English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Auf Predictive Maintenance basierende Instandhaltungskonzepte erfreuen sich in den letzten Jahren aufgrund neuer Technologien wie dem „Internet of Things“ und Künstlicher Intelligenz immer größerer Beliebtheit. In verschiedenen Branchen, wie z. B. der Luftfahrtindus-trie oder dem klassischen Maschinenbau, wurden so für unterschiedliche Anwendungen eine Vielzahl an Methoden implementiert, um die Restlebensdauer von Produkten, wie z. B. Zerspanzentren, zu prognostizieren. Um diese Methoden in anderen Branchen zu etablieren, ist allerdings eine große Expertise im Bereich der Statistik und Datenaufbereitung notwendig. Im Rahmen des Forschungsprojekts KIVI (Künstliche Intelligenz zur Vorhersage der Einsatzsicherheit und Lebensdauer von Industrierobotern) wird deshalb am Beispiel der industriellen Robotik ein Ansatz entwickelt, um möglichst anwenderfreundlich Predictive-Maintenance-Methoden branchenunabhängig umzusetzen.

Predictive Maintenance im Kontext der industriellen Robotik: Ein systemneutraler Ansatz