ML4MC

Wartungskosten machen einen Teil der Gesamtbetriebskosten in der Produktion und Fertigung aus. In dieser Arbeit werden verschiedene Modelle des maschinellen Lernens mit dem Ziel trainiert, Fehlfunktionen frühzeitig zu erkennen. Mit dieser Arbeit können die Wartungsintervalle und Stillstandszeiten optimiert werden.

Lam, Chang Bo, 2022

Art der Arbeit Bachelor Thesis
Auftraggebende Agathon AG
Betreuende Dozierende Riesen, Kaspar
Keywords Data Science, Artificial Intelligence, Machine Learning, Deep Learning, Instandhaltung,
Views: 25
Im Rahmen der Arbeit wurde ein mechanischer Lebensdauertest begleitet. Die beobachtete Komponente wurde zu Beginn des Projektes noch nicht in der Produktion eingesetzt. Da vergleichbare Teile über Monate und Jahre hinweg ohne Zwischenfälle im Betrieb sein können, hat man sich auf die Synthese und Analyse von künstlichen Fehlern geeinigt. Ein Fachexperte hat den natürlichen Verschleiss in einem relativ kurzen Zeitfenster simuliert.
Nach dem Erfassen der Rohdaten wurden diese zuerst bereinigt und in ein geeignetes Format gebracht. Die verarbeiteten Daten wurden geplottet und einer Analyse unterzogen. Im Anschluss wurde der Zustand der betrachteten Komponente mithilfe verschiedener Modelle des maschinellen Lernens erkannt und prognostiziert. Abschliessend wurden die trainierten Modelle anhand mehrerer Messwerte verglichen und bewertet.
Das Resultat dieses Data Science Projektes besteht aus einer ausführlichen Datenanalyse. Die gemessenen Werte wurden visualisiert, analysiert und auf Korrelationen geprüft. Es wurden mehrere Modelle des maschinellen Lernens trainiert, welche den Wartungszustand mit sehr hoher Genauigkeit kategorisieren und über variable Zeitfenster hinweg prognostizieren können. Durch die Arbeit hat der Auftraggeber nun ein tieferes Verständnis für die Materie sowie einige Ansätze für künftige Forschungsarbeiten gewonnen. Der Software-Prototyp bietet für nächste Schritte eine gute Basis und lässt sich einfach erweitern.
Studiengang: Wirtschaftsinformatik (Bachelor)
Vertraulichkeit: vertraulich
Art der Arbeit
Bachelor Thesis
Auftraggebende
Agathon AG, Bellach
Autorinnen und Autoren
Lam, Chang Bo
Betreuende Dozierende
Riesen, Kaspar
Publikationsjahr
2022
Sprache der Arbeit
Deutsch
Vertraulichkeit
vertraulich
Studiengang
Wirtschaftsinformatik (Bachelor)
Standort Studiengang
Olten
Keywords
Data Science, Artificial Intelligence, Machine Learning, Deep Learning, Instandhaltung,