Multifunktionale ländliche Wege sind zur Nutzung durch den land- und forstwirtschaftlichen Verkehr sowie als Rad-, Wander- und Reitweg bestimmt. Das Gutachten zeigt die Möglichkeiten einer adäquaten Widmung und Finanzierung sowie die rechtlichen Grundlagen zu Fragen der Unterhaltung, Haftung und Verkehrssicherungspflicht auf.

Methoden zur Steigerung der Effektivität, Produktivität oder Zuverlässigkeit von Fertigungsanlagen werden bislang systematisch unvollständig angewendet. In der vorliegenden Arbeit werden bekannte Methoden in ihrer Wirkung auf die Prozesszuverlässigkeit hin untersucht. Grundsätzlich wird dabei das Fertigungssystem als sozio-technisches System im Sinne des MTO-Ansatzes (Mensch-Technik-Organisation) betrachtet und die Methoden auf die einzelnen Systemelemente angewendet. Die Prozesszuverlässigkeit wird in den Dimensionen Verfügbarkeit, Leistungs- und Qualitätsgrad betrachtet. Die aus der Analyse der Methoden abgeleiteten Standardabläufe beziehen sich auf die beiden Lebensphasen der Fertigungsanlage - Entwicklung- und Betriebsphase - in welchen die Prozesszuverlässigkeit maßgeblich bestimmt wird bzw. von besonderer Bedeutung ist. Die Akquise von Zustandsinformationen ist zur Verbesserung der Prozesszuverlässigkeit von zentraler Bedeutung. Der Nutzen und die Wirksamkeit werden am Beispiel einer permanenten, vorausschauenden Zustandsüberwachung nachgewiesen.

An Oberleitungen von spurgeführten elektrischen Nahverkehrssystemen werden sehr hohe Zuverlässigkeitsanforderungen gestellt, die durch eine belastungsgerechte Instandhaltung erfüllt werden. Die gegenwärtige Instandhaltungspraxis wird analysiert und die damit erreichte Anlagenverfügbarkeit bestimmt. Als Ergebnis dieser Analyse werden die Arbeitsschwerpunkte identifiziert und besonders instandhaltungsintensive Komponenten oder Bauweisen der Oberleitung ermittelt. An diesen wird untersucht, woraus der erhöhte Instandhaltungsaufwand resultiert und mit welchen Abhilfemaßnahmen dem entgegen gewirkt werden kann. Dabei wird ein Bündel von Einzelmaßnahmen durch theoretische Betrachtungen, Labor- und Feldversuche sowie Simulationsrechnungen betrachtet und die Wirksamkeit bewertet. Parallel wird ein fahrzeugseitiges Monitoringsystem zur qualitativen Bewertung der Kontaktgüte zwischen Stromabnehmer und Oberleitung entwickelt, erprobt und verifiziert. Zusammen mit dafür entwickelten Auswertungsfunktionen können automatisiert instandhaltungsintensive Punkte im gesamten Netz detektiert und charakterisiert werden. Zusammen mit statistisch ausgewerteten Felddaten können verschleißbestimmende Parameter errechnet werden, die den Anlageninstandhalter bei der Zustandsbestimmung seines Netzes unterstützen. Dem Anlagenbetreiber wird ermöglicht, die Instandhaltung zielgerichtet auf verschleißintensive Komponenten zu fokussieren und mit zuvor untersuchten Abhilfemaßnahmen den Instandhaltungsbedarf zu senken.

