دانلود کتاب تعمیر و نگهداری پیشبینیکننده در سیستمهای پویا: روشهای پیشرفته، ابزارهای پشتیبانی تصمیمگیری و برنامههای کاربردی در دنیای واقعی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Predictive Maintenance in Dynamic Systems: Advanced Methods, Decision Support Tools and Real-World Applications
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : تعمیر و نگهداری پیشبینیکننده در سیستمهای پویا: روشهای پیشرفته، ابزارهای پشتیبانی تصمیمگیری و برنامههای کاربردی در دنیای واقعی
سری :
نویسندگان : Edwin Lughofer, Moamar Sayed-Mouchaweh
ناشر : Springer International Publishing
سال نشر : 2019
تعداد صفحات : 564
ISBN (شابک) : 9783030056445 , 9783030056452
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 18 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب تصویر کاملی از چندین ابزار پشتیبانی تصمیم برای نگهداری پیشبینی ارائه میدهد. این موارد شامل تعبیه زودهنگام تشخیص ناهنجاری/عیب، تشخیص و استدلال، پیشبینی عمر مفید باقیمانده (پیشآگهی خطا)، پیشبینی کیفیت و خود واکنشی، و همچنین تکنیکهای بهینهسازی، کنترل و خودترمیمی است. این برنامه کاربردهای اخیر این تکنیک ها را در انواع مختلف سیستم های صنعتی (تولید / تاسیسات / تجهیزات / کارخانه ها / دستگاه های هوشمند و غیره) نشان می دهد که به چندین چالش در Industry 4.0 و وظایف مختلف مربوط به جریان های داده بزرگ، اینترنت اشیا، زیرساخت های خاص و ابزارها، دینامیک بالای سیستم و محیط های غیر ثابت. کاربردهای مورد بحث شامل سیستم های تولید و ساخت، تولید و مدیریت انرژی های تجدیدپذیر، سیستم های دریایی، نیروگاه ها و توربین ها، سیستم های تهویه مطبوع، شیرهای کمپرسور، موتورهای القایی، شبیه سازهای پرواز، زیرساخت های راه آهن، ربات های متحرک، امنیت سایبری و اینترنت اشیا می باشد. مشارکتکنندگان با تمرکز ویژه بر روی سیستمهای پویا، فراتر از وضعیت هنر پیش میروند، جایی که بهروزرسانی مدلهای سیستم و تعمیر و نگهداری در پرواز برای حفظ قدرت پیشبینی آنها از اهمیت بالایی برخوردار است.
This book provides a complete picture of several decision support tools for predictive maintenance. These include embedding early anomaly/fault detection, diagnosis and reasoning, remaining useful life prediction (fault prognostics), quality prediction and self-reaction, as well as optimization, control and self-healing techniques. It shows recent applications of these techniques within various types of industrial (production/utilities/equipment/plants/smart devices, etc.) systems addressing several challenges in Industry 4.0 and different tasks dealing with Big Data Streams, Internet of Things, specific infrastructures and tools, high system dynamics and non-stationary environments . Applications discussed include production and manufacturing systems, renewable energy production and management, maritime systems, power plants and turbines, conditioning systems, compressor valves, induction motors, flight simulators, railway infrastructures, mobile robots, cyber security and Internet of Things. The contributors go beyond state of the art by placing a specific focus on dynamic systems, where it is of utmost importance to update system and maintenance models on the fly to maintain their predictive power.