No description available.

Ein wesentliches Ziel während der Produktentwicklung ist die frühzeitige Absicherung der Produkteigenschaften auf Basis der definierten Produktmerkmale unter Beachtung der äußeren Randbedingungen. Digitale Modelle und Methoden unterstützen den Produktentwickler bei der frühzeitigen virtuellen Evaluation des Produktes. [...] In diesem Beitrag wird eine Methodik präsentiert, die mit Hilfe der SysML-Modelle eine Simulation in VR ermöglicht. Die SysML-Beschreibung wird als Kern der Simulation dienen und das gesamte Simulationsmodell steuern. Weiterhin wird erläutert, wie die SysML-Beschreibung mit einem VR-Tool und einem Physikberechnungstool verbunden werden kann. Die in CAVE und HMD durchgeführten Simulationen wurden im Rahmen von Usability Tests evaluiert. Aus diesen Tests werden Ergebnisse präsentiert, die sich mit Verwendungsschwerpunkten in VR und der Zufriedenheit bei der Beurteilung von Produkten in VR beschäftigt haben. Schlussendlich wird ein Beispiel-Simulationsszenario in der CAVE-VR und einem Head Mounted Display (HMD) diskutiert. [... aus der Einleitung]

This dissertation develops systems engineering and machine learning models for aviation maintenance support. With the constant increase in demand for air travel, aviation organizations compete to maintain airworthy aircraft to ensure the safety of passengers. Given the importance of aircraft safety, the aviation sector constantly needs technologies to enhance the maintenance experience, ensure system safety, and limit aircraft downtime. Based on the current literature, the aviation maintenance sector still relies on outdated technologies to maintain aircraft maintenance documentation, including paper-based technical orders. Aviation maintenance documentation contains a mixture of structured and unstructured technical text, mainly inputted by operators, making them prone to error, misunderstanding communication, and inconsistency. This dissertation intends to develop decision support models based on systems engineering and artificial intelligence models that can automate the maintenance documentation system, extract useful information from maintenance work orders, and predict the aircraft's top degrader signals based on textual data. The first chapter of this dissertation introduces the significant setbacks of the aviation industry and provides a working ground for the following chapters. The dissertation's second chapter develops a system engineering framework using model-based systems engineering (MBSE) methodology to model the aviation maintenance process using the systems engineering language (SysML). The outcome of this framework is the design of an automated maintenance system model that can be used to automate maintenance documentation, making it less prone to error. The third chapter of the dissertation uses textual data in maintenance work orders to develop a hybrid approach that uses natural language processing (NLP) and transformer models to predict the readiness of a legacy aircraft. The model was tested using a real-life case study of the EA-6B military aircraft. The fourth chapter of this dissertation develops an ensemble transformer model based on three different transformer models. The ensemble model leverages the benefits of three different transformer architectures and is used to classify events based on an aviation log-based dataset. This dissertation's final and fifth chapter summarizes key findings, proposes future work directions, and provides the dissertation's limitations.