Login
- Originaltitel:
- Industrial AI: A Development Methodology for Industrial Machine Learning Applications
- Originaluntertitel:
- Examined in the Context of Predictive Maintenance for Automotive Service Development
- Übersetzter Titel:
- Industrielle KI: Eine Entwicklungsmethodik für industrielle Anwendungen des maschinellen Lernens
- Übersetzter Untertitel:
- Bewertet im Kontext von Prädiktiver Instandhaltung in der automobilen Service-Entwicklung
- Autor:
- Wolf, Yannic Jesko
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Engineering and Design
- Institution:
- Lehrstuhl für Vernetzte Verkehrssysteme (Prof. Antoniou)
- Betreuer:
- Antoniou, Constantinos (Prof. Dr.)
- Gutachter:
- Antoniou, Constantinos (Prof. Dr.); Fromm Hansjörg (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- BAU Bauingenieurwesen, Vermessungswesen; DAT Datenverarbeitung, Informatik
- Stichworte:
- Predictive Maintenance, Machine Learning, AIOps, Component-based Software Engineering, Automotive Applications, Fleet Data
- TU-Systematik:
- BAU 850
- Kurzfassung:
- Predictive maintenance is currently focused on individual production machines in stationary environments. Thanks to scientific advances in connected car services, it is now possible to apply predictive maintenance applications to fleet vehicles. This can improve product quality by giving feedback about vehicle component behavior in customer fleets to Research & Development departments as well as service quality by giving feedback about the actual vehicle components’ conditions to customers.
- Übersetzte Kurzfassung:
- Predictive Maintenance konzentriert sich derzeit auf einzelne Produktionsmaschinen in stationären Umgebungen. Dank wissenschaftlicher Fortschritte im Bereich des vernetzten Fahrzeugs ist es nun möglich, PdM auf Fahrzeugflotten anzuwenden. Dies kann die Produktqualität verbessern, indem es Rückmeldungen über das Verhalten von Fahrzeugkomponenten an die Entwicklungsabteilungen liefert, sowie die Servicequalität erhöhen, indem es Kunden über den Zustand der Fahrzeugkomponenten informiert.
- WWW:
- https://mediatum.ub.tum.de/?id=1744255
- Eingereicht am:
- 10.06.2024
- Mündliche Prüfung:
- 19.11.2024
- Dateigröße:
- 2611132 bytes
- Seiten:
- 246
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241119-1744255-1-4
- Letzte Änderung:
- 13.01.2025
BibTeX