Data-driven maintenance bears the potential to realize various benefits based on multifaceted data assets generated in increasingly digitized industrial environments. By taking advantage of modern methods and technologies from the field of data science and analytics (DSA), it is possible, for example, to gain a better understanding of complex technical processes and to anticipate impending machine faults and failures at an early stage. However, successful implementation of DSA projects requires multidisciplinary expertise, which can rarely be covered by individual employees or single units within an organization. This expertise covers, for example, a solid understanding of the domain, analytical method and modeling skills, experience in dealing with different source systems and data structures, and the ability to transfer suitable solution approaches into information systems. Against this background, various approaches have emerged in recent years to make the implementation of DSA projects more accessible to broader user groups. These include structured procedure models, systematization and modeling frameworks, domain-specific benchmark studies to illustrate best practices, standardized DSA software solutions, and intelligent assistance systems. The present thesis ties in with previous efforts and provides further contributions for their continuation. More specifically, it aims to create supportive artifacts for the selection, evaluation, and application of data-driven methods in the field of industrial maintenance. For this purpose, the thesis covers four artifacts, which were developed in several publications. These artifacts include (i) a comprehensive systematization framework for the description of central properties of recurring data analysis problems in the field of industrial maintenance, (ii) a text-based assistance system that offers advice regarding the most suitable class of analysis methods based on natural language and domain-specific problem descriptions, (iii) a taxonomic evaluation framework for the systematic assessment of data-driven methods under varying conditions, and (iv) a novel solution approach for the development of prognostic decision models in cases of missing label information. Individual research objectives guide the construction of the artifacts as part of a systematic research design. The findings are presented in a structured manner by summarizing the results of the corresponding publications. Moreover, the connections between the developed artifacts as well as related work are discussed. Subsequently, a critical reflection is offered concerning the generalization and transferability of the achieved results. Thus, the thesis not only provides a contribution based on the proposed artifacts; it also paves the way for future opportunities, for which a detailed research agenda is outlined.:List of Figures List of Tables List of Abbreviations 1 Introduction 1.1 Motivation 1.2 Conceptual Background 1.3 Related Work 1.4 Research Design 1.5 Structure of the Thesis 2 Systematization of the Field 2.1 The Current State of Research 2.2 Systematization Framework 2.3 Exemplary Framework Application 3 Intelligent Assistance System for Automated Method Selection 3.1 Elicitation of Requirements 3.2 Design Principles and Design Features 3.3 Prototypical Instantiation and Evaluation 4 Taxonomic Framework for Method Evaluation 4.1 Survey of Prognostic Solutions 4.2 Taxonomic Evaluation Framework 4.3 Exemplary Framework Application 5 Method Application Under Industrial Conditions 5.1 Conceptualization of a Solution Approach 5.2 Prototypical Implementation and Evaluation 6 Discussion of the Results 6.1 Connections Between Developed Artifacts and Related Work 6.2 Generalization and Transferability of the Results 7 Concluding Remarks Bibliography Appendix I: Implementation Details Appendix II: List of Publications A Publication P1: Focus Area Systematization B Publication P2: Focus Area Method Selection C Publication P3: Focus Area Method Selection D Publication P4: Focus Area Method Evaluation E Publication P5: Focus Area Method Application / Datengetriebene Instandhaltung birgt das Potential, aus den in Industrieumgebungen vielfältig anfallenden Datensammlungen unterschiedliche Nutzeneffekte zu erzielen. Unter Verwendung von modernen Methoden und Technologien aus dem Bereich Data Science und Analytics (DSA) ist es beispielsweise möglich, das Verhalten komplexer technischer Prozesse besser nachzuvollziehen oder bevorstehende Maschinenausfälle und Fehler frühzeitig zu erkennen. Eine erfolgreiche Umsetzung von DSA-Projekten erfordert jedoch multidisziplinäres Expertenwissen, welches sich nur selten von einzelnen Personen bzw. Einheiten innerhalb einer Organisation abdecken lässt. Dies umfasst beispielsweise ein fundiertes Domänenverständnis, Kenntnisse über zahlreiche Analysemethoden, Erfahrungen im Umgang mit verschiedenen Quellsystemen und Datenstrukturen sowie die Fähigkeit, geeignete Lösungsansätze in Informationssysteme zu überführen. Vor diesem Hintergrund haben sich in den letzten Jahren verschiedene Ansätze herausgebildet, um die Durchführung von DSA-Projekten für breitere Anwendergruppen zugänglich zu machen. Dazu gehören strukturierte Vorgehensmodelle, Systematisierungs- und Modellierungsframeworks, domänenspezifische Benchmark-Studien zur Veranschaulichung von Best Practices, Standardlösungen für DSA-Software und intelligente Assistenzsysteme. An diese Arbeiten knüpft die vorliegende Dissertation an und liefert weitere Artefakte, um insbesondere die Selektion, Evaluation und Anwendung datengetriebener Methoden im Bereich der industriellen Instandhaltung zu unterstützen. Insgesamt erstreckt sich die Abhandlung auf vier Artefakte, die in einzelnen Publikationen erarbeitet wurden. Dies umfasst (i) ein umfangreiches Systematisierungsframework zur Beschreibung zentraler Ausprägungen wiederkehrender Datenanalyseprobleme im Bereich der industriellen Instandhaltung, (ii) ein textbasiertes Assistenzsystem, welches ausgehend von natürlichsprachlichen und domänenspezifischen Problembeschreibungen eine geeignete Klasse von Analysemethoden vorschlägt, (iii) ein taxonomisches Evaluationsframework zur systematischen Bewertung von datengetriebenen Methoden unter verschiedenen Rahmenbedingungen sowie (iv) einen neuartigen Lösungsansatz zur Entwicklung von prognostischen Entscheidungsmodellen im Fall von eingeschränkter Informationslage. Die Konstruktion der Artefakte wird durch einzelne Forschungsziele im Rahmen eines systematischen Forschungsdesigns angeleitet. Neben der Darstellung der einzelnen Forschungsbeiträge unter Bezugnahme auf die erzielten Ergebnisse der dazugehörigen Publikationen werden auch die Verbindungen zwischen den entwickelten Artefakten beleuchtet und Zusammenhänge zu angrenzenden Arbeiten hergestellt. Zudem erfolgt eine kritische Reflektion der Ergebnisse hinsichtlich ihrer Verallgemeinerung und Übertragung auf andere Rahmenbedingungen. Dadurch liefert die vorliegende Abhandlung nicht nur einen Beitrag anhand der erzeugten Artefakte, sondern ebnet auch den Weg für fortführende Forschungsarbeiten, wofür eine detaillierte Forschungsagenda erarbeitet wird.:List of Figures List of Tables List of Abbreviations 1 Introduction 1.1 Motivation 1.2 Conceptual Background 1.3 Related Work 1.4 Research Design 1.5 Structure of the Thesis 2 Systematization of the Field 2.1 The Current State of Research 2.2 Systematization Framework 2.3 Exemplary Framework Application 3 Intelligent Assistance System for Automated Method Selection 3.1 Elicitation of Requirements 3.2 Design Principles and Design Features 3.3 Prototypical Instantiation and Evaluation 4 Taxonomic Framework for Method Evaluation 4.1 Survey of Prognostic Solutions 4.2 Taxonomic Evaluation Framework 4.3 Exemplary Framework Application 5 Method Application Under Industrial Conditions 5.1 Conceptualization of a Solution Approach 5.2 Prototypical Implementation and Evaluation 6 Discussion of the Results 6.1 Connections Between Developed Artifacts and Related Work 6.2 Generalization and Transferability of the Results 7 Concluding Remarks Bibliography Appendix I: Implementation Details Appendix II: List of Publications A Publication P1: Focus Area Systematization B Publication P2: Focus Area Method Selection C Publication P3: Focus Area Method Selection D Publication P4: Focus Area Method Evaluation E Publication P5: Focus Area Method Application

