23, 2018, 55-57
Produktivitätstreiber Maintenance 4.0: Instandhaltungsmanagement für die Fabrik der Zukunft

Bibtex

Cite as text

						@Article{Blechschmidt+März,
							 
							Year= "2018", 
							Number= "3", 
							 Volume= "23", 
							Pages= "55-57", 
							Journal   = "Fabriksoftware",
							 Title= "Produktivitätstreiber Maintenance 4.0: Instandhaltungsmanagement für die Fabrik der Zukunft", 
							Author= "Nils {Blechschmidt} und Markus {März}", 
							Doi= "https://doi.org/10.30844/fs18-3_55-57", 
							 Abstract= "Die Anlagenintensität nimmt zu, Maschinen und Roboter bestimmen gemeinsam mit den Menschen die industrielle Wertschöpfung. Dieser Beitrag zeigt, wie eine weiterentwickelte Instandhaltung zur technischen Basis und zum Effizienzmotor in der Industrieproduktion wird. Er beleuchtet die Handlungsfelder Predictive Maintenance, Mobile Instandhaltung und Asset Innovation.", 
							 Keywords= "Kontinuierliche Bewegungen, Industrieroboter, Reinforcement Learning, künstliche neuronale Netze, Kamerabilder, selbstlernende Systeme, dynamische Prozessbedingungen, adaptive Regelung", 
							}
					
Nils {Blechschmidt} und Markus {März}(2018): Produktivitätstreiber Maintenance 4.0: Instandhaltungsmanagement für die Fabrik der Zukunft. 233(2018), S. 55-57. Online: https://doi.org/10.30844/fs18-3_55-57 (Abgerufen 30.12.24)

Abstract

Abstract

Die Anlagenintensität nimmt zu, Maschinen und Roboter bestimmen gemeinsam mit den Menschen die industrielle Wertschöpfung. Dieser Beitrag zeigt, wie eine weiterentwickelte Instandhaltung zur technischen Basis und zum Effizienzmotor in der Industrieproduktion wird. Er beleuchtet die Handlungsfelder Predictive Maintenance, Mobile Instandhaltung und Asset Innovation.

Keywords

Schlüsselwörter

Kontinuierliche Bewegungen, Industrieroboter, Reinforcement Learning, künstliche neuronale Netze, Kamerabilder, selbstlernende Systeme, dynamische Prozessbedingungen, adaptive Regelung

References

Referenzen

GITO events | library.gito