Die Anforderungen an die Verlässlichkeit, Ressourceneffizienz und Benutzungsfreundlichkeit von technischen Systemen steigen stetig. Hohe Potenziale zur Realisierung derartiger Anforderungen liefern Lösungen aus dem Kontext der Selbstoptimierung. Diese ermöglichen die Integration von intelligentem Verhalten in mechatronische Systeme mit dem Ziel, Maschinen und Anlagen zu realisieren, die sich eigenständig an sich ändernde Betriebsbedingungen anpassen. Im Rahmen des Spitzenclusters Intelligente Technische Systeme Ost-WestfalenLippe (it’s OWL) werden Unternehmen befähigt, Potenziale der Selbstoptimierung zu erkennen und diese unter Anleitung von Experten umzusetzen. Im Rahmen dieses Beitrags wird die Leistungsfähigkeit der Lösungen am Beispiel der Lernverfahren sowie ein Vorgehen zur Potenzialanalyse vorgestellt.
%0 Journal Article
%1 GausemeierIwanekEtAl14im-gito
%A Gausemeier, Jürgen
%A Iwanek, Peter
%A Vaßholz, Mareen
%D 2014
%J Industrie Management
%K 01841 gito paper embedded ai factory process optimize learn zzz.i40
%N 6
%P 55--58
%T Selbstoptimierung im Maschinen- und Anlagenbau: Durch Selbstoptimierung intelligente technische Systeme des Maschinen- und Anlagenbaus entwickeln
%V 30
%X Die Anforderungen an die Verlässlichkeit, Ressourceneffizienz und Benutzungsfreundlichkeit von technischen Systemen steigen stetig. Hohe Potenziale zur Realisierung derartiger Anforderungen liefern Lösungen aus dem Kontext der Selbstoptimierung. Diese ermöglichen die Integration von intelligentem Verhalten in mechatronische Systeme mit dem Ziel, Maschinen und Anlagen zu realisieren, die sich eigenständig an sich ändernde Betriebsbedingungen anpassen. Im Rahmen des Spitzenclusters Intelligente Technische Systeme Ost-WestfalenLippe (it’s OWL) werden Unternehmen befähigt, Potenziale der Selbstoptimierung zu erkennen und diese unter Anleitung von Experten umzusetzen. Im Rahmen dieses Beitrags wird die Leistungsfähigkeit der Lösungen am Beispiel der Lernverfahren sowie ein Vorgehen zur Potenzialanalyse vorgestellt.
@article{GausemeierIwanekEtAl14im-gito,
abstract = {Die Anforderungen an die Verlässlichkeit, Ressourceneffizienz und Benutzungsfreundlichkeit von technischen Systemen steigen stetig. Hohe Potenziale zur Realisierung derartiger Anforderungen liefern Lösungen aus dem Kontext der Selbstoptimierung. Diese ermöglichen die Integration von intelligentem Verhalten in mechatronische Systeme mit dem Ziel, Maschinen und Anlagen zu realisieren, die sich eigenständig an sich ändernde Betriebsbedingungen anpassen. Im Rahmen des Spitzenclusters Intelligente Technische Systeme Ost-WestfalenLippe (it’s OWL) werden Unternehmen befähigt, Potenziale der Selbstoptimierung zu erkennen und diese unter Anleitung von Experten umzusetzen. Im Rahmen dieses Beitrags wird die Leistungsfähigkeit der Lösungen am Beispiel der Lernverfahren sowie ein Vorgehen zur Potenzialanalyse vorgestellt.},
added-at = {2017-11-04T19:07:46.000+0100},
author = {Gausemeier, J{\"u}rgen and Iwanek, Peter and Va{\ss}holz, Mareen},
biburl = {https://www.bibsonomy.org/bibtex/28b0fa5a8b0e66cf8b8a919ff00b6daa2/flint63},
file = {Gito Download:2014/GausemeierIwanekEtAl14im-gito.pdf:PDF},
groups = {public},
interhash = {cb98c1802e00dff1c4b7bd3e763df174},
intrahash = {8b0fa5a8b0e66cf8b8a919ff00b6daa2},
issn = {1434-1980},
journal = {Industrie Management},
keywords = {01841 gito paper embedded ai factory process optimize learn zzz.i40},
number = 6,
pages = {55--58},
timestamp = {2018-04-16T12:24:09.000+0200},
title = {{Selbstoptimierung im Maschinen- und Anlagenbau: Durch Selbstoptimierung intelligente technische Systeme des Maschinen- und Anlagenbaus entwickeln}},
username = {flint63},
volume = 30,
year = 2014
}