 |
MetaMaintain Ein Meta-Lern-Ansatz zur Selektion geeigneter Prognoseverfahren für eine vorausschauende Instandhaltung in digitalisierten Produktionssystemen Im Projekt wurde ein Meta-Lernsystem entwickelt, das automatisiert geeignete Prognosemethoden für die präventiv zustandsbasierte Instandhaltung in Produktionssystemen auswählt. Die Evaluation erfolgte über die Prognosegüte und logistische Kennzahlen, die die Auswirkungen der abgeleiteten Instandhaltungsmaßnahmen auf die Leistung des Produktionssystems beschreiben. Dazu wurde das Meta-Lernsystem mit einem Produktionssystem gekoppelt, das im Projekt durch ein ereignisdiskretes Simulationsmodell abgebildet wurde. Die auf den Prognosen aufbauende integrierte Produktions- und Instandhaltungsplanung erfolgte über Prioritätsregeln, die durch simulationsbasierte Optimierung konstruiert wurden. Das Projekt wurde in Kooperation mit Professor Dr.-Ing. Enzo Morosini Frazzon (UFSC, Brasilien) und Professor Dr.-Ing. Carlos Eduardo Pereira (UFRGS, Brasilien) durchgeführt. Finanzielle Unterstützung erfolgte durch die Deutsche Forschungsgemeinschaft (DFG) und durch die brasilianische Koordinationsstelle für die Verbesserung des Hochschulpersonals (CAPES). Ansprechpartner: H. Engbers   (Projektleiter)S. Leohold Förderung durch: DFG Laufzeit: 01.01.2020 - 31.03.2022 Publikationen des Projekts ansehen Alle Projekte ansehen |
