Info
Meny
English
Logg inn
Søk etter prosjekter, resultater og personer
Søk etter prosjekter, resultater og personer
Historikk
Cristin-resultat-ID:
1778119
Sist endret:
7. juli 2022, 10:20
NVI-rapporteringsår:
2020
Resultat
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
2020
Smart Maintenance in Asset Management – Application with Deep Learning
Harald Rødseth
Ragnhild Eleftheriadis
Zhe Li
og
Jingyue Li
Bok
Bok
Advanced manufacturing and automation IX
ISBN:
9789811523410
Utgiver
Springer
NVI-nivå 1
Finn i kanalregisteret
Serie
Lecture Notes in Electrical Engineering
ISSN 1876-1100
e-ISSN 1876-1119
NVI-nivå 1
Finn i kanalregisteret
Om resultatet
Om resultatet
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
Publiseringsår: 2020
Volum: 634
Hefte: .
Sider: 608 - 615
ISBN:
9789811523410
Open Access
Lenker
Lenker
original online (doi)
https://doi.org/10.1007/978-981-15-2341-0_76
ORIA
Søk i ORIA med 9789811523410
Institusjonsarkiv
hdl.handle.net/11250/2650447
Importkilder
Importkilder
Scopus-ID: 2-s2.0-85078455587
Klassifisering
Klassifisering
Fagfelt (NPI)
Fagfelt: IKT
- Fagområde: Realfag og teknologi
Beskrivelse
Beskrivelse
Engelsk
Tittel
Smart Maintenance in Asset Management – Application with Deep Learning
Sammendrag
With the onset the digitalization and Industry 4.0, the maintenance function and asset management in a company is forming towards Smart Maintenance. An essential application in smart maintenance is to improve the maintenance planning function with better criticality assessment. With the aid from artificial intelligence it is considered that maintenance planning will provide better and faster decision making in maintenance management. The aim of this article is to develop smart maintenance planning based on principles both from asset management and machine learning. The result demonstrates a use case of criticality assessment for maintenance planning and comprise computation of anomaly degree (AD) as well as calculation of profit loss indicator (PLI). The risk matrix in the criticality assessment is then constructed by both AD and PLI and will then aid the maintenance planner in better and faster decision making. It is concluded that more industrial use cases should be conducted representing different industry branches.
Vis
fullstendig beskrivelse
Bidragsytere
Bidragsytere
Harald Rødseth
Forfatter
ved Institutt for maskinteknikk og produksjon ved Norges teknisk-naturvitenskapelige universitet
Ragnhild Johnsen Eleftheriadis
Bidragsyterens navn vises på dette resultatet som Ragnhild Eleftheriadis
Forfatter
ved SINTEF Manufacturing
Zhe Li
Forfatter
ved Institutt for datateknologi og informatikk ved Norges teknisk-naturvitenskapelige universitet
Jingyue Li
Forfatter
ved Institutt for datateknologi og informatikk ved Norges teknisk-naturvitenskapelige universitet
1
-
4
av
4
Resultatet er en del av
Resultatet er en del av
Advanced manufacturing and automation IX.
Wang, Yi; Martinsen, Kristian; Yu, Tao; Wang, Kesheng. 2020, Springer. SSPU, UOP, NTNU
Vitenskapelig antologi/Konferanseserie
1
-
1
av
1