Condition Monitoring in der Motorenentwicklung

Condition Monitoring in der Motorenentwicklung

Condition Monitoring in der Motorenentwicklung

Experte: Michael Scharpf

Branche: Automotive & Engineering

Bereich: Production

Erfahren Sie, wie Sie die Langzeitqualität von Motoren in der Automobilindustrie durch effektives Condition Monitoring verbessern können.

UNSERE KI UND DATA SCIENCE Case-Studies:
ERFAHRUNG AUS ÜBER 2.000 KUNDENPROJEKTEN

[Herausforderung]

Unser Kunde aus der Automobilindustrie hatte den Bedarf, die Langzeitqualität von Komponenten im Bereich der Kraftstoffsysteme zu überwachen. Unsere Aufgabe bestand darin, ein Konzept für die Datenanalyse zu erarbeiten und eine prototypische Applikation zu validieren, um das Condition Monitoring des Motors zu optimieren.

[Lösung]

Um das Konzept zu validieren und die Datenanalyse zu optimieren, haben wir die vorhandenen Datenbankabfragen konsolidiert und weitere Daten hinzugefügt. Wir haben die Datenanalyse erweitert, indem wir den Umfang der Analyse um weitere Motoren erweitert haben, deren Umfang über eine externe Steuerliste variiert werden kann. Die optimierten Datenbankabfragen und die erweiterten Daten wurden dann zu einer vollautomatisierten ETL-Ladestrecke weiterentwickelt.

[Ergebnis]

Durch die erweiterten Daten konnten wir Fahrzeug-Lebensläufe erstellen und baureihenspezifische Fehlerhistorien auf Basis der Langzeitqualitätsdaten analysieren. Unser Kunde konnte dadurch die Qualität der Kraftstoffsysteme verbessern und das Condition Monitoring des Motors optimieren.

Für die Datenanalyse haben wir auf Data Science-Methoden zurückgegriffen, um die vorhandenen Datenbankabfragen zu konsolidieren und zu erweitern. Wir haben Machine-Learning-Methoden eingesetzt, um die Analyse zu automatisieren und die Ergebnisse zu verbessern. Die ETL-Ladestrecke wurde mithilfe von Apache Kafka und Apache Spark implementiert. Durch die Nutzung dieser Technologien konnten wir die Datenanalyse effektiver und effizienter gestalten.

Neugierig geworden? Lassen Sie uns zeigen, was uns von anderen Unternehmen unterscheidet und wie wir Ihnen helfen können, Ihre Ziele zu erreichen.

Michael Scharpf - Key Account Manager

Ihr Experte

Michael Scharpf | Sr. Principal Key Account Manager | Alexander Thamm GmbH

Machine-Learning-Workshop für einen Softwarehersteller

Machine-Learning-Workshop für einen Softwarehersteller

Machine-Learning-Workshop für einen Softwarehersteller

Experte: Michael Scharpf

Branche: Automotive & Engineering

Bereich: Production

Einzigartiger Machine-Learning-Workshop für Softwarehersteller: Gewinnen Sie das Wissen und die Fähigkeiten, um Ihre Datenanalyse zu revolutionieren und den Wettbewerb hinter sich zu lassen.

UNSERE KI UND DATA SCIENCE Case-Studies:
ERFAHRUNG AUS ÜBER 2.000 KUNDENPROJEKTEN

[Herausforderung]

Unser Kunde, ein renommiertes Softwarehaus, stand vor der Herausforderung, die Monitoringsoftware von Lackierrobotern eines Maschinenherstellers zu erweitern, um eine innovative Komponente zur Früherkennung von Fehlern einzuführen. Um die Funktionsfähigkeit dieser Früherkennung im Rahmen eines Proof of Concepts nachzuweisen, war es für den Softwarehersteller entscheidend, funktionierende Detektionsmodelle zu entwickeln.

[Lösung]

In enger Zusammenarbeit mit dem Data Science Team unseres Unternehmens wurde ein maßgeschneiderter Machine Learning Workshop durchgeführt, um die spezifischen Anforderungen des Kunden zu erfüllen. In diesem Workshop wurden aussagekräftige Variablen für die Fehlerbilder anhand der vorhandenen Logdaten entwickelt, ein Prozess, der auch als Featureengineering bekannt ist. Durch die sorgfältige Auswahl und Aufbereitung dieser Variablen konnten wir eine solide Grundlage für die Modellentwicklung schaffen.

Im nächsten Schritt wurden Klassifikationsmodelle entwickelt, um die Fehlerbilder effektiv zu erkennen. Dabei wurden verschiedene Verfahren angewendet und deren Leistung anhand evaluativer Metriken bewertet. Unsere Experten konnten so die besten Modelle identifizieren und spezifische Empfehlungen für die Implementierung ableiten. Wir arbeiteten eng mit den Softwareentwicklern zusammen, um ihnen klare Anweisungen und Richtlinien für die Integration der Fehlererkennungskomponente in die bestehende Monitoringsoftware bereitzustellen.

[Ergebnis]

Dank des erfolgreichen Proof of Concepts konnte unser Kunde seinem Maschinenhersteller die beeindruckende Leistungsfähigkeit der entwickelten Komponente demonstrieren. Die präzisen Detektionsmodelle und die robuste Evaluierung der Verfahren lieferten überzeugende Ergebnisse, die das Vertrauen in die neue Früherkennungslösung stärkten. Unsere Kunden konnten die Vorteile der verbesserten Fehlererkennung für ihre Lackierroboter hervorheben und somit die Effizienz und Qualität ihrer Prozesse steigern.

Darüber hinaus erhielten die Softwareentwickler konkrete Anweisungen zur Implementierung der Fehlererkennungskomponente. Dies umfasste detaillierte Schritte, die zur Integration der Modelle in die bestehende Software erforderlich waren. Unsere umfassende Dokumentation und klare Richtlinien erleichterten den Entwicklern die Umsetzung und gewährleisteten eine reibungslose Integration der neuen Funktionalität.

Mit unserer Fachexpertise im Bereich Data Science und Künstlicher Intelligenz konnten wir dem Softwarehaus helfen, ihre Herausforderungen im Bereich der Fehlererkennung zu meistern. Unser Machine Learning Workshop und die darauf basierenden Modellentwicklungen haben nicht nur die Leistungsfähigkeit der Komponente verdeutlicht, sondern auch zu konkreten Handlungsempfehlungen für die Implementierung geführt.

Unser Machine Learning Workshop ist speziell darauf ausgerichtet, Unternehmen bei der Implementierung von Datenanalyse und Künstlicher Intelligenz in ihre Geschäftsprozesse zu unterstützen. Durch die Nutzung relevanter Stichworte, wie „machine learning workshop“, und deren strategische Platzierung im Text, optimieren wir den Inhalt für Suchmaschinen. Dies trägt dazu bei, dass potenzielle Kunden, die nach Lösungen im Bereich Datenanalyse und Künstlicher Intelligenz suchen, unser Unternehmen als vertrauenswürdigen Partner finden.

Wenn Sie Ihre Geschäftsprozesse optimieren und von den Vorteilen fortschrittlicher Datenanalyse und Künstlicher Intelligenz profitieren möchten, kontaktieren Sie uns. Unser Team steht Ihnen mit seiner Fachexpertise und seinem Engagement zur Seite, um Ihre Projekte zum Erfolg zu führen.

Neugierig geworden? Lassen Sie uns zeigen, was uns von anderen Unternehmen unterscheidet und wie wir Ihnen helfen können, Ihre Ziele zu erreichen.

Michael Scharpf - Key Account Manager

Ihr Experte

Michael Scharpf | Sr. Principal Key Account Manager | Alexander Thamm GmbH

Data-Analytics-Schulung für eine Versicherung

Data-Analytics-Schulung für eine Versicherung

Data-Analytics-Schulung für eine Versicherung

Im Rahmen eines zweisprachigen WBTs soll allen Mitarbeitern ein Basiswissen im Bereich Data Analytics vermittelt werden.

Schulung von ca. 20.000 Mitarbeitern in zwei Sprachen

*

Module des WBTs sind unabhängig voneinander durchführbar und wiederverwertbar

Mitarbeiter haben ein grundlegendes Verständnis von Data Analytics und streben einen tiefergehendend Wissensaufbau entlang des Curriculums an

Herausforderung

Ein globaler Rückversicherer möchte allen Mitarbeitern das Thema Data Analytics im Rückversicherungsbereich näher bringen und somit zur digitalen Transformation beitragen. Der Wissensstand und die praktische Erfahrung der Mitarbeiter im Bereich Daten ist sehr heterogen.

Lösung

Ein maßgeschneidertes Curriculum für Data Analytics wird mit entsprechenden Entwicklungsstufen konzeptioniert. Ein Web Based Training (WBT) dient dabei als Grundkurs, um möglichst allen Mitarbeitern Data Analytics als Thema näher und in Kontext zu ihrem Alltag zu bringen. Branchennahe Beispiele und abwechslungsreiche Interaktionen während der Wissensvermittlung maximieren den didaktischen Transfer online. Die Themenbereiche sind in 10 flexible Module unterteilt.

Ergebnis

Ein 90 Minütiges Web Based Training über Data Analytics im Versicherungs- bzw. Rückversicherungsbereich liefert leicht verständliche Data Analytics Inhalte im allgemeinen Kontext und im Bezug auf ihren Arbeitsalltag. Zukünftige Schulungselemente des Curriculums bauen auf dem Basis-WBT auf.

Haben Sie Interesse an eigenen Use Cases?

