Condition Based Maintenance von Motorkomponenten im Automobilbereich
Ermittlung des Prognosepotentials für Motorkomponenten im Kontext von Predictive Maintenance
Statistische Modellierung mit Daten der Fahrzeughistorie
Random Survival Forest als Modellierungswerkzeug
Nachweis des Prognosepotentials für eine Motorkomponente
Herausforderung
Der Bereich Aftersales eines Automobilherstellers bewertet eine Erweiterung des Wartungsangebots um präventive, datengestützte Angebote.
Um geeignete Komponenten für ein Pilotprogramm auswählen zu können, wird eine Beurteilung des Prognosepotentials bzgl. Ausfall- und Tauschverhalten mit bestehenden Daten benötigt.
Lösung
Auf Basis der zur Verfügung stehenden Informationen aus der Fahrzeughistorie im Aftersales Data Warehouse wird das Ausfall- bzw. Austauschverhalten von zwei zentralen Motorkomponenten mithilfe von Survival- und Klassifikationsmodellen untersucht.
Ergebnis
Das Prognosepotential kann für eine der untersuchten Komponenten nachgewiesen werden.
Für die zweite Komponente lassen die verfügbaren Daten zum gegenwärtigen Zeitpunkt keine Prognose zu.
Haben Sie Interesse an eigenen Use Cases?
Unsere Case Studies
- Erhalten Sie noch detailliertere Einblicke in unsere Kundenprojekte -
Smart Kochen mit dem Thermomix
Data Operations bei der Munich Re
Data & AI Wissen
Gemeinsam Mehrwerte aus Data & AI schaffen