Überwachung der Degradation durch Predictive Maintenance von Komponenten im Lastverkehr
Über 20 Komponenten werden in Echtzeit erkannt.
Vorbeugende Reparaturen können schneller vorgenommen werden.
Lösung
Erstellung eines Datensatzes für die Ausfallvorhersage auf der Grundlage von hochauflösenden Telematikdaten, Fehlerspeichereinträgen und Reparaturinformationen. Ein Ensemble-Modell kombiniert die Vorhersagen verschiedener Vorhersagemodelle und ermöglicht so die zuverlässigste Ausfallvorhersage in diesem Fall. Die Lösung wird auf dem Hadoop-Cluster im Speed-Modus zur parallelisierten Berechnung mit Spark ausgeführt.
Ergebnis
Ausfälle von über 20 Komponenten im Lkw werden in Echtzeit erkannt und gemeldet. Darauf aufbauend kann das Transportunternehmen Maßnahmen zur vorbeugenden Reparatur einleiten.
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.