Datenbasierte Instandhaltung darf nicht zum Glücksspiel werden

dc.contributor.authorBiggio, Luca
dc.contributor.authorSchmid, Philipp A. E.
dc.contributor.authorKastanis, Iason
dc.date.accessioned2022-12-12T09:35:19Z
dc.date.available2022-12-12T09:35:19Z
dc.date.issued2022-12-09
dc.description.abstractModerne Algorithmen, basierend auf neuronalen Netzwerken (Künstlicher Intelligenz), lassen den Traum von Predictive Maintenance immer mehr zur Wirklichkeit werden. Ein grosser Nachteil dieser Ansätze sind die für den Menschen nicht nachvollziehbaren Ergebnisse. Das Netzwerk, verborgen als grosse magische Blackbox, spuckt eine Vorhersage aus, aber die Plausibilität und Zuverlässigkeit kann nicht abgeschätzt werden. In sicherheitskritischen Bereichen kann dies zu katastrophalen Konsequenzen führen. Ob in der chemischen Produktion, im ATEX-Abfüllbereich oder in Mühlen: bei falscher Interpretation der Algorithmen droht ein Berstscheiben-Durchbruch oder gar ein Brand. In diesem Artikel zeigen wir Möglichkeiten für eine automatische Unsicherheitsabschätzung und beschreiben praktische Anwendungen.en_US
dc.identifier.citationfmpro service 6 2022en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12839/1072
dc.language.isodeen_US
dc.subjectDeep Learningen_US
dc.subjectPredictive Qualityen_US
dc.subjectPredictive Maintenanceen_US
dc.subjectUncertainty estimationen_US
dc.titleDatenbasierte Instandhaltung darf nicht zum Glücksspiel werdenen_US
dc.typeMediaen_US
dc.type.csemdivisionsDiv-Ren_US
dc.type.csemresearchareasIndustry 4.0en_US
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Instandhaltung Glücksspiel_csem_def.pdf
Size:
193.29 KB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.82 KB
Format:
Item-specific license agreed upon to submission
Description: