5.4 - Abschätzung der Messunsicherheit in smarten Sensornetzwerken mittels künstlichem Rauschen und maschinellem Lernen
- Event
- 15. Dresdner Sensor-Symposium 2021
2021-12-06 - 2021-12-08
Dresden - Band
- Vorträge
- Chapter
- 5. Smarte (Gas-)Sensorik
- Author(s)
- Z. Dorst - ZeMA – Zentrum für Mechatronik und Automatisierungstechnik gGmbH, Saarbrücken/D, P. Christoffel, J. Kunze, A. Schütze - Universität des Saarlandes, Saarbrücken/D
- Pages
- 91 - 96
- DOI
- 10.5162/15dss2021/5.4
- ISBN
- 978-3-9819376-5-7
- Price
- free
Abstract
Kalibrierung, Messunsicherheiten und damit Rückführbarkeit auf das internationale Einheitensystem SI (Système International d'Unités) zählen zu den bedeutendsten metrologischen Grundprinzipien. Zur Bewertung der Datenqualität und damit auch der Qualität und Verlässlichkeit von Ergebnissen des maschinellen Lernens ist die Kenntnis über die Größe der Messunsicherheit der Messwerte erforderlich. Zur genauen Bestimmung der Messunsicherheit ist in der Regel eine Kalibrierung der verwendeten Sensoren nötig, was sehr aufwendig und teuer sein kann. Daher wird aus Kostengründen in neuen Prüfständen oft auf kalibrierte Sensoren verzichtet und auch bei bestehenden Prüfständen gestaltet sich ein Sensorausbau zur Rekalibrierung oft schwierig bis unmöglich. Für grobe Abschätzungen der zu erwartenden Messunsicherheiten bei den verwendeten Sensoren und damit der Datenqualität an sich können Informationen aus den Datenblättern der Sensorhersteller herangezogen werden. Auch dies gestaltet sich schwierig, da gerade bei älteren Sensoren oft keine Datenblätter mehr zur Verfügung stehen und Datenblätter nicht immer alle benötigten Informationen beinhalten; zudem stellt dies eine sehr pessimistische Abschätzung dar.