Data-Mining

Wissen und Schlüssel-Informationen zu Tage bringen

Mittels Data-Mining werden die wirklich wichtigen Informationen aus Prozessdaten extrahiert und so der Betrieb Ihrer Industrieanlage auf ein neues Level an detaillierter Datentransparenz gehoben. Die Aufzeichnung der Daten in Archiv-Servern ist nur der erste Schritt zur Gewinnung von Informationen und Wissen aus diesen Daten. Machen Sie mit uns die in den Daten enthaltenen Informationen greifbar und nutzbar!

Wichtige Vorteile von Data-Mining

  • Die wichtigen und wirtschaftlich sowie technologisch nutzbaren Informationen werden aus den aufgezeichneten Prozessdaten dargestellt
  • Systematisches Erarbeiten komplexer Zusammenhänge, die sich z.B. mit Tabellenkalkulationsprogrammen kaum oder nicht finden und darstellen lassen
  • Die Ergebnisse von Data-Mining-Prozessen sind nachvollziehbar und wiederholbar
  • Umfassende Analysen mit bis zu mehreren hundert Kanälen können schnell und systematisch durchgeführt werden
  • Standorte können vergleichbar gemacht werden (Benchmarking)
  • Optimierungspotentiale werden sichtbar gemacht und quantifiziert
  • Komplexe Zusammenhänge können grafisch dargestellt werden und liefern Entscheidungsgrundlagen für die wirtschaftliche Optimierung Ihrer Industrie-Anlage

VOIGT+WIPP Engineers ist Ihr Partner, wenn Sie diese fortschrittliche aber bewährte Technologie in Ihrem Betrieb einsetzen wollen.

Projektschritte bei Data-Mining Projekten

Wir arbeiten nach dem CRISP - Standard Verfahren zur Wissensgewinnung aus Datenbanken (z.B. von Prozessdaten):

Dieser Prozess wurde aus einem Förderprojekt der Europäischen Union von namhaften Teilnehmern entwickelt und besteht aus sechs Phasen mit jeweiligen Teilphasen, die zum Teil wiederholt durchlaufen werden.

CRISP - Cross-Industry Standard Process for Data-Mining

Die sechs Phasen im Lebenszyklus sind:

  1. Business Understanding
    In dieser ersten Phase werden die Ziele und Anforderungen aus Sicht des Auftraggebers festgelegt. Daraus werden die konkrete Aufgabenstellung und die prinzipielle Vorgehensweise definiert.
  2. Data Understanding
    Anhand von initialen Daten und Einarbeitung folgt die Untersuchung auf qualitative Zusammenhänge, Analyse der Datenqualität, erste Zusammenhänge und interessante Anlagenbereiche sowie technologische Aspekte werden erarbeitet.
  3. Data Preparation
    Aus den ersten Daten wird eine gültige (bereinigte) Datenmenge zur Durchführung der Modellierung gewonnen. Dazu werden geeignete Instanzen und Attribute ausgewählt und Werte gegebenenfalls umgerechnet, ergänzt oder gelöscht. Diese Phase kann unter Umständen mehrmals durchlaufen werden. In dieser Phase werden z.B. Ausreißer identifiziert und Closed-Loop-Effekte erkannt und berücksichtigt.
  4. Modeling
    Die geeigneten Data-Mining-Verfahren werden auf die Daten angewendet und ihre Parameter optimiert. In der Regel gibt es mehrere passende Verfahren (mit mehreren möglichen Parameterkombinationen) für die konkrete Aufgabenstellung, häufig mit jeweils unterschiedlichen Voraussetzungen, weshalb die dritte Phase und auch diese gegebenenfalls mehrmals durchlaufen werden müssen. Am Ende sollte ein Ranking der verwendeten Modelle stehen.
  5. Evaluation
    Aus den Erkenntnissen der vierten Phase wird das Modell gebildet, welches die Aufgabenstellung am besten erfüllt. Die einzelnen Schritte zur Modellgewinnung werden nochmals detailliert auf ihre Korrektheit im Sinne der Aufgabenstellung geprüft und das endgültige Modell genauestens getestet. Es darf keinen außer Acht gelassenen Aspekt der Aufgabenstellung geben. Am Ende dieser Phase sollte Übereinstimmung über die Verwendbarkeit der Ergebnisse erzielt sein.
  6. Deployment
    Die gewonnenen Erkenntnisse werden grafisch, tabellarisch und zahlenmäßig so aufbereitet, dass die Ziele aus Sicht des Auftraggebers erfüllt sind. Dies kann von der einfachen Erstellung eines Berichts bis zur Integration eines Modells in einen Entscheidungsprozess oder ein Prozessleitsystem des Auftraggebers reichen oder sogar in einen fest installierten, sich wiederholenden Data-Mining-Prozess seitens des Auftraggebers.

Im Sinne von kostengünstigen Data-Mining-Projekten für unsere Kunden setzen wir vorwiegend Open-Source-Software ein.

Wir haben Erfahrung im Daten-Export aus Osi-Soft PI Systemen und Nutzung des Process-Book zur Visualisierung von identifizierten Modellen zur Nutzung für Regelung und/oder Überwachung Ihrer Industrie-Anlagen.

Top