MOnAMi-Metadatensuche

Technische Suche über öffentliche MOnAMi-Metadaten. Standardmäßig werden nur Treffer angezeigt, bei denen Eckehard Krah im Prüfungs- oder Betreuungskontext erkannt wurde; der Suchbereich und zusätzliche Filter sind differenziert steuerbar. Es werden keine PDFs lokal gespeichert. Rechte, Inhalte und Verfügbarkeit bleiben bei der Originalquelle MOnAMi.

MONAMI
METADATEN · DETAIL · PDF
DATA-EDU-MONAMI-ALL-2.6.0 / 2026-06-13

Dokumentprofil

DETAILSEITE

Machine Learning Algorithms for Classifying Component Defects for Predictive Maintenance

Sicherheit: nicht erkanntKünstliche IntelligenzNicht eindeutig
Zur SucheOriginalseite bei MOnAMiPDF extern öffnen
2021
conferenceobject / doc-type…
12291

Metadaten

OAI · FRONTDOOR
Verfasser/inKammerer, Christoph; Küstner, Micha; Gaust, Michael; Starke, Pascal; Radtke, Roman; Jesser, Alexander
Jahr2021
Dokumenttypconferenceobject / doc-type:conferenceObject
Spracheeng
MOnAMi docId12291
OAI-Identifieroai:monami.hs-mittweida.de:12291

Rollenprüfung

KONTROLLE

Automatische Einordnung aus OAI- und Frontdoor-Metadaten.

Krah-Kontext nicht erkanntSicherheit: nicht erkannt

Abstract / Beschreibung

METADATA TEXT
Reducing costs is an important part in todays business. Therefore manufacturers try to reduce unnecessary work processes and storage costs. Machine maintenance is a big, complex, regular process. In addition, the spare parts required for this must be kept in stock until a machine fails. In order to avoid a production breakdown in the event of an unexpected failure, more and more manufacturers rely on predictive maintenance for their machines. This enables more precise planning of necessary maintenance and repair work, as well as a precise ordering of the spare parts required for this. A large amount of past as well as current information is required to create such a predictive forecast about machines. With the classification of motors based on vibration, this paper deals with the implementation of predictive maintenance for thermal systems. There is an overview of suitable sensors and data processing methods, as well as various classification algorithms. In the end, the best sensor-algorithm combinations are shown.

PDF-Vorschau und Volltextsuche

PDF.JS · PROXY
Bereit. PDF-Suche läuft im Browser über PDF.js; keine lokale Speicherung.
Treffer werden nach Seiten gruppiert. Mit „Nächster Treffer“ und „Vorheriger Treffer“ kann durch die Ergebnisliste navigiert werden; Klick auf einen Treffer öffnet die jeweilige Seite in der PDF.js-Vorschau und markiert den Suchbegriff.

Schlagwörter

KEYWORDS
Industrie 4.0Internet der DingeBig Data

Zitierhinweis nach APA 7

APA 7
Kammerer, C.., Küstner, M.., Gaust, M.., Starke, P.., Radtke, R.., & Jesser, A.. (2021). Machine Learning Algorithms for Classifying Component Defects for Predictive Maintenance [Hochschulschrift, Hochschule Mittweida]. MOnAMi – Hochschulschriftenserver der Hochschule Mittweida. https://monami.hs-mittweida.de/frontdoor/index/index/docId/12291

Ähnliche Arbeiten

KEYWORDS · THEMA

Potenziale von Big Data und künstlicher Intelligenz zur Optimierung von Geschäftsprozessen im Handel

2022Bachelor erkanntKrah: AdvisorKünstliche Intelligenz

Verfasser/in laut Metadaten: Turkovic, Salih

Die Digitalisierung und dahingehend ihr Technologien Big Data und künstliche Intelligenz bringen frischen Wind in Handelsunternehmen. Sie können durch die Technologien neue Grenzen in der Effektivität und Effizienz bestehender Prozesse setzen. Darum sollten Unternehmen diese Potenziale ausschöpfen. Ziel dieser Arbeit ist diese Potenziale …

DetailsOriginalquelle

Digitalisierung in Unternehmen : eine Analyse der Auswirkungen von Industrie 4.0 auf unsere heutige Arbeitswelt mit Fokus auf den Bereich Controlling

2024Künstliche Intelligenz

Verfasser/in laut Metadaten: Nguedia Vouzap, Boris Patient

Die vierte industrielle Revolution (Industrie 4.0) stellt eine Periode großer technologischer Umwälzungen dar, die alle Branchen weltweit tiefgreifend verändert haben. Durch die Einführung und den Einsatz modernster Technologien wie Big Data, künstliche Intelligenz, intelligente Automatisierung und vieles mehr können sämtliche operativen …

DetailsOriginalquelle

Digitalisierung im Vertrieb im B2B-Bereich

2018Bachelor erkanntKrah: AdvisorKünstliche Intelligenz

Verfasser/in laut Metadaten: Metzen, Steven

Die vorliegende Bachelorarbeit beschreibt die Digitalisierung im Vertrieb im B2B-Bereich und deren Wichtigkeit in der Maschinenbaubranche. Um theoretische Fundamente zu schaffen, werden als erstes die Begriffe Maschinenbaubranche sowie auch das B2B Marketing und die Digitalisierung im Vertrieb analysiert und resümiert. Mittels dieser Grun …

DetailsOriginalquelle

CRM und künstliche Intelligenz im Onlinebusiness

2018Bachelor erkanntKrah: AdvisorKünstliche Intelligenz

Verfasser/in laut Metadaten: Lopata, Antonia

In der folgenden Ausarbeitung wird erläutert welchen Einfluss künstliche Intelligenz im Bereich Customer-Relationship-Management auf das Onlinebusiness hat und wie sie genutzt wird. Des Weiteren werden die Eigenschaften des CRM dargestellt und welche Chancen sich durch die Technologie der künstlichen Intelligenz ergeben. In einem Beispiel …

DetailsOriginalquelle

Smart Technologies als Trend : Möglichkeiten und Grenzen von Smart Living

2019Bachelor erkanntKrah: AdvisorKünstliche Intelligenz

Verfasser/in laut Metadaten: Cira, Ugurtan

Die vorliegende Arbeit befasst sich mit den Smart Technologies als Trend und den daraus resultierenden Grenzen und Möglichkeiten des Smart Living. Ziel der Arbeit ist es Smart Technologies und Smart Living und deren Auswirkungen, Perspektiven und Möglichkeiten für das soziale Leben aufzuzeigen. Um eine Basis zu legen werden Begriffe wie T …

DetailsOriginalquelle

Rechtlicher Hinweis

ORIGINALQUELLE · KEINE SPEICHERUNG
Originalquelle: Die maßgebliche Quelle für diesen Datensatz ist MOnAMi. Dieses Tool übernimmt keine Gewähr für Vollständigkeit, Aktualität, bibliografische Richtigkeit oder dauerhafte Verfügbarkeit.

PDF-Nutzung: Die PDF-Datei wird nicht lokal gespeichert. Die Vorschau und Volltextsuche rufen die Originaldatei technisch über einen signierten Proxy ab und verarbeiten sie nur zur Anzeige im Browser.

Rechte und Verantwortung: Urheberrechte, Lizenzen, Sperrvermerke und inhaltliche Verantwortung verbleiben bei den jeweiligen Autor:innen, Rechteinhaber:innen und der Originalplattform. Die automatisch erzeugte Rollen-, Themen-, Methoden- und Zitierklassifikation ist eine technische Ableitung und muss bei wissenschaftlicher Verwendung geprüft werden.
15.742
344
160
2.6