Predictive Maintenance

Machine Learning und Künstliche Intelligenz werden in diesem Seminar im Kontext des Maschinebaus praxisnah vermittelt. Algorithmen des Supervised und Unsupervised Learnings werden anwendungsorientiert eingeführt und anhand von Beispielen, Aufgaben und Mini-Projekten im Kontext der vorausschauenden Wartung (engl. Predictive Maintenance) vertieft und eingeübt. Im Speziellen werden die Teilaspekte Remaining Useful Life (RUL) Prediction, Time to Failure (TTF) Prediction, Fault Classification, Anomaliedetektion der Predictive Maintenance behandelt. Da es sich um ein aktuelles und dynamisches Thema handelt, fließen Erkenntnisse aus aktuellen Publikationen im Kontext der Predictive Maintenance mit in das Seminar ein.

Dozent
Prof. Dr. Markus Goldhacker, Fakultät M
Offen für Studierende von
EI, PA
Studierende anderer Studiengänge können sich diesen Kurs u.U. dennoch anrechnen lassen oder diesen freiwillig absolvieren. Weitere Infos dazu erhalten Sie in unseren FAQ’s.
Veranstaltungstyp
Seminaristischer Unterricht
Lehrsprache
Deutsch
4 SWS / 5 ECTS
Modultermine
Mo., 08:15 – 09:45 Uhr
Mi., 08:15 – 09:45 Uhr

Diese Kursübersicht ist ein Informationsangebot, bindend sind die Angaben in den Modulhandbüchern der einzelnen Studiengänge.

-> weiter zum Kurs auf GRIPS

©Photo by Stella Jacob on UnPhoto by Shahadat Rahman on Unsplash