Zeitreihenanalyse

Die zeitliche Entwicklung analysieren


Strukturen identifizieren

Die Zeitreihenanalyse beschäftigt sich mit der Identifikation von Mustern und Regelmäßigkeiten in der zeitlichen Entwicklung von Messsignalen mit dem Ziel, die Prozesse besser zu verstehen, die den Daten zu Grunde liegen, anomales Verhalten zu erkennen sowie den zeitlichen Verlauf von Signalen vorherzusagen. Da die Messwerte einer Zeitserie von einer Vielzahl von Faktoren beeinflusst werden, die oft nicht bekannt sind oder deren Einfluss zu komplex ist, werden stochastische Modelle eingesetzt, um den zeitlichen Verlauf der Signale zu modellieren.                     


Methoden zur Zeitreihenanalyse

Um Zeitreihen zu analysieren, existiert eine Vielzahl verschiedener Methoden. Dazu zählen beispielsweise Glättungsverfahren, welche zufällige Schwankungen in den Messwerten eines Signals durch korrigierte Näherungen ersetzen. Mittels Fouriertransformation lässt sich die Zeitreihe in ihr Frequenzspektrum zerlegen, womit untersucht werden kann, welche Frequenzanteile im Signal enthalten sind. Mit Hilfe von Regressionsverfahren lassen sich beispielsweise zeitliche Trends und saisonale Einflüsse bestimmen, und mittels rekurrenter neuronaler Netze kann die zeitliche Entwicklung nichtlinearer dynamischer Systeme vorhergesagt werden.     

Den optimalen Wartungszeitpunkt bestimmen

Neben der Echtzeiterkennung von Anomalien in Sensordaten spielt auch die langfristige Vorhersage der zeitlichen Entwicklung relevanter Kenngrößen eine zentrale Rolle. Kenngrößen können beispielsweise die Laufleistung oder die Ölqualität einer Maschine sein. Kann die zeitliche Entwicklung dieser Kenngrößen ausreichend genau vorhergesagt werden, lassen sich Ersatzteile rechtzeitig bestellen und Servicetechniker für die Wartung einplanen. Damit werden kostspielige Ausfälle verhindert.

Prädiktionsansätze, welche auf einer linearen Fortschreibung von Messgrößen beruhen, führen zu teils sehr ungenauen Prädiktionen. Die von uns entwickelten Ansätze basieren auf maschinellen Lernverfahren und bieten eine verbesserte Prädiktion mit Zusatzinformation über die Unsicherheit der Vorhersage.

Ihr Nutzen aus der Zeitreihenanalyse

Fehler
frühzeitig erkennen

Ausfallzeiten
reduzieren

Wartungskosten
senken

Smart Services
entwickeln

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