Root Cause Analysis

Schritt für Schritt zur Fehlerursache


Zusammenhänge finden

Aus den Ereignis- und Messdaten von komplexen Maschinen und IT-Systemen können wichtige Informationen über den Zustand und die zeitliche Entwicklung der Systeme extrahiert werden. Beispielsweise lassen sich durch die Detektion immer wiederkehrender Abfolgen von Ereignissen oder Merkmalen in Sensordaten Zusammenhänge identifizieren, die ein besseres Verständnis für das Systemverhalten oder die Ursache von Fehlern liefern. 


Verifizierung der Zusammenhänge

Ob die gefundenen Zusammenhänge jedoch wirklich relevant sind, lässt sich in vielen Fällen nur durch Expertenwissen oder Versuche klären. Die Kombination Ihres Domänenwissens mit denen von uns identifizierten Zusammenhängen führt zu einer Auswahl relevanter Beziehungen, die einen kausalen Charakter besitzen und somit einen echten Wert für das Verständnis der Systeme liefern.

Ausfälle im Produktionsprozess besser verstehen

Durch selbstlernende Verfahren sind unsere Lösungen in der Lage, sowohl Ereignisdaten als auch Sensormessdaten in unterschiedlichen Detailtiefen zu analysieren, die Ergebnisse zu strukturieren und ausgewählten Ereignissen ihre wahrscheinlichsten Ursachen zuzuordnen. Die Verfahren, die wir hierzu verwenden, sind äußerst vielfältig und hängen stark vom Wesen der Daten ab. Um die Ergebnisse aufzubereiten, können sie beispielsweise in Form eines Ereignisbaums dargestellt werden.        

Der obige Ereignisbaum zeigt die Verkettung von Fehler-Ereignissen einer Produktionsanlage. Von links nach rechts gelesen werden ausgewählten Fehlern ihre potentiellen Auslöser zugeordnet. Die Größe des Durchmessers eines Knotens ist ein Maß für die Stärke der jeweiligen Korrelation.

Mit Hilfe der Root Cause-Analyse können wichtige Zusammenhänge effizient aus historischen Daten extrahiert werden und mittels interaktiver Visualisierungen so aufbereitet werden, dass beispielsweise Maschinenbauingenieure und Servicetechniker einen schnellen und intuitiven Zugang zu diesen Informationen erhalten. Das so entstehende Wissen lässt sich dazu nutzen, die Maschinen und IT-Systeme technisch zu verbessern, Wartungsarbeiten zu beschleunigen oder aber auch Fehlverhalten durch softwarebasierte Lösungsansätze frühzeitig vorherzusagen.       

Ihr Nutzen aus der Root Cause Analysis

Prozesse
optimieren

Entscheidungs-
findungsprozesse
verbessern

Ausfallzeiten
reduzieren

Kontrolle
erhöhen

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