Maschinelles Lernen für intelligentes Monitoring in der Tribologie

Maschinelles Lernen bzw. Künstliche Intelligenz zählen zu den Megatrends der nächsten 10 Jahre . Die verschiedenen Möglichkeiten diese Technologien einzusetzen und die daraus entstehende Potenziale sind enorm. Vor allem in Bereichen, wo eine physikalische Modellbeschreibung auf Grund der Komplexität oder der Datenmenge nicht zielführend ist (Steuerung und Analyse im Mobilitätsbereich – Autonomes Fahren, Überwachung von Prozessen in der produzierenden Industrie). Ziel des Projektes ist die Darstellung des Potenzials von maschinellen Lernverfahren zur Online Überwachung von Gleitlagern. Durch die Kombination von neuen nicht-invasiven Sensoren (DISS) mit maschinellen Lernverfahren soll ein möglicher frühzeitiger Totalausfall von Gleitlagern vorhergesagt werden.

©

DISS