ScrewSense:螺丝拧紧过程异常检测与错误分类
ScrewSense: Mapping the Invisible - Anomaly Detection and Error Classification in Screwdriving Processes
AI 摘要
Tobias Lettner 等人提出 ScrewSense,用深度学习对螺丝拧紧过程产生的多变量时间序列(扭矩、转角等工艺参数)做异常检测与错误分类,并与窗口法、包络曲线等传统监测手段对比。目标是尽早识别拧紧错误,减少制造返工,并支撑螺纹连接件的维护、复用与回收。原文未披露具体精度或对比数值。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。