Erforschung Autoencoder-basierter Predictive Maintenance für Fahrstühle

In dieser Arbeit wird der Einsatz von Autoencodern für Predictive Maintenance von Fahrstuhlsystemen untersucht. Durch die Analyse von Sensordaten, die von drei Beschleunigungssensoren erfasst werden, sollen mithilfe eines Autoencoders Anomalien frühzeitig erkannt und die Instandhaltung effizienter gestaltet werden. Das Projekt bietet eine tiefgehende Exploration von Autoencoder-Architekturen und deren Trainingsstrategien zur Entwicklung einer präzisen Anomalieerkennung. Studierende haben die Möglichkeit, praktische Erfahrungen im Bereich des maschinellen Lernens zu sammeln und eigene Modelle zu entwickeln. Das Thema eignet sich sowohl für Bachelor- und Masterarbeiten als auch für Forschungsprojekte.