Hyppää sisältöön
    • FI
    • ENG
  • FI
  • /
  • EN
OuluREPO – Oulun yliopiston julkaisuarkisto / University of Oulu repository
Näytä viite 
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
JavaScript is disabled for your browser. Some features of this site may not work without it.

AI enhanced alarm presentation for quality monitoring

Tamminen, Satu; Liu, Xiaoli; Tiensuu, Henna; Ferreira, Eija; Puukko, Esa; Röning, Juha (2019-06-03)

 
Avaa tiedosto
nbnfi-fe202003238866.pdf (298.0Kt)
nbnfi-fe202003238866_meta.xml (42.51Kt)
nbnfi-fe202003238866_solr.xml (28.41Kt)
Lataukset: 

URL:
https://doi.org/10.1109/Cybermatics_2018.2018.00162

Tamminen, Satu
Liu, Xiaoli
Tiensuu, Henna
Ferreira, Eija
Puukko, Esa
Röning, Juha
Institute of Electrical and Electronics Engineers
03.06.2019

S. Tamminen, X. Liu, H. Tiensuu, E. Ferreira, E. Puukko and J. Röning, "AI Enhanced Alarm Presentation for Quality Monitoring," 2018 IEEE International Conference on Internet of Things (iThings) and IEEE Green Computing and Communications (GreenCom) and IEEE Cyber, Physical and Social Computing (CPSCom) and IEEE Smart Data (SmartData), Halifax, NS, Canada, 2018, pp. 834-839. doi: 10.1109/Cybermatics_2018.2018.00162

https://rightsstatements.org/vocab/InC/1.0/
© 2019 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works.
https://rightsstatements.org/vocab/InC/1.0/
doi:https://doi.org/10.1109/Cybermatics_2018.2018.00162
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe202003238866
Tiivistelmä

Abstract

This paper presents an AI based method for improving poorly performing quality prediction models. The method improves automatically the usability of the low quality alarm predictions in the web based quality monitoring tool that provides decision support for users. The tool enables the utilization of the models that suffer from the lack of information because of a long time gap to the predicted future. The reliability of the presented alarms in a monitoring tool will be improved by reducing the amount of false alarms.

Kokoelmat
  • Avoin saatavuus [37798]
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatAsiasanatUusimmatSivukartta

Omat tiedot

Kirjaudu sisäänRekisteröidy
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen