Die Fähigkeit, Störungen in verfahrenstechnischen Anlagen zu erkennen, bevor sie nachhaltige Schäden an der Prozessausrüstung oder teure Produktionsausfälle verursachen, gewinnt zunehmend an wirtschaftlicher Bedeutung. Eine Reihe beeindruckender Beispiele belegt dies. Eingesetzt werden einerseits preiswerte Systeme, die Körperschallsignale interpretieren, andererseits aber auch für spezielle Maschinenarten entwickelte Lösungen. Diese ermöglichen eine auf Expertenwissen aufgebaute Erkennung und Ursachenanalyse irregulärer Betriebszustände. Je detaillierter die gewünschte Diagnose, desto mehr Sensoren sind jedoch nötig. Daraus resultieren die immer wieder gestellten Fragen nach den Kosten, der Wirtschaftlichkeit und der Leistungsfähigkeit solcher Systeme. Auf der Grundlage von Erfahrungen kann in der Regel ein Ausfallrisiko ermittelt werden, das eine Entscheidung über den optimalen Überwachungsaufwand zulässt. Die Leistungsfähigkeit bereits realisierter oder derzeit in der Entwicklung befindlicher modellbasierter oder signalbasierter Systeme ist mittlerweile gekennzeichnet durch ausgereifte Auswertestrategien mit hoher Diagnosequalität und Sensibilität.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.