Prädiktive Instandhaltung – Zustandsüberwachung und Ausfallvorhersage von Fahrzeugkomponenten

On-Demand Webinar | 40 Minuten

Zuverlässige Prognose von Nutzungszeiten mit Hilfe digitaler Zwillinge

Prädiktive Instandhaltung – Zustandsüberwachung und Ausfallvorhersage von Fahrzeugkomponenten
Prädiktive Instandhaltung – Zustandsüberwachung und Ausfallvorhersage von Fahrzeugkomponenten

Prädiktive Instandhaltung kann ungewollte Komponentenausfälle verhindern. Durch den Einsatz verschiedener Lösungen gelingt die Überwachung von Fahrzeugkomponenten und die Abschätzung der Restlebensdauer.

Lernen Sie in diesem Webinar verschiedene Methoden kennen, um durch Datenanalyse und Virtual Sensing Technologien ein besseres Systemverständnis zu entwickeln und reale Nutzungsdaten mit Systemsimulation und/oder CAE im Rahmen eines digitalen Zwillings zu verbinden.

In 40 Minuten zeigen wir Ihnen,

  • Methoden zur prädiktiven Instandhaltung,
  • wie Probleme frühzeitig entdeckt werden, bevor es zum Komponentenversagen kommt,
  • Konzepte für die Minimierung von Ausfällen und Maximierung der Nutzungsdauer.

Wenn Sie Fragen haben oder weitere Informationen zum Thema möchten, sprechen Sie uns gerne an:
Vertrieb kontaktieren >


Ihre Referent:

Ralf Leis

Business Development Manager, Siemens Digital Industries Software

Ralf Leis studierte Bauingenieurwesen mit dem Schwerpunkt Stahlbau, Stahlbetonbau und Bodenmechanik in Kaiserslautern, bevor er als Projektingenieur bei LMS Engineering und dann in verschiedenen Engineering-Consultingprojekten im Bereich der Betriebsfestigkeit bei Siemens arbeitete. Aktuell ist er als Business Development Manager für Datenanalyse und Betriebsfestigkeit tätig. Er verfügt über eine langjährige Erfahrung in der Planung und Durchführung verschiedener Arten von Betriebsfestigkeitsprojekten mit Schwerpunkt in der Fahrzeugentwicklung, von Betriebslastenmessungen, der Datenverarbeitung und -analyse bis hin zur CAE-basierten Lebensdaueranalyse. Aktuell beschäftigt er sich unter anderem mit der Anwendung von KI und Machine Learning als Unterstützung in den verschiedenen Phasen der Produktentwicklung.