›   R-Demos zur Predictive Maintenance - Übersicht

Diese Demonstratoren stellen weitere Umsetzungen zur Bestimmung von Ausfall-Prognose im Rahmen eines Predictive Maintenance-Szenarios dar. Die angeführten R-Demonstrator des elab2go zeigen, wie die Datenanalyse als Schritt des Predictive Maintenance-Prozesses mit Hilfe der statistischen Programmiersprache R in der Entwicklungsumgebung RStudio erstellt wird.

In Demo 3: Predictive Maintenance mit R wird die Datenanalyse am Beispiel eines Automobildatensatzes durchgeführt, mit den ersten drei Schritten: Einlesen der Trainingsdaten, Auswahl der Merkmale und der Vorhersagevariablen und die Erstellen des Entscheidungsbaum-Modells.

Dann wird im Anschluss in Demo 3: Predictive Maintenance mit R die Güte des Vorhersagemodells bewertet. Mit Hilfe des Testverfahrens der Kreuzvalidierung werden die Kennzahlen Accuracy, Precision, Recall und AUC zur Beurteilung des Testfehlers herangezogen.

Im letzten Abschnitt wird das Entscheidungsbaum-Modell zur Klassifikation verwendet und für die Testdaten eine Vorhersage des Ausfalls anhand deren Merkmalskombinationen durchgeführt.

Die in Demo 3 durchgeführten Datenanalyse-Schritte werden in der folgenden Demo zur Datenanalyse mit R in einer interaktive Webanwendung mit Hilfe des R-Paketes Shiny dargestellt.

In Demo 4, Teil 1: Interaktive PredMaintApp wird der Aufbau und der Umgang mit der interativen Shiny-App PredMaintApp zur Vorausschauenden Wartung erläutert.

Dann wird in Demo 4, Teil 2: Erstellung einer interaktiven Shiny-App mit RStudio eine Schritt-für-Schritt-Anleitung zur Erstellung und Ausführung einer Shiny-App in der Entwicklungsumgebung RStudio vorgestellt.

Und schließlich enthält Demo 4, Teil 3: Interaktive PredMaintApp die Shiny-App, die eine interaktive Benutzereingabe bzgl. der Erstellen des Entscheidungsbaum-Modells, der Verwendung des Modells zur Klassifikation und der Modell-Validierung ermöglicht.

Autoren, Tools und Quellen

Autoren:
 M.Sc. Anke Welz
 Prof. Dr. Eva Maria Kiss

Tools:
R, RStudio, Shiny Apps

Quellen und Links:
R-Tutorial Teil 1: Variablen, Vektoren, Matrizen, regelmäßigen Folgen
R-Tutorial Teil 2: Kontrollstrukturen und Funktionen
R-Tutorial Teil 3: Grafiken, Zufallszahlen und -stichproben
Was ist Predictive Maintenance? (elab2go)
Predictive Maintenance: Die Datenanalyse (elab2go)
Predictive Maintenance: Die Performance und die Kreuzvalidierung (elab2go)
Demo 3: Predictive Maintenace mit R (elab2go)
Demo 4: Interaktive PredMaintApp (elab2go)
R-Dokumentation im Comprehensive R Archive Network (CRAN)
Shiny-Anleitung in RStudio