Predictive Maintenance ist eines der wichtigsten Zukunftsthemen in Industrieunternehmen. Die vorausschauende Wartung birgt viele Vorteile: Vereinfacht gesagt, ist es so möglich, den optimalen Zeitpunkt für die Wartung einer Maschine oder Produktionsanlage zu bestimmen. Die Wartung lässt sich damit auch optimal in den Produktionsablauf integrieren. Kosten können gesenkt und die Lebensdauer der Maschinen erhöht werden.
Im Workshop wurden die Anomaliedetektion, die Mustererkennung und das Supervised Learning als Methoden vorgestellt und anhand von Beispielprojekten aus der Industrie verdeutlicht. Klar wurde, dass nicht die Menge der Daten das wichtigste Kapital des Unternehmens ist, sondern die Fähigkeit die relevanten Daten zu erkennen und zu kombinieren, um daraus aussagekräftige Informationen über den Anlagenzustand zu gewinnen und Prognosen über die nächsten Ereignisse abzuleiten. Dies gelingt umso besser, je intensiver die Mitarbeiter mit dem relevanten technischen Know-how im Unternehmen mit Datenanalysten zusammenarbeiten können.
Die Workshop-Teilnehmer konnten mit Beispieldaten aus verschiedenen Quellen (wie Logbücher, Zähler, Sensoren etc.) im Praxisteil dann selbst ausprobieren, welche Art von Vorhersagen mit den angesprochenen Methoden gewonnen werden können. Dazu wurden Daten in einem Softwaretool visualisiert, geeignete Datensätze, Erhebungsfrequenzen und Zeitintervalle identifizieren und modelliert, um denen Technikern wichtige Informationen für die Serviceintervalle an die Hand zu geben.