Open Access

Variable refrigerant flow (VRF) systems are constantly prone to failures during their lifespan, causing breakdowns, high energy bills, and indoor discomfort. In addition to correctly identifying these defects, fault detection, and diagnostic studies should be able to anticipate and predict the anomalies before they occur for efficient maintenance. Therefore, this study introduces an efficient self-learning predictive maintenance system, CACMMS (Cloud Air Conditioning Monitoring & Management System), designed to anticipate refrigerant leaks in VRF systems. Unlike previous efforts, this system leverages advanced fault detection and diagnosis strategies in a real existing building to enhance prediction accuracy. The study employed three noise filtering models (Kalman filter, moving average, S-G smoothing) in the preprocessing phase. Ten features were selected for assessment, and four machine learning models (decision tree, random forest, K-nearest neighbor, support vector machine) were compared. The accuracy, precision, sensitivity, computation time as well and confusion matrix were used as performance indicators and metrics to evaluate and choose the best performant model. Results indicated that decision tree and random forest models achieved over 95 % accuracy with execution times between 0.70 s and 3.32 s, outperforming K-nearest neighbor and support vector machine models. These findings highlight the system’s potential to reduce downtime and energy costs through effective predictive maintenance.

The increasing prevalence of dementia globally, necessitates effective strategies to reduce the burden on patients, caregivers, and healthcare systems. Risk factor prevention plays a crucial role in delaying the onset of symptoms and lowering the strain on resources. But the solutions employed in the FINGER studies are not yet scalable to the wider population. With increasing digital literacy and availability of smartphones amongst the elderly, people at risk can effectively be informed and guided. In Germany, this coincides with recent launch of reimbursement pathways for digital healthcare applications (DiGA). Existing DiGAs do not yet address risk factors of dementia. By leveraging the scalability of digital solutions combined with the positive impact of education on lifestyle, we are aiming at a transfer of risk factor treatment into the wider German public healthcare system.

In this work, plasticity-induced crack closure is studied under strain-controlled in-phase and out-of-phase thermomechanical fatigue (TMF) loading using the finite element method. The influence of the TMF phase, the applied strain ratio and the material model on the crack opening stress and the crack tip opening displacement is investigated. Therefore, a plane strain pennyshaped crack under large-scale yielding and four temperature-dependent viscoplasticity models with different numbers of backstresses with or without modification for an improved description of ratchetting are considered. The results show that crack closure is strongly determined by the TMF phase and not significantly affected by the strain ratio. Moreover, the plasticity model strongly influences the results, suggesting the need for the appropriate description of ratchetting effects and hardening behavior for large plastic strain ranges typically occurring at and around the crack tip.

Knochenersatzmaterialien spielen eine entscheidende Rolle in der Behandlung von Infektionen des Bewegungsapparates, die trotz chirurgischer Intervention eine gewisse Größe überschreiten und somit nicht in der Lage sind, eigenständig neues Knochengewebe zu generieren, erfordern den Einsatz von Knochenersatzmaterialien. Im Rahmen dieser Arbeit werden die wesentlichen Prozesse der Neubildung von Knochengewebe erörtert sowie die wesentlichen Kriterien bei der Selektion von Knochenersatzmaterialien dargelegt. Ziel dieser Arbeit war es, die mechanische Stabilität von 3D-gedruckten Knochenstützstrukturen, sogenannte Scaffolds, zu verbessern, um die Oberflächenrisse, die während der Aushärtung entstehen, zu reduzieren. Die Scaffolds wurden mit einem 3D-Bioplotter der Firma envisiontec gedruckt. Die Charakterisierung der Scaffolds erfolgte per 3D-Laserscanning-Mikroskop der Firma Keyence. Die mechanischen Drucktests wurden mit einer Zwick/Roell Universalprüfmaschine durchgeführt. Die Ergebnisse waren widersprüchlich und deuten darauf hin, dass die Qualität der einzelnen Chargen der CPC-Paste einen größeren Unterschied ausmachte als die Calcium Sprühsalze.

