Predictive Maintenance im IIoT Flashcards
Wie funktioniert Machine Learning?
Machine Learning basiert auf mathematischen Algorithmen, die es einem System ermöglichen, Muster und Gesetzmäßigkeiten zu erkennen und die eigenen Parameter mit den gewonnenen Erkenntnissen anzupassen.
Was sind wichtige Einsatzgebiete maschinellen Lernens?
- Fehlerquellen erkennen
- Prozesse verbessern
- Prognosen erstellen
Welche Rolle spielen IoT-Plattformen in Bezug zu Machine Learning?
- Plattformen (IoT) dienen als Bindeglied, um von Sensoren gelieferte Betriebs- und Produktionsdaten für Machine Learning zu verwenden
- können die Ergebnisse bei der Optimierung von Prozessen durch ML messen
- Erhöhung der Verfügbarkeit und Produktivität von Maschinen
Sind einfache oder komplexe Lernalgorithmen in der IIoT Praxis zu bevorzugen?
Die Praxis des IoT zeigt, dass relativ einfache Lernalgorithmen oft viel schneller zum Erfolg führen als komplexe
Welche Faktoren müssen bei der Wahl einer Plattform und eines ML Algorithmus berücksichtigt werden?
- Art und Umfang der gesammelten Daten
- das angestrebte Ergebnis
- Ort der Datenverarbeitung (Edge vs. Cloud)
Wie viel Prozent und Art der beruflichen Aktivitäten in Deutschland werden nach Angaben des Beratungsunternehmens PricewaterhouseCoopers bis 2030 automatisiert?
Bis 2030 können 35 Prozent der beruflichen Aktivitäten in Deutschland automatisiert werden
Welche Branchen sind nach PricewaterhouseCoopers am stärksten von der Automatisierung betroffen?
- Transport
- Logistik
- Produktion
- Vertrieb
Warum wird KI für die Industrie immer wichtiger?
Weil die Anwendungsbereiche zunehmend mehr Zusammenarbeit und Interaktion zwischen Mensch und Maschine erfordern
Was ist ein Beispiel für ein herausragendes Anwendungsfeld für maschinelles Lernen?
Predictive Maintenance
Wie funktioniert Predictive Maintenance?
- die Betriebs- und Produktionsdaten werden über Sensoren in einer IoT-Plattform bereitgestellt
- ML-Algorithmen sagen auf Basis der Daten vorher, wann ein kritischer Maschinenzustand erreicht wird
Welche Vorteile bringt Predictive Maintenance?
- kritische Maschinenzustände genauer vorhersagen
- Wartungen passgenau durchführen
- Wartungskosten senken
- Ausfallzeiten reduzieren
Welchen Algorithmus verwendet der Roboterhersteller KUKA?
KUKA implementiert die Prognosemethode “Generalized Additive Model”, die für Roboter funktioniert und voraussagt, wann die nächste Wartung fällig ist
Worum geht es beim maschinellen Lernen in der aktuellen Phase der Marktentwicklung?
Der Algorithmus versucht, durch Analyse konkreter Daten allgemeingültige Muster/Gesetzmäßigkeiten abzuleiten (Induktive Analytik)
Welche Art des Lernens wird über künstliche neuronale Netzwerke durchgeführt?
Deep Learning
Wie funktionieren künstliche neuronale Netzwerke?
Daten lesen, Prognosen treffen, sich selbst anhand der Info optimieren, ob die Prognose richtig war
Was sind Beispiele für einfache Lernalgorithmen?
- Lineare Regression
- SVM (Support Vector Machine)
Was sind Beispiele für komplexe Lernalgorithmen?
- Gaußsche Mischverteilung (Gaussian Mixture Model)
- k-Means
Was ist die Regressionsanalyse?
Die Regressionsanalyse basiert auf der Idee einer linearen Funktion (Regressionsgerade), die den y-Wert bei gegebem x-Wert möglichst genau abbildet
Was ist der dreistufige ML-Ansatz für Predictive Maintenance?
- Erfassen der Daten der jeweiligen Komponenten.
- Im zweiten Schritt Wissen gewinnen und das Expertenwissen in eine Regelengine umsetzen.
- Vorhersagen der Wartung mit statistischen Methoden oder mit einfachen bis komplexen ML-Algorithmen.
Was ist eine Regelmaschine?
Ein Regelmodul ist ein Framework, das Regeln automatisch verwaltet, z. B. bei Schwellenwertüberschreitungen, um einen Alarm auszulösen
Wie können Unternehmen am schnellsten Know-how aufbauen und verwertbare Ergebnisse erzielen?
mit einfachen Algorithmen beginnen
Wie erfolgt die Erkennung von Anomalien?
mit T-Tests (statistische Analyse) und Support Vector Machines (Machine Learning)
Was ist ein KNN-Algorithmus?
KNN (K Nearest Neighbours) ist der bekannteste ML-Algorithmus und beschreibt ein Klassifizierungsverfahren, bei dem die Anzahl der “Nachbarn” (k) für die Wahrscheinlichkeitsberechnung berücksichtigt wird
Zusammenfassender Tipp an Leads für die Verwendung künstlicher Intelligenz im Kontext von IoT-Plattformen?
- Denken Sie groß
- fangen Sie klein an
- Einfache Algorithmen führen oft schneller zum Erfolg als komplexe
- Gleichzeitig sollte eine IoT-Plattform gewählt werden, die auch die Ausbaustufen handlen kann
