Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Johansson, C. A." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Aggregation of electric current consumption features to extract maintenance KPIs
    Agregacja cech konsumpcji prądu elektrycznego do wyodrębnienia kluczowych wskaźników efektywności (KPI) utrzymania ruchu
    Autorzy:
    Simon, V.
    Johansson, C. A.
    Galar, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/410081.pdf
    Data publikacji:
    2017
    Wydawca:
    STE GROUP
    Tematy:
    fingerprint
    operational data
    condition based maintenance (CBM)
    condition monitoring (CM)
    energy optimization
    machine tool
    odcisk palca
    dane operacyjne
    utrzymanie na podstawie stanu technicznego (CBM)
    monitoring stanu (CM)
    optymalizacja energii
    obrabiarki
    Opis:
    All electric powered machines offer the possibility of extracting information and calculating Key Performance Indicators (KPIs) from the electric current signal. Depending on the time window, sampling frequency and type of analysis, different indicators from the micro to macro level can be calculated for such aspects as maintenance, production, energy consumption etc. On the micro-level, the indicators are generally used for condition monitoring and diagnostics and are normally based on a short time window and a high sampling frequency. The macro indicators are normally based on a longer time window with a slower sampling frequency and are used as indicators for overall performance, cost or consumption. The indicators can be calculated directly from the current signal but can also be based on a combination of information from the current signal and operational data like rpm, position etc. One or several of those indicators can be used for prediction and prognostics of a machine’s future behavior. This paper uses this technique to calculate indicators for maintenance and energy optimization in electric powered machines and fleets of machines, especially machine tools.
    Wszystkie urządzenia elektryczne oferują możliwość wydobywania informacji i obliczania Kluczowych Wskaźników Efektywności (ang. Key Performance Indicators, KPI) z sygnału prądu elektrycznego. W zależności od okna czasowego, częstotliwości próbkowania i rodzaju analizy, różne wskaźniki od mikro do makro poziomu, można obliczyć dla takich aspektów jak utrzymanie ruchu, produkcja, zużycie energii itp. Na poziomie mikro wskaźniki są powszechnie stosowane do monitorowania stanu i diagnostyki oraz zazwyczaj są oparte na krótkim oknie czasowym i mają dużą częstotliwość próbkowania. Wskaźniki makro są zwykle oparte na dłuższym oknie czasowym z wolniejszą częstotliwością próbkowania i są używane jako wskaźniki dla ogólnej wydajności, kosztu lub zużycia. Wskaźniki można obliczyć bezpośrednio z sygnału prądu elektrycznego, ale mogą być one również oparte na połączeniu informacji z sygnału prądu elektrycznego i danych operacyjnych, takich jak obroty na minutę (ang. Revolutions Per Minute, RPM), pozycja itp. Jeden lub kilka z tych wskaźników można wykorzystać do przewidywania i prognozowania przyszłego zachowania maszyny. W niniejszym artykule wykorzystano tę technikę do obliczania wskaźników utrzymania ruchu i optymalizacji energii w maszynach elektrycznych i flotach maszyn, zwłaszcza obrabiarek.
    Źródło:
    Management Systems in Production Engineering; 2017, 3 (25); 183-190
    2299-0461
    Pojawia się w:
    Management Systems in Production Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bottom to top approach for railway KPI generation
    Podejście „bottom to top” w tworzeniu KPI dla kolei
    Autorzy:
    Villarejo, R.
    Johansson, C. A.
    Leturiondo, U.
    Simon, V.
    Seneviratne, D.
    Galar, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/409761.pdf
    Data publikacji:
    2017
    Wydawca:
    STE GROUP
    Tematy:
    railway assets
    fusion
    hierarchy
    aggregation
    KPI
    performance
    condition monitoring
    CMMS
    zasoby kolejowe
    synteza/połączenie
    hierarchia
    agregacja
    wydajność
    monitoring stanu
    Opis:
    Railway maintenance especially on infrastructure produces a vast amount of data. However, having data is not synonymous with having information; rather, data must be processed to extract information. In railway maintenance, the development of key performance indicators (KPIs) linked to punctuality or capacity can help planned and scheduled maintenance, thus aligning the maintenance department with corporate objectives. There is a need for an improved method to analyse railway data to find the relevant KPIs. The system should support maintainers, answering such questions as what maintenance should be done, where and when. The system should equip the user with the knowledge of the infrastructure's condition and configuration, and the traffic situation so maintenance resources can be targeted to only those areas needing work. The amount of information is vast, so it must be hierarchized and aggregated; users must filter out the useless indicators. Data are fused by compiling several individual indicators into a single index; the resulting composite indicators measure multidimensional concepts which cannot be captured by a single index. The paper describes a method of monitoring a complex entity. In this scenario, a plurality of use indices and weighting values are used to create a composite and aggregated use index from a combination of lower level use indices and weighting values. The resulting composite and aggregated indicators can be a decisionmaking tool for asset managers at different hierarchical levels.
