Aufgabenstellung
Automatische Erkennung von Anomalien in Produktionsprozessen bei Daimler zur Unterstützung von Predictive Maintenance. Analyse tausender zeitabhängiger Signale pro Produktionszyklus, um Abweichungen und drohende Ausfälle frühzeitig zu erkennen.
Lösungsweg
Einsatz von MATLAB zur Analyse und Mustererkennung in Zeitreihen:
- Pattern Matching zwischen Referenz- und Testsignalen
- Automatische Zeitachsenanpassung (Kompensation von Verzögerungen)
- Erkennung signifikanter Musterabweichungen mittels Korrelations- und Abstandsanalysen
Ergebnis
Das Verfahren erkennt zuverlässig kritische Prozessabweichungen, ermöglicht vorausschauende Wartung und reduziert Stillstandszeiten und Kosten. Damit wird ein wichtiger Beitrag zur digitalen Transformation und Qualitätssicherung in der Fertigung geleistet.
Unsere Präsentation dazu auf der Automotive Konferenz in Stuttgard finden Sie hier.
Projektteam
Dr. Irina Ostapenko
Algorithmen, Datenanalyse und Organisation
Dr. Daria Skuridina
Simulation, Datenanalyse und Marketing
Dr. Momme Winkelnkemper
Algorithmen, Datenanalyse und Modellierung
