Katsaus rakennekunnossapidon ja ennustavan analytiikan menetelmiin ja sovellutuksiin
Tekijät
Päivämäärä
2019Pääsyrajoitukset
Tekijä ei ole antanut lupaa avoimeen julkaisuun, joten aineisto on luettavissa vain Jyväskylän yliopiston kirjaston arkistotyösemalta. Ks. https://kirjasto.jyu.fi/fi/tyoskentelytilat/laitteet-ja-tilat..
Tässä kandidaatintyössätutkittiin rakennekunnossapidon (SHM, engl. Structural Health Monitoring) ja ennakoivan kunnossapidon (PHM, engl. Prognostic Health Monitoring) menetelmiä ja sovellutuksia kirjallisuuskartoituksena. Erilaisia tekniikoita löytyi, joista osa käytti myös tekoälyä. Älykkäiden talojen suosion kasvaessa kyber-fyysisten järjestelmien, joihin SHM- ja PHM-järjestelmät kuuluvat, suunnittelun tärkeys kasvaa ja näiden merkinnässä pitäisi pyrkiä mahdollisuuksien mukaan järjestelmälliseen ja yhtäläiseen merkintä tapaan, mikä lisää kustannustehokkuutta. Rakennekunnossapidossa ja ennakoivassa analytiikassa on potentiaalia vähentää niin kutsuttua rakennusvelkaa ja helpottaa resurssien käytön ajoittamista. Suomessa on viimein tehostettu kiinteistö- ja rakennusalan digitalisoitumista. In this bachelor’s thesis Structural Health Monitoring (SHM) and Predictive Health Monitoring (PHM) was under a review. Different techniques and methods were found some of which used artificial intelligence. Emergence of Smart Buildings increases the value of design of cyber physical (CP) systems, such as SHM and PHM systems, and in the markings of these CP systems certain formalism should be used systematically, which could decrease expenses. SHM and PHM have potential to lessen the amount of repair of debt and to help in timing of use of resources.
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Kandidaatintutkielmat [5369]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Tekoäly ja rakennusten ennakoiva kunnossapito
Vähäkainu, Petri; Kariluoto, Antti; Neittaanmäki, Pekka (2019)Tämän raportin tarkoituksena on tarkastella tekoälyn hyödyntämistä rakennusten ennakoivassa kunnossapidossa. Raportissa esitellään KIRA-digi –hanke ja kuvataan Jyväskylän yliopiston KIRA-digi –pilottihanke. Raportin alussa ... -
Explainable AI for Industry 4.0 : Semantic Representation of Deep Learning Models
Terziyan, Vagan; Vitko, Oleksandra (Elsevier, 2022)Artificial Intelligence is an important asset of Industry 4.0. Current discoveries within machine learning and particularly in deep learning enable qualitative change within the industrial processes, applications, systems ... -
Haihtumattomat tallennusmenetelmät sulautetussa anturijärjestelmässä
Mäntymaa, Jaakko (2006) -
Sensoridatan hyödyntäminen vetokaluston kunnonvalvonnassa ja ohjauksessa
Vertanen, Dani (2020)Kaluston toimintakyvyn ylläpitäminen on yrityksille tärkeää. Kunnonvalvonnalla voidaan tehostaa kaluston käyttöä, pidentää toiminta-aikaa ja lisätä turvallisuutta. Esineiden internetin sovellukset mahdollistavat kaluston ... -
Poikkeavien energiankulutusten havaitseminen rakennustyypeittäin
Hyvärinen, Joe (2023)Rakennukset kuluttavat merkittävän määrän energiaa koko maailman energiankulutuksesta. Rakennusten energiankulutusten poikkeamien tunnistaminen on merkittävä haaste ja askel eteenpäin ilmastonmuutoksen ja kestävän kehityksen ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.