Smart Condition Monitoring HLF

Condition Monitoring Systeme basierend auf Ansätzen der statistischen Prozesslenkung. Die HLF ist in das Netzwerk der OST integriert. Während dem Unterricht werden die Datenströme der HLF analysiert. Durch die Integration in ein Condition Monitoring Systeme (CMS) kann die HLF in Echtzeit überwacht werden und die Daten stehen dem Anwender in Echtzeit zur Verfügung.

Metadaten
Version	1
Bloomsche Taxonomy	K3 - anwenden K4 - analysieren K6 - beurteilen
Sprache	Deutsch
Anzahl Lektionen	6
Art des Unterrichts	Vorlesung Übung (ohne Labor/Werkstätte)
Voraussetzungen	Python, statistischer Prozesskontrolle
Vorbereitungen, Bedingungen	Festo HLF Anlage Buchs und Zugang zum OST Netzwerk in Buchs (vor Ort oder mit VPN)
Lernziele	1 Anwenden und verstehen von Condition Monitoring Systemen basierend auf Ansätzen der statistischen Prozesslenkung K4 Analyse 2 Arbeiten mit Datenbanken und REST Schnittstellen innerhalb von Python K3 Anwenden 3 Geeignete Trainingsdaten aufnehmen, CMS Systeme trainieren und damit die Produktion der HLF zu überwachen K4 Analyse 4 Die Chancen und Grenzen datenbasierter Modelle bei der Produktionsüberwachung beurteilen K6 Beurteilen
Autor	Philip Trauth
Co-Autor:innen
Original-Studiengang	Mechatronik Informatik . Semester
Dateien	https://sf.infs.ch/wp-content/uploads/1206/Uebungsunterlagen.zip Uebungsunterlagen (Typ: application/zip) https://sf.infs.ch/wp-content/uploads/1206/Hauptdokument.odt Hauptdokument (Typ: application/vnd.oasis.opendocument.text)
Zip-Datei	1206 (Typ: application/zip)

Der Lerninhalt ist schwierig!/The learning content is difficult!

Der Lerninhalt ist praxisorientiert!/The learning content is practice-orientated!

Das Material unterstützt mich!/The learning material supports me!