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Unsere Case Studies

- Erhalten Sie noch detailliertere Einblicke in unsere Kundenprojekte -

Smart Kochen mit Thermomix

Smart Kochen mit dem Thermomix

Download
Case Studie KI bei Munich Re

Data Operations bei der Munich Re

Download

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.

Laufende Sortimentsanalyse durch eine Webanwendung im Werkzeughandel

Laufende Sortimentsanalyse durch eine Webanwendung im Werkzeughandel

Laufende Sortimentsanalyse durch eine Webanwendung im Werkzeughandel

Mithilfe eines interaktiven Analyse-Tools konnte der Sortimentbereinigungsprozess eines Werkzeughändlers deutlich vereinfacht und beschleunigt werden.

!
Der komplexe Prozess der Sortimentsbereinigung ist innerhalb weniger Minuten durchführbar
Z

Der Prototyp vereint die Qualität heterogener Bedarfssignale aus verschiedenen Märkten

Der Prototyp vereint die Qualität heterogener Bedarfssignale aus verschiedenen Märkten

Herausforderung

Das stetig wachsende Sortiment eines Werkzeughändlers muss regelmäßig hinsichtlich verschiedener Kriterien überprüft werden. Hierzu zählen bspw. das Aussortieren von Produkten mit geringem Absatz und Beschränkungen von Lagerplatz und Werbeflächen. Zwischen den einzelnen Produkten herrschen viele Abhängigkeiten, die bei der Sortimentsbereinigung berücksichtigt werden müssen.

Lösung

Die relevanten Informationen zum Produktsortiment werden dem Anwender einfach und übersichtlich in einer Web-Anwendung dargestellt. Verschiedene Kriterien und Geschäftslogiken zur Sortimentsbereinigung können über Regler und Check-Boxen aktiviert und deren Einfluss getestet werden.

Ergebnis

Die Durchführung der Sortimentsbereinigung kann mithilfe der Lösung auf wenige Minuten reduziert werden. Der Prozess ist dabei vollständig in der Web-Anwendung durchführbar und es müssen bspw. keine Excel-Auswertungen mehr erstellt werden.

Haben Sie Interesse an eigenen Use Cases?

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Unsere Case Studies

- Erhalten Sie noch detailliertere Einblicke in unsere Kundenprojekte -

Smart Kochen mit Thermomix

Smart Kochen mit dem Thermomix

Download
Case Studie KI bei Munich Re

Data Operations bei der Munich Re

Download

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.

Optimierung der Produktion im Textilbereich

Optimierung der Produktion im Textilbereich

Optimierung der Produktion im Textilbereich

Empfehlung von Produktionsmengen durch Abschätzung des Risikos von Bedarfssignalen in hohen volatilen Märkten der Modebranche.

!

Die Gesamtmenge für die Produktion von Artikeln könnte um 43 % erhöht werden, ohne ein höheres Restrisiko als bisher zu erzielen.

Z

Der Prototyp vereint die Qualität heterogener Bedarfssignale aus verschiedenen Märkten

h
Der Level Loading Prototyp ist in ein gut dokumentiertes R-Paket eingebettet

Herausforderung

Ein deutscher Modehersteller und -händler muss mit der dynamischen Nachfrage nach seinen Artikeln in der hochvolatilen Modebranche fertig werden. In der Modebranche ist die volatile Nachfrage aufgrund vergleichbar hoher Produktions- und Transportvorlaufzeiten ein noch größeres Problem. Das finanzielle Risiko einer Überproduktion soll auf 1% begrenzt werden. Bedarfssignalen aus verschiedenen Märkten, die sich in der Prognosegüte unterscheiden, sollen integriert werden.

Lösung

Es werden Artikel mit geringem Risiko identifiziert, die eine hohe Wahrscheinlichkeit für zukünftige tatsächliche Aufträge aufweisen und einen frühen Produktionsstart empfehlen. Indem die Produktion sicherer Artikel vorgezogen wird, könnten die freigewordenen Fabrikkapazitäten genutzt werden, um später, wenn die Bedarfssignale zuverlässiger sind, riskante Artikel herzustellen. Es werden maschineller Lernalgorithmen angewendet unter Verwendung historischer Bedarfssignale, Produktionsmengen und Artikelattribute.

Ergebnis

Es liegt ein entwickeltes R-Paket vor, das spezifische Artikel und entsprechende Mengen für alle Fabriken empfiehlt, indem es deren individuelle Risiken bewertet und einen Teil des ursprünglichen Bedarfssignals berechnet, das mit hoher Sicherheit abgedeckt wird.

Haben Sie Interesse an eigenen Use Cases?

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Unsere Case Studies

- Erhalten Sie noch detailliertere Einblicke in unsere Kundenprojekte -

Smart Kochen mit Thermomix

Smart Kochen mit dem Thermomix

Download
Case Studie KI bei Munich Re

Data Operations bei der Munich Re

Download

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.