Literature by the same author
plus at Google Scholar

Bibliografische Daten exportieren
 

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

Title data

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

Abstract in another language

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.

Further data

Item Type: Bachelor thesis
Keywords: Autonomes Fahren; Fahrzeugtechnik; KI, Künstliche Intellignez
Institutions of the University: Faculties > Faculty of Engineering Science > Chair Engineering Design and CAD
Faculties > Faculty of Engineering Science > Former Professors > Chair Engineering Design and CAD - Univ.-Prof. Dr.-Ing. Frank Rieg
Faculties
Faculties > Faculty of Engineering Science
Faculties > Faculty of Engineering Science > Former Professors
Result of work at the UBT: Yes
DDC Subjects: 600 Technology, medicine, applied sciences > 620 Engineering
Date Deposited: 18 Jan 2019 09:45
Last Modified: 18 Jan 2019 09:45
URI: https://eref.uni-bayreuth.de/id/eprint/46947