Prozessdatenanalyse – Zusammenhänge aus Betriebsdaten mit klassischen und KI-Methoden bewerten

Mittels Prozessdatenanalyse werden aus normalen Betriebsdaten und/oder aus geplanten Versuchen qualitative und quantitative Zusammenhänge extrahiert. In einfachen Fällen mittels Regression (basierend auf der Methode der kleinsten Quadrate), in komplexen Fällen mittels maschinellen Lernens (neuronales Netz, Clustering, Entscheidungsbäume, usw.) Letztere bilden die so genannten KI-Methoden.

Dieses Seminar beginnt mit den klassischen Datenauswertungsmethoden, und endet bei den Verfahren des maschinellen Lernens.

Für die Fallbeispiele werden Excel, R und wenig Python-Codes gezeigt, welche leicht für die eigene Anwendung umgestellt werden können. (R und Python sind lizenzfreie Software.)

Das KI-Zeitalter hat auch die Fragestellungen der Datenanalyse erreicht. So wird gezeigt, wie die Programmierung mit in natürlicher Sprache formulierten Fragestellungen umsetzbar ist. Hier wird neben Chat-GPT auch eine für die Datenanalyse entwickelte KI-Anwendung gezeigt.

Zum Thema

Industrie 4.0 und immer modernere Automatisierungssysteme führen zu einer wachsenden Datenmenge. Eine wirksame Datenanalyse unterstützt die Betriebssicherheit und Anlagenverfügbarkeit und kann helfen, Betriebs-, Personal-, Gewährleistungs- und Instandhaltungskosten drastisch zu senken.

Für einfache Beispiele kann die Datenauswertung mit Excel erfolgen, für komplexere Aufgaben (wie diejenige des maschinellen Lernens) stehen statistische Analyseverfahren wie z. B. die frei verfügbare statistische Programmiersprache R oder Python zur Verfügung.

Das Seminar gibt einen Überblick über die Methoden der Datenanalyse, praktische Beispiele der Datenauswertung in der Prozess- und Verfahrenstechnik werden gerechnet, auf kommerzielle Lösungswege wird hingewiesen und um eine Übersicht der gängigen kommerziellen und lizenzfreien Programmpakete zur Datenauswertung ergänzt.

Zu jedem Themengebiet wird ein praktisches Beispiel - zusammen mit den geplanten Lösungsschritten - erklärt, wofür die Methode nützlich verwendbar ist.

Unterschiedliche Anwendungsbeispiele zur Prozessdatenanalyse in der Praxis finden Sie  .