Am Campus Hagenberg wurde 2019 eine Machine Learning-Methodik zur datenstrombasierten Erkennung von Verhaltensänderungen in industriellen Systemen entwickelt. Die nun publizierte Methodik kann als Basis zur Vorhersage instandhaltungsrelevanter Zustände herangezogen werden.

Im Rahmen einer Umsetzungsstudie in Kooperation mit der Fa. Scheuch GmbH konnte der entwickelte Ansatz erfolgreich getestet werden. Die methodischen Entwicklungen, sowie die Ergebnisse der Studie können nun in der Journalpublikation Machine Learning based concept drift detection for predictive maintenance nachgelesen werden.

Jan Zenisek, et al. “Machine learning based concept drift detection for predictive maintenance.” Computers & Industrial Engineering 137 (2019): 106031.

Persistent Link zu Science Direct:
https://doi.org/10.1016/j.cie.2019.106031

Journal Computers and Industrial Engineering:
https://www.journals.elsevier.com/automation-in-construction