Ingenieurbauwerke sind zentrale Elemente der technischen Infrastruktur eines Landes. Ihr sicheres Funktionieren ist von entscheidender Bedeutung für die Daseinsvorsorge und die wirtschaftliche Entwicklung. In den letzten Jahren sind vor allem die bestehenden Brückenbauwerke in den Fokus der öffentlichen Aufmerksamkeit geraten. Zum einen wird nach langen Erklärungsbemühungen der Bauverwaltungen nun auch seitens der Politik endlich wahrgenommen, dass sich der Zustand der Bauwerke in den vergangenen Jahrzehnten merklich verschlechtert hat. Zum anderen sorgen die jüngsten unplanmäßigen Brückensperrungen auf Autobahnen und Eisenbahnstrecken für Verkehrsinfarkte und heftige Verspätungen. Die Bundesrepublik Deutschland verfügt über einen Bestand von ca. 40.000 Brücken auf Bundesfernstraßen mit einer Gesamtfläche von ca. 32 Millionen Quadratmetern. Der überwiegende Teil dieser Bauwerke besteht aus Stahlbeton und Spannbeton. Hinzu kommen ca. 26.000 Eisenbahnbrücken mit einer Gesamtbrückenfläche von ca. 9 Millionen Quadratmetern, ebenfalls weitgehend in Massivbauweise. Mit einem durchschnittlichen Preis von 3.500 €/m² für Straßenbrücken und von 10.000 €/m² für Eisenbahnbrücken hätten diese Bauwerke einen Wiederbeschaffungsneuwert von etwa 200 Milliarden Euro, was etwa 25 % der gesamten jährlichen Steuereinnahmen von Bund und Ländern entspricht. Hinzu kommen nochmals etwa 70.000 Brückenbauwerke im kommunalen Bestand. Der Brückenbestand Deutschlands stellt damit ein riesiges Anlagevermögen dar. Ihn vollständig zu erneuern würde erhebliche Aufwendungen verursachen. Deshalb kommt der kontinuierlichen Instandhaltung und Sanierung der Brückenbauwerke eine entscheidende Bedeutung zu.

