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 hier im digitalen Campus .
Zielsetzung
Sie lernen, Zusammenhänge aus großen Datenmengen auszuwerten und „smart Data“ zu generieren. Sie verstehen Funktionen von Softwaretools zur Datenanalyse. Neben Filtern, Korrelation und Regression werden Methoden zur Datenreduktion, Klassifikation, experimentellen Modellbildung und -reduktion behandelt. Beispielprogramme, die die wichtigsten Routinen für Testdaten enthalten, erklären Fragestellungen aus der Industriepraxis anschaulich.
Teilnehmerkreis
Fachleute und Ingenieure aus dem Betrieb, welche aus Betriebsdaten oder geplanten Versuchen Zusammenhänge oder Modelle aufstellen möchten. Des Weiteren Mitarbeiter aus der Instandhaltung, die mit Condition Monitoring und Predictive Maintenance beauftragt sind und jene, die aus Predicitive Analytics Schlüsse für den reibungslosen Betrieb ziehen möchten.
Zu allen Themen werden einfache Beispiele, sowie simulierte und reale Industriedaten in Excel, komplexere Aufgaben mit großen Datensätzen mit der freiverfügbaren statistischen Programmiersprache R berechnet. Programmierkenntnisse werden nicht vorausgesetzt. Die Beispielprogramme können leicht für eigene Bedürfnisse angepasst und erweitert werden. Die Teilnehmer erhalten die Möglichkeit die meisten Simulationen selbst auf Ihren Rechnern – auch während des Seminars – nachzuvollziehen.
Mit Ihrem eigenen Laptop können Sie aktiv an der Veranstaltung teilnehmen. (Das Excel-eigene Add-In „Analyse-Funktionen“ und „Solver“ wird verwendet.) Die lizenzfreie Software R wird im Seminar in der aktuellen Version 4.5.1 verwendet.
Wenn möglich die Software R und R-Studio installieren. Hinweise findet man im Verzeichnis „PDA-Daten…“ im Unterverzeichnis „R-Software“. (Zu finden kurz vor dem Seminartermin im Downloadbereich.) Dort sind die zu installierenden Bibliotheken ebenfalls aufgelistet.
Eine Teilnahme ist auch ohne die Installation möglich.
mehrwertsteuerfrei, einschließlich veranstaltungsgebundener digitaler Arbeitsunterlagen sowie Catering und Getränken bei Präsenz-Teilnahme
