A Data-Driven Approach for Predictive Maintenance Integrated Production Scheduling

Datengetriebener Ansatz zur integrierten Produktions- und Instandhaltungsplanung mittels Predictive Maintenance

Technical University of Munich Technische Universität München 2024-01-19

This dissertation proposes an approach that integrates predictive maintenance models with production and maintenance scheduling. A generative deep learning model was applied to derive an operation-specific health indicator for subsequent scheduling. Finally, the approach was tested using simulated and real industrial data and was prototypically implemented in the automotive industry.
Diese Dissertation präsentiert einen ganzheitlichen Ansatz, der Predictive-Maintenance-Modelle mit der Produktions- und Instandhaltungsplanung integriert. Der Ansatz beinhaltet ein generatives Deep-Learning-Modell, um einen operationsspezifischen Gesundheitsindikator aus industriellen Zustandsüberwachungsdaten abzuleiten. Mittels simulierter und realen Daten aus der Industrie wurde der Ansatz getestet und abschließend prototypisch in der Automobilindustrie implementiert.

info:eu-repo/classification/ddc/620; Ingenieurwissenschaften; info:eu-repo/classification/ddc/650; Management, Öffentlichkeitsarbeit; info:eu-repo/classification/ddc/670; Industrielle Fertigung; Predictive Maintenance, Integrated Planning, Generative Artificial Intelligence; Predictive Maintenance, integrierte Planung, generative künstliche Intelligenz; thesis; doc-type:doctoralThesis

Open access content. Open access content
info:eu-repo/semantics/openAccess

application/pdf
application/pdf
English

DETUM oai:mediatum.ub.tum.de:node/1703829
1429849020

TECHNISCHEN UNIVERSITAT MUNCHEN
From OAIster®, provided by the OCLC Cooperative.

edsoai.on1429849020