Machbarkeitsanalyse zu Predictive Maintenance

Die Möglichkeit, Ersatzteilebedarfe für Fahrzeuge im Außeneinsatz, soll analysiert werden in Hinblick auf Optimierung der Lagerhaltung.

Bewertung der verfügbaren Datengrundlage in Hinblick auf Predictive-Maintenance-Projekten​

Empfehlungen bzgl. Datenverfügbarkeit, um Predictive-Maintenance-Projekten erfolgreich umzusetzen

Herausforderung

Eine Bundesbehörde erlebt eine große Diskrepanz zwischen tatsächlichem Bedarf und dem Vorrat an Ersatz-teilen für ihre Fahrzeuge in dezentralisierten Ersatzteilelagern. Durch eine Machbarkeitsanalyse soll eruiert werden, ob der Ersatzteilebedarf durch Einsatz von Predictive Maintenance vorhergesagt und die Lagerhaltung dadurch optimiert werden kann.

Lösung

Erarbeitung eines Datenmodells der verfügbaren Datenquellen in enger Abstimmung mit Fachexperten.Einbindung externer Datenquellen wie Wetter- und Landnutzungsdaten, und Interpolation dieser, um sie auf die Geopositionen der Fahrzeuge übertragen zu können.Entwicklung einfacher statistische Modelle auf PoC-Basis, um Teileausfälle vorherzusagen.

Ergebnis

In der Bundesbehörde wurde eine Sensibilisierung für die Anforderung an Datenbeständen und deren Verfügbarkeit für die Durchführung von Data-Science-Projekten erreicht.Beispielhafte Ergebnisse der statistischen Modelle können verwendet werden, um den Use Case intern weiter voran-zutreiben.

Haben Sie Interesse an eigenen Use Cases?

Data Science Use Cases

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.