Data Science

Allgemeine Definition

Data Science (Datenwissenschaft) hat im Kontext der Industrie in den letzten Jahren an Bedeutung gewonnen. Data Science ist die Kombination aus Statistik, angewandter Informatik, Computing, Kommunikation, Management und Soziologie. Hierbei sollen Denkweisen und Methodiken zugrunde liegen, die es ermöglichen, Erkenntnisse und Wissen sowie (in eingeschränktem Maße) Aussagen über die Zukunft auf der Basis von Daten zu generieren. Dabei ist die Bedeutung für die Industrie enorm. In einer Studie der Grand View Research, Inc. heißt es: „Die globale Marktgröße für intelligente Fertigung wird bis ins Jahr 2025 auf 395,24 Milliarden US-Dollar geschätzt.“


Mögliche Einsatzgebiete für die Industrie

 

Die Einsatzgebiete in der Industrie sind vielfältig, wie Abbildung 1 zeigt:

Im Folgenden seien nur drei Beispiele genannt:

Vorausschauende Wartung: Ungeplante Ausfallzeiten sind der größte Einzelverursacher von Gemeinkosten in der Fertigung. Dies hat dazu geführt, dass Technologien wie zustandsbasierte Überwachung und vorausschauende Wartung eingeführt wurden. Sensordaten von Maschinen werden kontinuierlich überwacht, um Anomalien zu erkennen, Fehlermodi zu diagnostizieren, die Zeit bis zum Ausfall (TTF) vorherzusagen und damit die optimale Wartungszeit zu prognostizieren.

Qualität: Um die Qualität vorhersagbar zu machen, werden heute Methoden wie die „Statistische Prozesskontrolle“ eingesetzt. Diese trifft allerdings nur die Aussage, ob ein gefertigtes Teil fehlerhaft ist, oder nicht und ist damit reaktiv.
Eine proaktive Aussage liefert die Anwendung statistischer Verfahren, wie die lineare Regression über die Zeit. Hiermit kann man die Frage beantworten: „Wie lange haben wir Zeit, bevor wir schlechte Teile herstellen?“

Absatzprognosen: Die Vorhersage künftiger Trends hat schon immer dazu beigetragen, die Ressourcen für die Rentabilität zu optimieren. Im verarbeitenden Gewerbe hilft die frühzeitige Kenntnis des Produktionsvolumens bei der Optimierung von Ressourcen wie der Lieferkette, der Abstimmung zwischen Maschine und Produkt und der Belegschaft. Zur Optimierung der Ressourcen werden heute Techniken eingesetzt, die von linearen Regressionsmodellen, ARIMA [2], bis zu komplizierteren Modellen wie LSTM [3] reichen.


Ausblicke


In den Bereichen Produktion und Logistik bekommt die Datenanalyse einen immer höheren Stellenwert, um damit weitere Optimierungspotenziale zu identifizieren. Unter dem Begriff der Data Science entsteht eine Fachdisziplin, die ein Zusammenspiel zwischen Mathematik, Informatik und Anwendungsdomäne erfordert.
Und gerade in der Prozessindustrie, bei der traditionell eine große Menge an Daten verfügbar ist, wird Data Science zukünftig eine immer größere Rolle spielen.


Unsere smarten Apps:



Quellen

 

 

Kontakt

+49 89 44 388 99 50

contact@smart-applications.com

Nutzen Sie auch unser Kontaktformular.