Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
A Data-Driven Approach for Predictive Maintenance Integrated Production Scheduling
Übersetzter Titel:
Datengetriebener Ansatz zur integrierten Produktions- und Instandhaltungsplanung mittels Predictive Maintenance
Autor:
Zhai, Simon Ximeng
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Reinhart, Gunther (Prof. Dr.)
Gutachter:
Reinhart, Gunther (Prof. Dr.); Fottner, Johannes (Prof. Dr.)
Sprache:
en
Fachgebiet:
MAS Maschinenbau
Stichworte:
Predictive Maintenance, Integrated Planning, Generative Artificial Intelligence
Übersetzte Stichworte:
Predictive Maintenance, integrierte Planung, generative künstliche Intelligenz
TU-Systematik:
FER 000; WIR 000
Kurzfassung:
This dissertation proposes an approach that integrates predictive maintenance models with production and maintenance scheduling. A generative deep learning model was applied to derive an operation-specific health indicator for subsequent scheduling. Finally, the approach was tested using simulated and real industrial data and was prototypically implemented in the automotive industry.
Übersetzte Kurzfassung:
Diese Dissertation präsentiert einen ganzheitlichen Ansatz, der Predictive-Maintenance-Modelle mit der Produktions- und Instandhaltungsplanung integriert. Der Ansatz beinhaltet ein generatives Deep-Learning-Modell, um einen operationsspezifischen Gesundheitsindikator aus industriellen Zustandsüberwachungsdaten abzuleiten. Mittels simulierter und realen Daten aus der Industrie wurde der Ansatz getestet und abschließend prototypisch in der Automobilindustrie implementiert.
WWW:
https://mediatum.ub.tum.de/?id=1703829
Eingereicht am:
20.04.2023
Mündliche Prüfung:
08.12.2023
Dateigröße:
2838221 bytes
Seiten:
115
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231208-1703829-1-1
Letzte Änderung:
19.01.2024
 BibTeX