Auflistung nach Schlagwort "Instandhaltung"
1 - 3 von 3
Treffer pro Seite
Sortieroptionen
- ZeitschriftenartikelAnwendungsszenarien für AR in der Produktion: Use Cases und Technologielösungen(HMD Praxis der Wirtschaftsinformatik: Vol. 59, No. 1, 2022) Deppe, Sahar; Brünninghaus, Marc; Voit, Michael; Röcker, CarstenMit der steigenden Leistungsfähigkeit von mobilen Computern und Anzeigegeräten hat sich die Nutzung von Augmented-Reality-Technologien in den letzten zehn Jahren verstärkt. Augmented Reality (AR) ist eine Technik, die es den Nutzern ermöglicht, mit ihrer physischen Umgebung durch die Überlagerung digitaler Informationen zu interagieren. Diese Technologie hebt bestimmte Merkmale der physischen Welt hervor, verbessert das Verständnis für diese Merkmale und bietet intelligente und zugängliche Einblicke. AR-Anwendungen haben das Potenzial, enorme Auswirkungen auf Branchen wie Produktion, Medizin, Forschung, Ausbildung und Unterhaltung zu bewirken. Der Fokus dieses Artikels liegt auf den AR-Anwendungen im Bereich der Produktion, die vor allem in den Bereichen Montage, Reparatur, Diagnose und Schulung eingesetzt werden. Außerdem werden die Effektivität und Effizienz von AR-Technologien in diesem Bereich anhand von vier dieser Anwendungen vorgestellt. With the increasing power of mobile computers and display devices, the use of augmented reality technologies has increased over the past decade. Augmented reality (AR) is a technology that allows users to interact with their physical environment by superimposing digital information. This technology highlights certain features of the physical world, improves understanding of those features, and provides intelligent and accessible insights. AR technologies impact industries such as manufacturing, medicine, research, education, and entertainment. This article focuses on AR applications in manufacturing, primarily in the domains of assembly, repair, diagnosis, and training. It also presents the effectiveness and efficiency of AR technologies in this area based on four of these applications.
- TextdokumentDigitalisierungsworkflow zur Strukturierung und Standardisierung von Instandhaltungsinformationen von Windenergieanlagen(INFORMATIK 2021, 2021) Lutz, Marc-Alexander; Beckh, Katharina; Kindermann, Jörg; Schneider, Juliane; Walgern, Julia; Pfaffel, Sebastian; Faulstich, Stefan; Staack, AlisaDie Instandhaltung von Windenergieanlagen erfolgt derzeit zumeist reaktiv und bietet damit Potenzial zur Kostensenkung und Steigerung der Anlagenverfügbarkeit. Die hierzu notwendige genaue Kenntnis der Anlagenzuverlässigkeit erfordert die detaillierte Analyse historischer Instandhaltungsberichte. Daten aus den Instandhaltungsberichten müssen hierzu strukturiert und einheitlich klassifiziert vorliegen. In der Praxis bestehen Einsatzbeschreibungen in Instandhaltungsberichte häufig aus Freitexten, existierende Standards bleiben ungenutzt und der vorhandene Datenbestand bleibt aufgrund des hohen Aufwands einer manuellen Aufbereitung unerschlossen. In dieser Arbeit wird ein Digitalisierungsworkflow skizziert, welcher bestehende I Instandhaltungsinformationen nutzbar machen soll. Hierzu werden existierende Verfahren zur Digitalisierung, Informationsextraktion und Klassifizierung vorgestellt und hinsichtlich des Einsatzes im beschriebenen Anwendungsfall bewertet. Diese Verfahren können zu einem Digitalisierungsworkflow kombiniert werden, um die für eine Instandhaltungsoptimierung notwendige Datengrundlage zu erreichen. Die hier betrachteten Verfahren stammen aus dem Bereich der Optical Character Recognition sowie des Natural Language Processing und der Textklassifikation.
- ZeitschriftenartikelVerwendung binärer Datenwerte für eine KI-gestützte Instandhaltung 4.0(HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Wanner, Jonas; Herm, Lukas-Valentin; Hartel, Dennis; Janiesch, ChristianDie vierte industrielle Revolution forciert den digitalen Wandel von Fertigungsanlagen und schafft neue Optimierungspotenziale. Ein Kernbereich, der von einer Nutzenmachung digitaler Informationen entscheidend profitieren kann, ist die Instandhaltung von Maschinen. Sie dient der Gewährleistung eines reibungslosen Fertigungsablaufs. Aktuell führen dabei noch immer unerwartete Probleme zu hohen Opportunitätskosten. Eine effektive Adressierung ist durch mangelnde Information über den Maschinenzustand gehemmt, sodass Servicemitarbeitern sowohl eine Fehlererkennung, -lokalisierung, als auch -identifizierung schwerfallen. Abhilfe versprechen innovative Verfahren der Datenanalyse, welche Maschinenzustandsdaten intelligent auswerten und nutzbar machen. Diese sollen zukünftig bei Instandhaltungsfragen unterstützen und den Gesamtprozess optimieren. Fraglich erscheint in diesem Zusammenhang jedoch die Beschaffenheit aktueller Fertigungsanlagen im deutschen, produzierenden Mittelstand. Wie eine von uns durchgeführte Befragung zeigt, stammen Zustandsdaten noch überwiegend aus Lichtschranken, Motorspannungen und Positionierungstastern. Derartige, binäre Datenwerte erschweren die maschinelle Datenanalyse über moderne Auswertungsverfahren. Der Beitrag nimmt sich der Problemstellung unter Verzicht von Erweiterungen an der Fertigungsanlage selbst an. Gemeinsam mit Partnern aus der Industrie wurde ein schrittweiser Entwicklungsansatz erarbeitet, wie trotz einer Restriktion auf binäre Datenwerte eine umfassende Instandhaltungsunterstützung möglich ist. Die Umsetzung basiert auf Techniken aus den Bereichen des Process Mining und des maschinellen Lernens. Ein Demonstrator evaluiert die Praxistauglichkeit. The fourth industrial revolution is quickening the digital transformation of shop floors, enabling immense potential for optimization. Maintenance is an important area that can profit decisively from making digital information serviceable. It serves to guarantee a smooth production process. Currently, unexpected problems still lead to high opportunity costs. Effectively addressing them is hampered by a lack of transparency, which makes it difficult for service staff to detect, localize, and identify faults. Innovative data analysis methods, which allow to intelligently evaluate and use machine condition data, promise a remedy. In the future, these will support maintenance issues and optimize the overall process. However, the condition of current shop floors in German medium-sized manufacturing companies appears inadequate. As a survey conducted by us revealed, machinery data still comes mainly from light sensors, motor voltages, and positioning scanners. Such binary data values complicate data analysis of modern evaluation methods. The paper at hand addresses this problem without a need for shop floor extensions. Together with partners from industry, a step-by-step development approach was developed to show how comprehensive maintenance support is possible despite restrictions on binary data values. The implementation is based on techniques from the areas of process mining and machine learning. A demonstrator evaluates the practical suitability.