Titlebar

Bibliografische Daten exportieren
Literatur vom gleichen Autor
plus auf ERef Bayreuth
plus bei Google Scholar

 

Potentiale und Einsatzmöglichkeiten von künstlicher Intelligenz in der Fahrzeugtechnik: B15/18

Titelangaben

Riedl, Stefan:
Potentiale und Einsatzmöglichkeiten von künstlicher Intelligenz in der Fahrzeugtechnik: B15/18.
Bayreuth , 2018 . - 77 S.
( Bachelorarbeit, 2018 , Universität Bayreuth, Fakultät für Ingenieurwissenschaften, Lehrstuhl Konstruktionslehre/CAD)

Abstract

Dass nicht nur im Bereich des selbstfahrenden Autos selbst, sondern in der kompletten Automobilindustrie großes Potential in der KI steckt, zeigt die enorme Investitionssumme von rund einer Milliarde US Dollar, die sowohl Toyota als auch Tesla Ende 2015 in die Forschung im Bereich KI angekündigt haben. Dadurch kann in der Automobilindustrie über die komplette Wertschöpfungskette hinweg, sei es im Einkauf, in der Produktion und Logistik, als auch in der technischen Entwicklung von KI-Anwendungen profitiert werden. So werden völlig neue Produkte, Prozesse und Dienstleistungen möglich. Speziell auf die Bereiche Technik und technische Entwicklung soll der Fokus dieser Arbeit liegen. Es wird zunächst ein allgemeiner Überblick über den Begriff der KI gegeben und der grundlegende Ablauf, wie einem Modell Daten erlernt werden können, demonstriert. Danach werden konkrete Machine Learning (ML)-Anwendungsbeispiele aus der Fahrzeugtechnik und technischen Entwicklung beschrieben und die mathematischen Hintergründe der Lernalgorithmen einer logistischen Regression (LR), Support Vector Machine (SVM) und Random Forest (RF) vorgestellt. Zum Schluss wird ein eigenes Experiment aus dem Bereich der prädiktiven Instandsetzung (\glqqPredictive Maintenance\grqq) umgesetzt. Ziel hierbei ist, mithilfe von ML-Anwendungen ein System zu entwickeln, welches in der Lage ist das Versagen des Druckluftsystems in einem Lkw zu prognostizieren, bevor ein solches überhaupt auftritt. Diesem System können anschließend Kosten zugeordnet werden und dem Lkw-Unternehmen so eine kostenminimale Lösung für das Entdecken eines defekten Druckluftsystems präsentiert werden.

Weitere Angaben

Publikationsform: Bachelorarbeit
Keywords: Autonomes Fahren; Fahrzeugtechnik; KI, Künstliche Intellignez
Institutionen der Universität: Fakultäten > Fakultät für Ingenieurwissenschaften > Lehrstuhl Konstruktionslehre/CAD
Fakultäten > Fakultät für Ingenieurwissenschaften > Lehrstuhl Konstruktionslehre/CAD > Lehrstuhl Konstruktionslehre/CAD - Univ.-Prof. Dr.-Ing. Frank Rieg
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Eingestellt am: 18 Jan 2019 09:45
Letzte Änderung: 18 Jan 2019 09:45
URI: https://eref.uni-bayreuth.de/id/eprint/46947