{"id":2148,"date":"2021-04-20T09:44:10","date_gmt":"2021-04-20T08:44:10","guid":{"rendered":"http:\/\/syram.eu\/?p=2148"},"modified":"2021-04-20T10:26:05","modified_gmt":"2021-04-20T09:26:05","slug":"apprentissage-automatique-pour-la-maintenance-predictive-par-ou-commencer","status":"publish","type":"post","link":"https:\/\/syram.eu\/de\/automatisiertes-lernen-fur-predictive-maintenance-durch-oder-beginnen\/","title":{"rendered":"Maschinelles Lernen f\u00fcr die vorausschauende Wartung: Wo soll ich anfangen?"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Maschinelles Lernen f\u00fcr die vorausschauende Wartung: Wo soll ich anfangen?\n<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"vorausschauende\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Was ist vorausschauende Wartung? Denken Sie an all die Maschinen, die Sie im Laufe eines Jahres benutzen, vom morgendlichen Toaster bis zum Flugzeug in den Sommerferien. Stellen Sie sich nun vor, dass von nun an jeden Tag eine dieser Maschinen ausfallen w\u00fcrde. Wie w\u00fcrde sich das auswirken? <\/span>
<\/p>\n

Tats\u00e4chlich sind wir von Maschinen umgeben, die uns das Leben erleichtern, aber wir sind auch zunehmend von ihnen abh\u00e4ngig. Daher h\u00e4ngt die Qualit\u00e4t einer Maschine nicht nur von ihrem Nutzen und ihrer Effizienz ab, sondern auch von ihrer Zuverl\u00e4ssigkeit. Und mit der Zuverl\u00e4ssigkeit kommt auch die Wartung.<\/span><\/p>\n

Wenn die Auswirkungen eines Ausfalls nicht toleriert werden k\u00f6nnen, wie z. B. bei einem defekten Flugzeugtriebwerk, wird die Maschine einer vorbeugenden Wartung unterzogen, die eine regelm\u00e4\u00dfige Inspektion und Reparatur beinhaltet. <\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\tWie k\u00f6nnen wir in einem System mit vielen Komponenten, die zusammenarbeiten und die Lebensdauer der anderen beeinflussen, den richtigen Zeitpunkt f\u00fcr die Wartung finden, damit die Komponenten nicht vorzeitig ausgetauscht werden m\u00fcssen, sondern das gesamte System weiterhin zuverl\u00e4ssig funktioniert?\u00a0<\/span>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Das Ziel der vorausschauenden Wartung ist es also, diese Frage zu beantworten. Daher versuchen wir, Modelle zu erstellen, die das Risiko eines Maschinenausfalls zu jedem beliebigen Zeitpunkt quantifizieren und diese Informationen zur Verbesserung der Wartungsplanung nutzen.<\/span><\/p>

Der Erfolg von Modellen zur vorausschauenden Wartung h\u00e4ngt von drei Hauptelementen ab: den richtigen Daten, einer angemessenen Definition des Problems und einer korrekten Bewertung der Vorhersagen.<\/b><\/p>

In diesem Artikel werden wir die ersten beiden Punkte ausf\u00fchren und Informationen dazu geben, wie Sie die Modellierungstechnik ausw\u00e4hlen k\u00f6nnen, die am besten zu der Frage passt, die Sie zu beantworten versuchen, und zu den Daten, die Ihnen zur Verf\u00fcgung stehen.<\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

DAS SAMMELN VON DATEN\n<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Erstens: Um ein Ausfallmodell zu erstellen, ben\u00f6tigen wir ausreichend historische Daten, um Informationen \u00fcber Ereignisse, die zu einem Ausfall f\u00fchren, zu erfassen.\u00a0<\/span><\/p>

Dar\u00fcber hinaus ergeben sich wertvolle Informationen aus den allgemeinen \"statischen\" Merkmalen des Systems, wie z. B. den mechanischen Eigenschaften, der durchschnittlichen Nutzung und den Betriebsbedingungen. Mehr Daten sind jedoch nicht immer besser. Bei der Sammlung von Daten und der Unterst\u00fctzung eines Ausfallmodells ist es wichtig, eine Bestandsaufnahme der folgenden Elemente vorzunehmen:<\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\tWelche Arten von Pannen k\u00f6nnen auftreten? Welche versuchen wir vorherzusagen?
\n\nWie sieht der \"Pannenprozess\" aus? Handelt es sich um einen langsamen oder akuten Verfallsprozess?
\n\nWelche Teile der Maschine\/des Systems k\u00f6nnten mit jeder Art von St\u00f6rung in Verbindung stehen? Was kann man an jedem Teil messen, um den Zustand der Maschine\/des Systems widerzuspiegeln? Wie oft und wie genau sollten diese Messungen durchgef\u00fchrt werden?<\/span>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Dies bedeutet, dass die Daten \u00fcber einen l\u00e4ngeren Zeitraum gesammelt werden m\u00fcssen, um das System w\u00e4hrend des gesamten Verfallsprozesses zu beobachten.<\/span><\/p>

In einem idealen Szenario w\u00e4re der Data Scientist in den Datenerhebungsplan eingebunden, um sicherzustellen, dass die gesammelten Daten f\u00fcr das zu erstellende Modell geeignet sind. Im wirklichen Leben ist es jedoch meist so, dass die Daten bereits vor der Ankunft des Data Scientists gesammelt wurden und er \/ sie versuchen muss, das Beste aus dem zu machen, was verf\u00fcgbar ist.<\/span><\/p>

Welche Frage soll das Modell beantworten, und ist das mit den verf\u00fcgbaren Daten m\u00f6glich?<\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t

DIE DEFINITION DES PROBLEMS\n<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Wenn Sie dar\u00fcber nachdenken, wie Sie ein Modell f\u00fcr vorausschauende Wartung definieren k\u00f6nnen, sollten Sie einige Fragen im Hinterkopf behalten:<\/span><\/p>