Mit dem Guide verknüpftes Quiz · Mittel Ebene

KI im Predictive Maintenance-Quiz

Erfahren Sie, wie Methoden des maschinellen Lernens Zustandsüberwachungsdaten nutzen, um Anomalien zu erkennen und die Lebensdauer von Geräten in der Praxis abzuschätzen.

Verwandte FührungspfadeKI in der vorausschauenden Wartung
Frage 1 von 8

Welches Problem löst Predictive Maintenance im Vergleich zur vorbeugenden Wartung in erster Linie?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Welches Problem löst Predictive Maintenance im Vergleich zur vorbeugenden Wartung in erster Linie?
    • Es vermeidet den Austausch funktionsfähiger Teile nach einem festen Zeitplan, da diese nur bei Bedarf repariert werden
    • Dadurch entfallen jegliche Sensoren
    • Dadurch laufen Maschinen schneller
    • Dadurch entfällt der Bedarf an Technikern vollständig
  2. Was ist die Schätzung der „Remaining Useful Life“ (RUL)?
    • Die Gesamtkosten einer Maschine
    • Gibt an, wie lange es dauert, bis eine Komponente ausfällt
    • Die Energie, die ein Motor pro Stunde verbraucht
    • Die Anzahl der Sensoren auf einem Gerät
  3. Which signal is collected in the Case Western bearing fault dataset for rotating-machine diagnostics?
    • Patient electrocardiograms
    • Satellite color channels
    • Vibration acceleration
    • Text sentiment scores
  4. Wie unterstützt ein Autoencoder normalerweise die Anomalieerkennung in PdM?
    • Es beschriftet jeden Fehlertyp automatisch mit seinem Namen
    • Es entstehen neue Maschinen
    • Es ersetzt Vibrationssensoren
    • Es wird nur auf fehlerfreien Daten trainiert und kennzeichnet hohe Rekonstruktionsfehler als abnormal
  5. What edge-computing approach does the cited condition-monitoring paper study?
    • Federated autoencoder training using vibration data at devices near the monitored machines
    • Centralizing all raw data in a public image database
    • Training a language model on maintenance manuals only
    • Replacing sensors with a periodic questionnaire
  6. How does NIST define a digital twin?
    • A maintenance calendar with no model of equipment
    • A virtual representation of a physical or perceived real-world entity
    • A physical duplicate machine kept in storage
    • A guarantee that a machine will not fail
  7. What is the NASA C-MAPSS dataset used to evaluate?
    • Cancer grade classification from biopsy slides
    • Speech recognition in noisy rooms
    • Turbofan engine degradation and remaining-useful-life prediction
    • Global climate averages without time series
  8. How should an anomaly alert from a predictive-maintenance model be interpreted?
    • As a guaranteed failure date
    • As an automatic repair prescription
    • As evidence that no human review is needed
    • As a signal for inspection, not proof of a specific fault or failure time