›   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.

Anschließend wird 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