Login
- Originaltitel:
- Improving industrial corrective maintenance by efficient realization of self-diagnosis in automated production systems reusing their engineering data
- Übersetzter Titel:
- Verbesserung der industriellen korrektiven Instandhaltung durch effiziente Realisierung von Selbstdiagnose in automatisierten Produktionssystemen unter Wiederverwendung der Engineering Daten
- Autor:
- Vathoopan Kannan, Milan
- Jahr:
- 2020
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- Fakultät für Informatik
- Betreuer:
- Knoll, Alois (Prof. Dr. habil.)
- Gutachter:
- Knoll, Alois (Prof. Dr. habil.); Zoitl, Alois (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik; NAT Naturwissenschaften (allgemein)
- Stichworte:
- Industrial corrective maintenance, Efficient realization of self-diagnosis, Reuse engineering data
- Übersetzte Stichworte:
- Industrielle korrektive Wartung, Effiziente Realisierung von Selbstdiagnosen, Wiederverwendung von Engineering-Daten
- TU-Systematik:
- DAT 260; DAT 815
- Kurzfassung:
- This thesis proposes efficient realization of visual assistive self-diagnosis features in automated production systems as a means to improve the cost and resource efficiency of current industrial corrective maintenance. A methodology for effectively realizing self-diagnosis in the production systems by reusing their engineering data is devised. Two application examples confirm the improvement in industrial corrective maintenance with the proposed solution.
- Übersetzte Kurzfassung:
- Diese Dissertation schlägt eine effiziente Realisierung visuell, assistierender Selbstdiagnosefunktionen in automatisierten Produktionssystemen zur Verbesserung der Kosten- und Ressourceneffizienz für die industrielle korrektive Wartung vor. Dazu wird eine Methode zur effektiven Realisierung der Selbstdiagnose durch Wiederverwendung der Engineering Daten entworfen. Zwei Applikationsbeispiele bestätigen die Verbesserung der industriellen korrektiven Wartung durch die vorgeschlagene Lösung.
- WWW:
- https://mediatum.ub.tum.de/?id=1547097
- Eingereicht am:
- 19.06.2020
- Mündliche Prüfung:
- 08.12.2020
- Dateigröße:
- 9411684 bytes
- Seiten:
- 160
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20201208-1547097-1-6
- Letzte Änderung:
- 19.01.2021
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and TechnologyComputer Engineering
- mediaTUM GesamtbestandHochschulbibliographie2020FakultätenInformatikInformatik 6 - Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme (Prof. Knoll)