Reliability Engineering & System Safety, eine renommierte Elsevier-Zeitschrift im Bereich der Zuverlässigkeit komplexer technischer Systeme, veröffentlichte kürzlich einen Artikel der Elger-Gruppe zum Thema "Predictive Maintenance enabled by machine learning: Use Cases and Challenges in the Automotive Industry" (Anwendungsfälle und Herausforderungen in der Automobilindustrie). Inzwischen ist es das am häufigsten heruntergeladene Paper der letzten 90 Tage.
Es wurde eine umfassende Untersuchung durchgeführt, um eine Vielzahl von Anwendungen in der Automobilindustrie zu beschreiben, bei denen eine durch maschinelles Lernen ermöglichte vorausschauende Wartung erfolgreich eingesetzt wurde. Die ausgewählten Arbeiten sind sehr vielfältig und setzen sich mit der Reifeninspektion bis hin zu Fehlern in elektrischen Fahrzeugbatterien auseinander. Die Methoden des maschinellen Lernens reichen von Random Forest über inkrementelles Lernen bis hin zu Deep Learning. Außerdem werden offene Herausforderungen und mögliche Forschungsrichtungen aufgezeigt.
[1] Andreas Theissler, Judith Pérez-Velázquez, Marcel Kettelgerdes, Gordon Elger, Predictive maintenance enabled by machine learning: Use cases and challenges in the automotive industry, Reliability Engineering & System Safety, Volume 215, 2021, 107864, ISSN 0951-8320.
