Machine learning for mass production and industrial engineering [Elektronische Ressource] / vorgelegt von Jens Tobias Pfingsten

Machine Learning forMass Production andIndustrial EngineeringDissertationzur Erlangung des Grades eines Doktorsder Naturwissenschaftender Fakult¨at fu¨r Mathematik und Physikder Eberhard-Karls-Universit¨at zu Tu¨bingenvorgelegt vonJens Tobias Pfingstenaus Neuss2007Tag der mu¨ndlichen Pru¨fung: 01.02.2007Dekan: Prof. Dr. N. Schopohl1. Berichterstatter: Prof. Dr. B. Sch¨olkopf2. Berichterstatter: Ph.D. C. E. RasmussenZusammenfassungIn modernen Entwicklungs- und Fertigungsprozessen spielt die Analyse vonMessdaten und Simulationsergebnissen eine herausragende Rolle: W¨ahrendderEntwicklungsphaseeinesProduktesgiltes,dieEignungdesDesignsfu¨rdieMassenfertigung durch Simulationen und Experimente abzusichern. Zudemstellt eine Vielzahl von Messungen eine gleichbleibend hohe Qualit¨at in derautomatisierten Fertigungsumgebung sicher.Bei steigender Anzahl von Messgr¨oßen und wachsenden Datenmengen st¨oßtdie konventionelle, manuelle Datenanalyse an ihre Grenzen. Die vorliegendeArbeit untersucht den Nutzen der Anwendung maschinellen Lernens auf ty-pischeFragestellungeninderDatenauswertungvonderEntwicklungeinesPro-duktesbishinzurMassenproduktion. DieHerstellungintegrierterSchaltkreiseund mikromechanischer Sensoren auf Siliziumbasis dient als Fallbeispiel.