Sameer Vittal, PhD, Direktor von Data & Analytics, General Electric
Mark Sporer, technischer Leiter, General Electric
Abstrakt
In diesem Artikel stellen wir Fallstudien vor, die zeigen, wie Verbraucherforschungsverfahren in JMP Pro auf industrielle Sensor- und Wartungsdaten angewendet werden können. Dies hilft bei der Entwicklung von Strategien für das industrielle Asset Management, die auf die Kundenpräferenzen und Wertmodelle abgestimmt sind, zusätzlich zu herkömmlichen Engineering-Inputs. Herkömmliche wartungsorientierte Wartungssysteme beginnen mit der Zuverlässigkeits- und Fehlermodusanalyse. Anschließend durchlaufen sie eine Reihe von Handelsstudien, in denen Sensoren, Anomalienerkennung und Entscheidungsunterstützungsmodelle ausgewählt werden, um ungeplante Fehler zu reduzieren. Eingaben aus Kundenbefragungen, Marketing- und Wirtschaftsdaten werden häufig nicht verwendet, vor allem aufgrund des Mangels an Kenntnissen über Consumer-Analytics-Techniken in der Technik. Mit JMP Pro haben Ingenieure jetzt Zugriff auf Techniken wie die Analyse latenter Klassen, Text Mining, Mehrfachkorrespondenzanalyse, Text Mining-Themenanalyse usw. Diese Methoden arbeiten mit traditionellen Zuverlässigkeits- und Data-Mining-Methoden und werden verwendet, um industrielle Anlagen anhand ihrer Betriebs- (Sensor-) und Wartungsdaten zu segmentieren. Dies gibt zusätzliche Einblicke, in denen Wartungsstrategien auf diese Industriesegmente abgestimmt werden können, was zu einer besseren Systemnutzung und einem höheren Geschäftswert führt. Dies wird durch zwei Fallstudien veranschaulicht. Die erste Fallstudie befasst sich mit der nutzungsbasierten Segmentierungsanalyse von Kohlekraftwerken, und die zweite Studie basiert auf der zuverlässigkeitsbasierten Segmentierung großer Windturbinenflotten. Schließlich zeigen wir, wie diese Methoden in anderen Fertigungs- oder Prozessindustrien angewendet werden können.
