Detailansicht
Angewandte Statistische Methoden im Condition Monitoring und Predictive Maintenance für Industrieanlagen
Peter Holzer
Art der Arbeit
Magisterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Magisterstudium Statistik
Betreuer*in
Walter Gutjahr
DOI
10.25365/thesis.46389
URN
urn:nbn:at:at-ubw:1-22282.32082.376963-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Anhand einer Industrieanlage wird gezeigt, wie Daten vom Messsystem zu Zeitreihen aufbereitet und effizient zusammengefasst werden. Auf diesen standardisierten Datensätzen werden die Regressionsmethoden Lineare Modelle, Regression Trees, Random Forests, GAM und Support Vector Regressions erstellt. Diese prognostizieren anhand der Messwert eine Restlebenszeit für die Anlage. Dies wird so umgesetzt, dass im Echtzeitbetrieb zu jedem Zeitpunkt eine Schätzung über den Anlagenzustand vorhanden ist. Dadurch können Wartungsmaßnamen rechtzeitig geplant und eingeleitet werden. Weiters wird eine Simulation durchgeführt, bei der die Lauf- und Wartungszeiten der Anlage berechnet werden, falls man den Wartungsvorschlägen der Modelle folgt. Dadurch wird gezeigt, dass im Vergleich zur aktuellen Wartungsstrategie, durch die Predictive Maintenance Praktik eine erhöhte Anlagenverfügbarkeit zu erwarten ist.
Schlagwörter
Schlagwörter
(Englisch)
Predictive Maintenance Condition Monitoring Applied Statistics Machine Learning Industrial Field Business Case Simulation
Schlagwörter
(Deutsch)
Vorausschauende Wartung Zustandsüberwachung Angewandte Statistik Maschinelles Lernen Industrie Betriebswirtschaftliche Simulation
Autor*innen
Peter Holzer
Haupttitel (Deutsch)
Angewandte Statistische Methoden im Condition Monitoring und Predictive Maintenance für Industrieanlagen
Paralleltitel (Englisch)
Applied statistics for condition monitoring and predictive maintenance in the industrial field
Publikationsjahr
2017
Umfangsangabe
91 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Walter Gutjahr
Klassifikationen
AC Nummer
AC13740045
Utheses ID
41053
Studienkennzahl
UA | 066 | 951 | |