R-Tutorials: Übersicht
 Demo-Rx: Datenanalyse mit R, RStudio, Shiny

Die Demo- und Tutorial-Reihe rund um das Thema Datenanalyse mit R stellt Umsetzungen zur Bestimmung von Ausfall-Prognose im Rahmen eines Predictive Maintenance-Szenarios dar. Zunächst werden den Grundlagen der statistischen Programmiersprache R vermittelt, danach die Verwendung der Pakete stats und graphics für die Datenverwaltung und -visualisierung und schließlich die Durchführung der Datenanalyse mittels Entscheidungsbäumen und Clusteranalysen.

Demo-R1: R-Tutorial

Das R-Tutorial ist eine Einführung in die statistische Programmiersprache R. Der erste Teil befasst sich mit der grundlegenden Syntax: Variablen, Vektoren, Matrizen, regelmäßige Folgen, Arbeiten mit Datensätzen. Nach einer kurzen Motivation folgen die Beschreibung der Entwicklungsumgebung RStudio und die ersten Codezeilen in R. Hinweise und Besonderheiten zur Syntax werden an Beispiel-Codes gezeigt.

Der zweite Teil der R-Tutorial-Reihe bietet einen Einstieg in Kontrollstrukturen (bedingte Verzweigungen und Schleifen) und die Verwendung und Erstellung von Funktionen in der Programmiersprache R.

Demo-R2: Datenverwaltung mit dem R-Paket stats

Nachdem in Demo-R1: R-Tutorial der erste Einstieg in die Syntax der Programmiersprache R erfolgt ist, zeigt Demo-R2 im nächsten Schritt, wie die Datenverwaltung und - visualisierung mit Hilfe der R-Pakete stats und graphics durchgeführt wird. Ein Zeitreihen-Datensatz zum Stromverbrauch in Deutschland aus der Open-Power-System-Data (OPSD)-Plattform dient uns dabei als Anwendungsbeispiel. Die Daten werden in einer interaktiven App analysiert, die mit R Shiny erstellt wurde.

Übersichtsartikel: Was ist Predictive Maintenance?

Der Übersichts-Artikel Was ist Predictive Maintenance? - Ein Überblick gibt eine Übersicht über die grundlegenden Konzepte und Basistechnologien der Predictive Maintenance, stellt die Anwendungsbereiche in der Praxis und die Predictive Maintenance-Lösungen einiger Global Player auf dem Markt vor, sowie einen Anwendungsfall aus der Automotive-Industrie, der zeigt, wie die Klassifikation von Ausfällen mit Hilfe eines Modells des überwachten Lernens durchgeführt werden kann.

Demo 3: Predictive Maintenance mit R

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. Die Güte des Vorhersagemodells wird mit Hilfe des Testverfahrens der Kreuzvalidierung bestimmt, dazu werden die Kennzahlen Accuracy, Precision, Recall und AUC zur Beurteilung des Testfehlers herangezogen. Im letzten Abschnitt von Demo3 wird das Entscheidungsbaum-Modell zur Klassifikation verwendet und für die Testdaten eine Vorhersage des Ausfalls anhand deren Merkmalskombinationen durchgeführt.

Demo 4: Interaktive PredMaintApp mit R Shiny

Die in Demo3 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:
 Prof. Dr. Eva Maria Kiss
 M.Sc. Anke Welz

Tools:
R, RStudio, Shiny Apps

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