Neuronale Modelle zur Offboard-Diagnostik in komplexen Fahrzeugsystemen
| dc.contributor.author | Müller, Tobias Carsten | |
| dc.date.accessioned | 2018-01-08T09:15:59Z | |
| dc.date.available | 2018-01-08T09:15:59Z | |
| dc.date.issued | 2012 | |
| dc.description.abstract | Die zunehmende Komplexität moderner Fahrzeuge erfordert neue, innovative Diagnostikverfahren, um auch zukünftig noch eine effiziente und kostengünstige Wartung in den Servicewerkstätten zu gewährleisten. Bereits seit einigen Jahren werden Daten von Reparaturfällen aus den Servicewerkstätten umfangreich aufgezeichnet, die bisher jedoch nicht automatisiert für Diagnostikverfahren genutzt werden.In dieser Arbeit wird ein Offboard-Diagnostik-Verfahren entwickelt, welches in einem automatisierten Prozess aus den aufgezeichneten Reparaturfällen neuronale Netze erzeugt und trainiert. Die Netze werden anschließend den Servicewerkstätten zur Unterstützung der Fehlersuche zur Verfügung gestellt. Zur Evaluierung wurde ein Prototyp implementiert, der mit Daten aus einigen zehntausend realen Reparaturfällen trainiert wurde. Die Experimente haben gezeigt, dass ein solcher Ansatz bereits mit den derzeit zur Verfügung stehenden Daten gute Ergebnisse liefert. | |
| dc.identifier.pissn | 1610-1987 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/11307 | |
| dc.publisher | Springer | |
| dc.relation.ispartof | KI - Künstliche Intelligenz: Vol. 26, No. 3 | |
| dc.relation.ispartofseries | KI - Künstliche Intelligenz | |
| dc.title | Neuronale Modelle zur Offboard-Diagnostik in komplexen Fahrzeugsystemen | |
| dc.type | Text/Journal Article | |
| gi.citation.endPage | 296 | |
| gi.citation.startPage | 293 |