Sameer Vittal, PhD, Direktor für Daten und Analytik, General Electric
Mark Sporer, Technischer Leiter, General Electric
Abstrakt
In diesem Beitrag stellen wir Fallstudien vor, die zeigen, wie sich Methoden der Verbraucherforschung in JMP Pro auf industrielle Sensor- und Wartungsdaten anwenden lassen. Dies unterstützt die Entwicklung von Strategien für das industrielle Anlagenmanagement, die neben traditionellen Ingenieursleistungen auf Kundenpräferenzen und Wertmodelle abgestimmt sind. Traditionelle, auf Zuverlässigkeit ausgerichtete Instandhaltungssysteme beginnen mit der Zuverlässigkeits- und Fehlermöglichkeitsanalyse und durchlaufen anschließend eine Reihe von Abwägungsstudien, in denen Sensoren, Anomalieerkennung und Entscheidungsunterstützungsmodelle ausgewählt werden, um ungeplante Ausfälle zu reduzieren. Erkenntnisse aus Kundenbefragungen, Marketing- und Wirtschaftsdaten werden oft nicht genutzt, hauptsächlich aufgrund mangelnder Kenntnisse über Methoden der Verbraucheranalyse in der Ingenieursgemeinschaft. Mit JMP Pro haben Ingenieure nun Zugriff auf Techniken wie Latent-Class-Analyse, Text Mining, Multiple Correspondence Analysis, Text Mining Topic Analysis usw. Diese Methoden ergänzen traditionelle Zuverlässigkeits- und Data-Mining-Methoden und werden zur Segmentierung industrieller Anlagen anhand ihrer Betriebs- (Sensor-) und Wartungsdaten eingesetzt. Dies liefert zusätzliche Erkenntnisse, mit denen Wartungsstrategien auf diese Industriesegmente abgestimmt werden können, was zu einer besseren Systemnutzung und einem höheren Geschäftswert führt. Dies wird anhand zweier Fallstudien veranschaulicht. Die erste Fallstudie befasst sich mit der nutzungsbasierten Segmentierungsanalyse von Kohlekraftwerken, die zweite mit der zuverlässigkeitsbasierten Segmentierung großer Windkraftanlagenflotten. Abschließend zeigen wir, wie diese Methoden auch in anderen Fertigungs- und Prozessindustrien Anwendung finden können.
