Benutzer: Gast  Login
Weniger Felder
Einfache Suche
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