Andere Kunden interessierten sich auch für
![Model Predictive Control Handbook]( "Model Predictive Control Handbook")
Model Predictive Control Handbook103,99 €![Konzept zur automatisierten Anpassung der neuronalen Schnittstellen bei nichtinvasiven Neuroprothesen]( "Konzept zur automatisierten Anpassung der neuronalen Schnittstellen bei nichtinvasiven Neuroprothesen")
Konzept zur automatisierten Anpassung der neuronalen Schnittstellen bei nichtinvasiven Neuroprothesen49,00 €![Predictive analytics for demand forecasting]( "Predictive analytics for demand forecasting")
Predictive analytics for demand forecasting24,99 €![Practical Applications of Model Predictive Control and Other Advanced Control Methods in the Built Environment]( "Practical Applications of Model Predictive Control and Other Advanced Control Methods in the Built Environment")
Practical Applications of Model Predictive Control and Other Advanced Control Methods in the Built Environment105,99 €![Predictive modelling of land subsidence due to petroleum extraction]( "Predictive modelling of land subsidence due to petroleum extraction")
Predictive modelling of land subsidence due to petroleum extraction27,99 €![Installation und Konfiguration eines]( "Installation und Konfiguration eines")
Installation und Konfiguration eines "Smart Home"17,95 €![Vorhersage von Brustkrebs mittels Data Mining]( "Vorhersage von Brustkrebs mittels Data Mining")
Vorhersage von Brustkrebs mittels Data Mining27,95 €
Studienarbeit aus dem Jahr 2022 im Fachbereich Ingenieurwissenschaften - Allgemeines, Note: 2,0, AKAD University, ehem. AKAD Fachhochschule Stuttgart, Sprache: Deutsch, Abstract: Die Arbeit setzt sich mit Smart Data und neuronalen Netzen im Bereich Predictive Maintenance auseinander. Der digitale Wandel von Maschinen und Fertigungsanlagen schafft für die Industrie neue Optimierungspotenziale. Ein Bereich, der sich diese digitalen Informationen zu nutzen machen kann, ist die Instandhaltung. Diese sorgt durch Wartungen und Instandsetzungen von verschiedensten Fertigungsanlagen für einen reibungslosen Fertigungsablauf. In der Instandhaltung sorgen mangelnde Informationen über den Maschinenzustand oft für Schwierigkeiten bei der Fehlererkennung, Fehleridentifizierung oder Fehlerlokalisierung. Dies führt zu langen Maschinenausfallzeiten und entsprechend hohen Opportunitätskosten. Abhilfe für dieses Problem versprechen Datenanalyseverfahren, welche Maschinenzustandsdaten über Sensoren auswerten und nutzbar machen. Durch diesen Einsatz können Anomalien frühzeitig erkannt werden. Dadurch ist eine prädikative Instandhaltung, auch Predictive Maintenence genannt, möglich. Eine Umfrage aus dem Jahr 2020 zeigt, dass sich Unternehmen aus den genannten Gründen für den Einsatz von Predictive Maintenance entscheiden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.