Technische Systeme nutzen sich ab. Dadurch bedingt kommt es zu Ausfällen. Um die Funktionstüchtigkeit von abgenutzten technischen Systemen wiederherzustellen, werden Instandsetzungsmaßnahmen durchgeführt. Da die Folgen eines unerwartet eintretenden Ausfalls drastisch sein können, ist es sinnvoll, das Abnutzungsverhalten eines technischen Systems vorherzusagen und so den Zeitpunkt von Instandsetzungsmaßnahmen zielgerichtet zu planen. Die Erstellung von Abnutzungsprognosen wird dadurch erschwert, dass sich technische Systeme oft variabel, in Abhängigkeit von auf sie einwirkenden Beanspruchungen, abnutzen. Außerdem wird diese Abnutzungsvariabilität von betriebsbedingten Einflüssen überlagert, was deren Modellierung erschwert. Im Rahmen dieser Arbeit wurden deshalb Lösungsansätze entwickelt, die es ermöglichen, die Abnutzungsvariabilität eines technischen Systems in Abnutzungsprognosen zu integrieren und dabei betriebsbedingte Einflüsse zu berücksichtigen. Somit können Instandsetzungsmaßnahmen präziser geplant, Ressourcen geschont sowie Kosten reduziert werden. / Technical systems are prone to deterioration. This leads to negative consequences like break-downs. Maintenance actions are executed in order to transfer technical systems back into healthy states. If break downs occur suddenly, the consequences can be dramatic. Therefore, it is reasonable to schedule maintenance actions based on health-state predictions. Thereby, health state predictions are impeded by the fact that technical systems often deteriorate variably, depending on certain stress factors. Furthermore, the effects of variable deterioration behavior can be hidden by system specific behavior. Thus, approaches are shown which integrate variable deterioration behavior into healthstate predictions while influences caused by the system specific behavior are considered. Consequently, maintenance actions can be scheduled more efficiently which spares resources and reduces costs.

Technische Systeme nutzen sich ab. Dadurch bedingt kommt es zu Ausfällen. Um die Funktionstüchtigkeit von abgenutzten technischen Systemen wiederherzustellen, werden Instandsetzungsmaßnahmen durchgeführt. Da die Folgen eines unerwartet eintretenden Ausfalls drastisch sein können, ist es sinnvoll, das Abnutzungsverhalten eines technischen Systems vorherzusagen und so den Zeitpunkt von Instandsetzungsmaßnahmen zielgerichtet zu planen. Die Erstellung von Abnutzungsprognosen wird dadurch erschwert, dass sich technische Systeme oft variabel, in Abhängigkeit von auf sie einwirkenden Beanspruchungen, abnutzen. Außerdem wird diese Abnutzungsvariabilität von betriebsbedingten Einflüssen überlagert, was deren Modellierung erschwert. Im Rahmen dieser Arbeit wurden deshalb Lösungsansätze entwickelt, die es ermöglichen, die Abnutzungsvariabilität eines technischen Systems in Abnutzungsprognosen zu integrieren und dabei betriebsbedingte Einflüsse zu berücksichtigen. Somit können Instandsetzungsmaßnahmen präziser geplant, Ressourcen geschont sowie Kosten reduziert werden. / Technical systems are prone to deterioration. This leads to negative consequences like break-downs. Maintenance actions are executed in order to transfer technical systems back into healthy states. If break downs occur suddenly, the consequences can be dramatic. Therefore, it is reasonable to schedule maintenance actions based on health-state predictions. Thereby, health state predictions are impeded by the fact that technical systems often deteriorate variably, depending on certain stress factors. Furthermore, the effects of variable deterioration behavior can be hidden by system specific behavior. Thus, approaches are shown which integrate variable deterioration behavior into healthstate predictions while influences caused by the system specific behavior are considered. Consequently, maintenance actions can be scheduled more efficiently which spares resources and reduces costs.

Reducing unscheduled maintenance is important for aircraft operators. There are significant costs if flights must be delayed or cancelled, for example, if spares are not available and have to be shipped across the world. This thesis describes three methods of aircraft health condition monitoring and prediction; one for system monitoring, one for forecasting and one combining the two other methods for a complete monitoring and prediction process. Together, the three methods allow organizations to forecast possible failures. The first two use decision trees for decision-making and genetic optimization to improve the performance of the decision trees and to reduce the need for human interaction. Decision trees have several advantages: the generated code is quickly and easily processed, it can be altered by human experts without much work, it is readable by humans, and it requires few resources for learning and evaluation. The readability and the ability to modify the results are especially important; special knowledge can be gained and errors produced by the automated code generation can be removed. A large number of data sets is needed for meaningful predictions. This thesis uses two data sources: first, data from existing aircraft sensors, and second, sound and vibration data from additionally installed sensors. It draws on methods from the field of big data and machine learning to analyse and prepare the data sets for the prediction process.