    Utrzymanie kolei, zwłaszcza infrastruktury kolejowej, wytwarza ogromne ilości danych. Jednakże posiadanie danych nie jest równoznaczne z posiadaniem informacji; dane muszą być przetwarzane w celu pozyskania informacji. W utrzymaniu kolei opracowanie kluczowych wskaźników efektywności (KPI) powiązanych z punktualnością lub przepustowością może pomóc zaplanować konserwacje, tym samym dostosowując/wyrównując serwis techniczny do/z celów/celami przedsiębiorstwa. Istnieje zapotrzebowanie na ulepszoną metodę analizy danych kolejowych w celu znalezienia właściwych wskaźników KPI. System powinien wspierać serwisantów, odpowiadając na takie pytania jak: jakie należy przeprowadzić konserwacje, gdzie i kiedy. System powinien wyposażyć użytkownika w wiedzę o kondycji i konfiguracji infrastruktury, a także sytuacji na drogach, dzięki czemu zasoby obsługi technicznej mogą być kierowane jedynie na te obszary, które wymagają pracy. Ilość informacji jest ogromna, więc muszą być one hierarchizowane i zagregowane; użytkownicy muszą przefiltrować bezużyteczne wskaźniki. Dane są łączone przez zestawianie kilku indywidualnych wskaźników w jeden indeks; wynikowe wskaźniki zespolone mierzą wielowymiarowe pojęcia, których nie można przechwycić przez pojedynczy indeks. W artykule opisano metodę monitorowania złożonej jednostki. W tym przypadku stosuje się mnogość indeksów użycia i wartości ważonych, aby utworzyć złożony i zagregowany indeks użycia z kombinacji wskaźników użycia niższego poziomu i wartości ważonych. Uzyskane złożone i zagregowane wskaźniki mogą stanowić narzędzie decyzyjne dla menedżerów zarządzających zasobami na różnych poziomach hierarchi.
    Źródło:
    Management Systems in Production Engineering; 2017, 3 (25); 191-198
    2299-0461
    Pojawia się w:
    Management Systems in Production Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    System identification and tuning of wireless power transfer systems with multiple magnetically coupled resonators
    Autorzy:
    Winges, J.
    Rylander, T.
    Petersson, C.
    Ekman, C.
    Johansson, L.-Å.
    McKelvey, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/136270.pdf
    Data publikacji:
    2017
    Wydawca:
    EEEIC International Barbara Leonowicz Szabłowska
    Tematy:
    wireless power transfer
    magnetically coupled resonators
    system identification
    tuning
    Bayesian estimation
    impedance matching
    charging electric vehicles
    Opis:
    We present a procedure for system identification and tuning of a wireless power transfer (WPT) system with four magnetically coupled resonators, where each resonator consists of a coil and a capacitor bank. The system-identification procedure involves three main steps: 1) individual measurement of the capacitor banks in the system; 2) measurement of the frequency-dependent two-port impedance matrix of the magnetically coupled resonators; and 3) determining the inductance of all coils and their corresponding coupling coefficients using a Bayesian approach. The Bayesian approach involves solving an optimization problem where we minimize the mismatch between the measured and simulated impedance matrix together with a penalization term that incorporates information from a direct measurement procedure of the inductance and losses of the coils. This identification procedure yields an accurate system model which we use to tune the four capacitance values to recover high system-performance and account for, e.g., manufacturing tolerances and coil displacement. For a prototype WPT system, we achieve 3.3 kW power transfer with 91% system efficiency over an air-gap distance of approximately 20 cm.
    Źródło:
    Transactions on Environment and Electrical Engineering; 2017, 2, 2; 86-92
    2450-5730
    Pojawia się w:
    Transactions on Environment and Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies