User: Guest  Login
More Searchfields
Simple search
Original title:
Improving industrial corrective maintenance by efficient realization of self-diagnosis in automated production systems reusing their engineering data
Translated title:
Verbesserung der industriellen korrektiven Instandhaltung durch effiziente Realisierung von Selbstdiagnose in automatisierten Produktionssystemen unter Wiederverwendung der Engineering Daten
Author:
Vathoopan Kannan, Milan
Year:
2020
Document type:
Dissertation
Faculty/School:
Fakultät für Informatik
Advisor:
Knoll, Alois (Prof. Dr. habil.)
Referee:
Knoll, Alois (Prof. Dr. habil.); Zoitl, Alois (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; NAT Naturwissenschaften (allgemein)
Keywords:
Industrial corrective maintenance, Efficient realization of self-diagnosis, Reuse engineering data
Translated keywords:
Industrielle korrektive Wartung, Effiziente Realisierung von Selbstdiagnosen, Wiederverwendung von Engineering-Daten
TUM classification:
DAT 260; DAT 815
Abstract:
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.
Translated abstract:
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
Date of submission:
19.06.2020
Oral examination:
08.12.2020
File size:
9411684 bytes
Pages:
160
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20201208-1547097-1-6
Last change:
19.01.2021
 BibTeX