Die Verbesserung der Performance von Läufern ist ein wichtiges Kriterium bei der Entwicklung von Laufschuhen. Die Biegesteifigkeit der Zwischensohle von Sportschuhen gilt hierbei als Schlüsselmerkmal [1] und könnte möglicherweise eine Erklärung für eine im Durchschnitt erhöhte Sprintleistung sein [2]. Die Biegesteifigkeit des Laufschuhs unterstützt bestenfalls den Sportler, um in unterschiedlichen Geschwindigkeiten und daraus resultierenden Steifigkeiten in den biologischen Strukturen eine optimale Performance zu erbringen. Ziel dieser Arbeit war die Entwicklung einer Methodik zur Berechnung der biologischen Biegesteifigkeit am Großzehengrundgelenk beim Tragen von Laufschuhen. Dazu wurden die Bodenreaktionskräfte, die Biegewinkel, die Biegemomente und die Kraftangriffspunkte zweier unterschiedlicher Messreihen berechnet. In der ersten Messreihe wurde ein Laufschuh, aufgezogen auf einen Silikonfuß an einer statischen Zug-Druck-Prüfmaschine getestet, um die Steifigkeit des Schuhs zu bestimmen. Die Ermittlung der dafür relevanten Parameter erfolgte mittels visueller Marker auf dem Laufschuh und einer im Prüfstand verbauten Kraftmessdose. Auf dem Prüfstand wurden Geschwindigkeiten von 50 mm/s, 200 mm/s, 350 mm/s, 500 mm/s, 650 mm/s, 800 mm/s, 950 mm/s und 1100 mm/s gemessen. Die Markererfassung erfolgte über eine 2D Videoanalyse einer Highspeed Kamera für die Aufnahme kinematischer Daten. In einer zweiten Messreihe wurden auf einem Laufband die Daten eines Läufers erfasst. Die kinematischen Daten wurden mit den reflektierenden Marker-Kugeln durch 12 Infrarotkameras erfasst. Die gemessenen Geschwindigkeiten eines Probanden auf dem Laufband betrugen im Gehen 0,5 m/s, 1 m/s, 1,5 m/s. Für das Laufen wurden 2 m/s, 2,5 m/s, 3 m/s, 3,5 m/s und 4 m/s getestet. Aufgenommen wurden die kinetischen Daten auf einem Laufband mit integrierten Kraftmessplatten. Zunächst wurde die passive Biegesteifigkeit anhand der am Prüfstand ermittelten Daten berechnet. Die biologische Steifigkeit ergab sich aus der Verrechnung von der am Laufband ermittelten Steifigkeit mit der passiven Biegesteifigkeit. Die Auswertung der gemessenen Daten zeigte einen Anstieg der Biegesteifigkeit und der Winkelgeschwindigkeit am Laufband mit Zunahme der Laufgeschwindigkeit für das Gehen und auch für die Versuche im Laufen. Bei hohen Geschwindigkeiten von 3,5 m/s und 4 m/s setzte sich dieser Trend nicht fort. Es wurde bei steigender Steifigkeit ein Abfall der Winkelgeschwindigkeit um 9,5 °/s von 3 m/s auf 3,5 m/s verzeichnet, gefolgt von einem anschließenden Anstieg auf 140 °/s bei 4 m/s. Die Paarung der Messungen an Prüfstand und Laufband erfolgt über die Winkelgeschwindigkeiten. Da der Prüfstand die eingestellte Geschwindigkeit nicht erreichte, waren auch die Winkelgeschwindigkeiten geringer und die Werte wurden nur exemplarisch für das Vorantreiben der Methodik genutzt. Die Methodik konnte erfolgreich für die biologische Biegesteifigkeit erstellt werden und das Ziel der Arbeit wurde erreicht. In Zukunft sollte der Prüfstand verbessert werden, um einen Vergleich mit der Literatur ziehen zu können.