Korrelationsanalyse

Die Untersuchung von Abhängigkeiten


Zusammenhänge identifizieren

Im Allgemeinen dienen Korrelationsanalysen dazu, die Stärke des Zusammenhangs zweier Variablen zu berechnen, um damit mögliche kausale Zusammenhänge zu identifizieren. Dabei können Variablen zum einen physikalische Messgrößen wie Temperatur, Druck oder ein Drehmoment sein. Zum anderen lassen sich auch abgeleitete Größen, welche beispielsweise die Qualität eines Produktes beschreiben, oder etwa Ereignisdaten wie Alarm- oder Zustandsmeldungen für diese Analyseform verwenden.       


Korrelationen beschreiben keine kausalen Beziehungen

Die Stärke des Zusammenhangs (linear, monoton) zweier Variablen wird durch den Korrelationskoeffizienten ausgedrückt. Dessen Betrag kann Werte zwischen 0 und 1 annehmen. Zusammenhänge mit hohem Korrelationskoeffizienten müssen jedoch tiefergehend untersucht werden. Denn Korrelationen beschreiben keine Ursache-Wirkung-Beziehungen, sondern liefern bestenfalls Hinweise auf sie. Ob es sich bei einer Korrelation tatsächlich um eine kausale Beziehung handelt, kann nur unter Einbindung von Fachwissen oder wissenschaftlichen Untersuchungen entschieden werden.  

Was beeinflusst die Produktqualität?

Ein verbreiteter Anwendungsfall für Korrelationsanalysen untersucht, welche Faktoren die Qualität eines Produktes beeinflussen. Konkret stellt sich die Frage, wie stark der Zusammenhang zwischen Fertigungsqualität und möglichen Einflussfaktoren ist. Im gezeigten Beispiel steht lediglich eine Temperatur und die Rate an Alarmmeldungen im Verdacht mit der Produktqualität in Beziehung zu stehen. Eine Verringerung oder Erhöhung der Anpresskraft hätten lediglich einen vernachlässigbaren Einfluss.       

In diesem vereinfachten Use Case ließe sich beispielsweise frühzeitig mittels Anomalie-Detektion vor Temperaturschwankungen warnen oder mit Hilfe einer Ereigniskorrelationsanalyse die genauen Auslöser der Alarmmeldungen analysieren. Die Korrelationsanalyse hätte somit zum Ziel, alle kritischen Prozesse zu identifizieren, um diese dann mittels maschineller Lernverfahren optimal überwachen zu können.      

Ihr Nutzen aus der Event-Korrelation

Kontrolle
erhöhen

Optimierung des
Produktionsprozesses

Wartungskosten
senken

Qualität
steigern

Haben Sie Fragen? Wir beraten Sie gerne.

Der Datenanalysebereich Katana der USU-Gruppe verfügt über langjährige Erfahrung in der Anwendung von maschinellen Lernverfahren im industriellen Bereich. Nutzen Sie unser Wissen und unsere Lösungen zur Optimierung Ihrer Produktionsprozesse um Kosten zu senken und Qualität zu steigern.

 

Datengetriebene Services erfolgreich entwickeln

Leitfaden für Voraussetzungen, Herausforderungen und das richtige Vorgehen bei der Entwicklung maßgeschneiderter Smart Services.

Download White Paper