Zusammenfassung
Die Betrachtung eines einzelnen Produkts im direkten Feldbetrieb mit intelligenten Diagnosefunktionen wird durch die Menge der verfügbaren Daten immer wichtiger. Lässt sich der Zustand des individuellen Produkts über eine Diagnose bestimmen, kann diese Information auch zur Restlebensdauerprognose genutzt werden. Man spricht dabei im Allgemeinen von „Prognostics & Health Management“. Die wichtigsten Begriffe, Methoden, Modelle und Ansätze werden in Kap. 12 behandelt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Committee Standards IEEE (2017) IEEE 1856-2017 standard framework for prognostics and health management of electronic systems IEEE standard framework for prognostics and health management of electronic systems. IEEE
Goebel K, Daigle M, Abhinav S, Sankararaman S, Roychoudhury I, Celaya J (2017) Prognostics: the science of prediction
Henß M (2021) Dissertation: Methodik zur Konzeption, Analyse und Modellierung von Lösungen im Prognostics and Health Managment. Stuttgart
Coble, Baalis J (2010) Merging data sources to predict remaining useful life – an automated method to identify prognostic parameters. University of Tennessee
Rakowsky U, Bertsche B (2015) Introducing type 5 to prognostics and health management classification schemes. In: Safety and reliability of complex engineered systems. Taylor & Francis Group, London
Diesch M (2022) Methodik zur Verknüpfung von Zuverlässigkeit und PHM. Universität Stuttgart, Stuttgart
Haibach E (2006) Betriebsfestigkeit. Springer, Heidelberg
Sankararaman S, Ling Y, Mahadevan S (2011) Uncertainty quantification and model validation of fatigue crack growth. Eng Fract Mech. Elsevier
Koller O (2016) Zuverlässigkeit von Leistungsmodulen im elektrischen Antriebsstrang. Universität Stuttgart, Stuttgart
Henß M, Bertsche B (2019) AutoEncoder basierte automatisierte Zustandsdiagnose von Wälzlagern. Tagung Technische Zuverlässigkeit, Stuttgart
Gretzinger Y (2022) Steigerung der nutzbaren Restlebensdauer von Zahnrädern durch eine adaptive Betriebsstrategie. Universität Stuttgart, Stuttgart
Diesch M, Bubolz T, Dazer M, Lucan K, Bertsche B (2019) Application of virtual sensors for stress-related design and operation-specific lifetime prognosis. 14. Internationale MTZ-Fachtagung Großmotoren, 2019. Friedrichshafen, Deutschland
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature
About this chapter
Cite this chapter
Bertsche, B., Dazer, M. (2022). Einführung in Prognotics and Health Management (PHM). In: Zuverlässigkeit im Fahrzeug- und Maschinenbau. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-65024-0_12
Download citation
DOI: https://doi.org/10.1007/978-3-662-65024-0_12
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-65023-3
Online ISBN: 978-3-662-65024-0
eBook Packages: Computer Science and Engineering (German Language)