Till innehåll på sidan

Uncertainty Management for Automated Diagnostics of Production Machinery

Tid: Fr 2020-06-12 kl 14.00

Plats: https://kth-se.zoom.us/webinar/register/WN_arJFK6C3Qd2pbTR5zjTHkQ, http://Vid fysisk närvaro eller Du som saknar dator/ datorvana kan kontakta service@itm.kth.se (English), (English)

Ämnesområde: SRA - Produktion

Respondent: Károly Szipka , Industriell produktion, KTH IIP

Opponent: Assoc. Prof. Giuliano Bissacco, DTU Technical University of Denmark

Handledare: Prof. Andreas Archenti, Design and Management of Manufacturing Systems, DMMS, Industriell produktion

Exportera till kalender

Abstract

Varken produktionsmaskiner eller produktionssystem kommer någonsin att bli fullständigt beskrivbara eller förutsägbara. Detta resulterar i ett kontinuerligt behov av övervakning och diagnostik av anordningar och system för att kunna hantera relaterade osäkerheter. I avancerade produktionssystem måste osäkerhet vara föremål för en systematisk hanteringsprocess för att upprätthålla maskinshälsa och förbättra prestanda. Automatisering av diagnostik kan fundamentalt förbättra denna hanteringsprocess genom att tillhandahålla en prisvärd och skalbar informationsk

älla.

I den här avhandlingen fastställs de viktiga aspekterna av osäkerhetshantering i produktionssystem och detta utgör grunden för konstruktionen av ett osäkerhetsbaserat ramverk för maskindiagnostik. Det föreslagna ramverket kräver flexibla, snabba, integrerade och automatiserade diagnostiska metoder. En tröghetsmätningsbaserad testmetod presenteras för att uppfylla dessa krav och möjliggöra automatiserade mätningar för diagnostik av produktionsmaskiner. De erhållna insikterna och kunskaperna relaterade till produktionsmaskinens hälsa och kapacitet förbättrar transparens, förutsägbarhet och pålitlighet för produktionsmaskiner och produktionssystem. Dessa förbättringar leder till ökad övergripande utrustningseektivitet och högre resurseektivitet.

Nyckelord: Osäkerhetshantering, Automatiserad Diagnostik,

Tröghetsmätningsenhet

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-273580