Condition based repair

Ermittlung des Prognosepotentials für Motorkomponenten im Kontext von Predictive Maintenance

Statistische Modellierung mit Daten der Fahrzeughistorie

 

Random Survival Forest als Modellierungswerkzeug

i

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 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

Best Practices und Industry Exchanges - Live oder On Demand ansehen.

Whitepaper

Erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche und Abteilung.