Die Erfindung betrifft ein überwachtes maschinelles Lernen eines Verfahrens zur Durchführung eines technischen Prozesses (TPR), bei dem auf einen Datenpool (DP), enthaltend Datensätze (x;y) mit Eingabedaten und ein richtiges Prozessergebnis beschreibenden Ausgabedaten, erstellt wird, das Verfahren in einer Trainingsphase (TP) trainiert wird, wobei Verfahrensparameter des Verfahrens bei wiederholten Verfahrensdurchführungen variiert werden, in einer Validierungsphase (VP) das trainierte Verfahren überprüft wird, indem die mit dem trainierten Verfahren mit den Eingabedaten berechneten Ausgabedaten mit den das richtige Prozessergebnis beschreibenden Ausgabedaten verglichen werden und als Ergebnis des Vergleichens eine tatsächliche Versagenswahrscheinlichkeit (Ptrue) für das Verfahren berechnet wird. Es wird vorgeschlagen, dass alle Datensätze (x;y) im Datenpool (DP) sowohl als Trainingsdatensätze (TD) als auch als Validierungsdatensätze (VD) zur Verfügung gestellt werden, für die Trainingsphase (TP) eine empirische Versagenswahrscheinlichkeit (Pemp) festgelegt wird, die höchstens so groß ist, wie eine vorgegebene Soll-Versagenswahrscheinlichkeit (PFD), die Validierungsphase (VP) eingeleitet wird, nachdem in der Trainingsphase (TP) festgestellt wurde, dass die empirische Versagenswahrscheinlichkeit (Pemp) nicht überschritten wird. Ferner wird vorgeschlagen, dass eine statistische Signifikanz (α) des Ergebnisses der Validierungsphase (VP) berücksichtigt wird, indem in der Validierungsphase (VP) zum Vergleichen mit der tatsächlichen Versagenswahrscheinlichkeit (Ptrue) eine korrigierte Versagenswahrscheinlichkeit (Pval) festgelegt wird, die geringer ist, als die vorgegebene Soll-Versagenswahrscheinlichkeit (PFD)
The invention relates to monitored machine learning of a method for carrying out a technical process (TPR), in which output data containing data sets (x; y) with input data and describing a correct process result are created in a data pool (DP), the method is trained in a training phase (TP), wherein procedure parameters of the method are varied when repetitions of the method are carried out, in a validation phase (VP) the trained method is checked in that the output data calculated with the input data by means of the trained method are compared with the output data describing the correct process result and as a result of said comparison, an actual probability of failure (Ptrue) is calculated for the method. It is proposed that all data sets (x,- y) in the data pool (DP) are provided as both training data sets (TD) and validation data sets (VD), for the training phase (TP) an empirical probability of failure (Pemp) is defined which is at most as high as a predefined target probability of failure (PFD), the validation phase (VP) is initiated after it has been ascertained, in the training phase (TP), that the empirical probability of failure (Pemp) has not been exceeded. It is furthermore proposed that a statistical significance (α) of the result of the validation phase (VP) is taken into consideration in that, in the validation phase (VP), for comparison with the actual probability of failure (Ptrue) a corrected probability of failure (Pval) is defined which is lower than the predefined target probability of failure (PFD).
EIN ÜBERWACHTES MASCHINELLES LERNEN EINES COMPUTERIMPLEMENTIERTEN VERFAHRENS ZUR DURCHFÜHRUNG EINES TECHNISCHEN PROZESSES
SUPERVISED MACHINE LEARNING OF A COMPUTER-IMPLEMENTED METHOD FOR PERFORMING A TECHNICAL PROCESS
APPRENTISSAGE AUTOMATIQUE SUPERVISÉ D'UN PROCESSUS MIS EN OEUVRE PAR ORDINATEUR POUR EFFECTUER UN PROCESSUS TECHNIQUE
2025-06-04
Patent
Electronic Resource
German
European Patent Office | 2025
|European Patent Office | 2024
|European Patent Office | 2021
|European Patent Office | 2023
|