Data-Driven Remaining Useful Life Prognosis Techniques: Stochastic Models, Methods and Applications - Springer Series in Reliability Engineering - Xiao-Sheng Si - Grāmatas - Springer-Verlag Berlin and Heidelberg Gm - 9783662571736 - 2018. gada 13. jūlijs
Ja vāks un nosaukums nesakrīt, pareizs ir nosaukums

Xiao-Sheng Si
Data-Driven Remaining Useful Life Prognosis Techniques: Stochastic Models, Methods and Applications - Springer Series in Reliability Engineering Softcover reprint of the original 1st ed. 2017 edition

Saņemt e-pastu, kad prece būs pieejama
Do you have a profile? Pierakstīties
Saņemiet paziņojumus par jauniem Xiao-Sheng Si izdevumiem

Mūsu klienti saka:

14 dienu atgriešanas politika saskaņā ar Eiropas patērētāju tiesību aizsardzības likumu
Top vieta Trustpilot
Pievienot savam iMusic vēlmju sarakstam

Not rated yet

Pieejams arī kā:

This book introduces data-driven remaining useful life prognosis techniques, and shows how to utilize the condition monitoring data to predict the remaining useful life of stochastic degrading systems and to schedule maintenance and logistics plans.

430 pages, 84 Illustrations, color; 20 Illustrations, black and white; XVII, 430 p. 104 illus., 84 i

Mediji Grāmatas     Paperback Book   (Grāmata ar mīksto vāku un līmēto muguru)
Izlaists 2018. gada 13. jūlijs
ISBN13 9783662571736
Izdevēji Springer-Verlag Berlin and Heidelberg Gm
Lapas 430
Izmēri 150 × 220 × 10 mm   ·   625 g
Valoda Vācu  

Vairāk no tā paša izdevēja

Skatīt visus Xiao-Sheng Si ( piem., Hardcover Book un Paperback Book )