Zusammenfassung
Aus dem Vorwort: Durch die zunehmende Digitalisierung und Vernetzung, beispielsweise in einer Smart Factory im Kontext von Industrie 4.0, werden hohe Anforderungen an die Zuverlässigkeit, die Verfügbarkeit und die Sicherheit von Maschinen und Anlagen gestellt. Dies erfordert den konsequenten Einsatz und die ständige Weiterentwicklung von Methoden und Modellen der Zuverlässigkeitstechnik entlang des gesamten Lebenszyklus zur Planung, Entwicklung und Absicherung der Zuverlässigkeit.
Die zunehmende Digitalisierung bietet durch die steigende Zugänglichkeit und Verfügbarkeit von relevanten Daten gleichzeitig enorme Chancen und neue Möglichkeiten für die Anwendung dieser Methoden und Modelle für Zuverlässigkeitsanalysen und -prognosen.
Inhalt
Prognostics and Health Management (PHM) und Industrie 4.0
Restlebensdauervorhersage für Filtrationssysteme mittels Random Forest ..... 3
Untersuchung von Datensätzen und Definition praxisrelevanter Standardfälle im Kontext von Predictive Maintenance ..... 17
Methodik zur Schadensquantifizierung in hydraulischen Axialkolbeneinheiten unter variablen Betriebsbedingungen ..... 33
...
Schlagworte
Erprobung Teststrategien Zuverlässigkeitsvalidierung mechanischer Bremsenschock empirische Lebensdauerprädiktion integrierte Transistoren domainübergreifende Zuverlässigkeitsanalyse künstliche Intelligenz KI maschinelles Lernen automatisierte Kraftfahrzeuge technischer Lebenszyklus prognostics and health management (phm) safety management big data analysis autonomous vehicles smart factory- 1–2 Vorwort 1–2