{Feature Extraction and Reduction Applied to Sensorless Drive Diagnosis}}}, year = {{2012}}, }