Anomalie-Erkennung in Industriesensoren für vorausschauende Wartung
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst Sensordaten (10 Hz Abtastrate, 40 Maschinen, 12 Monate) und ein Label-Set mit 38 bestätigten Wartungsfällen aus den letzten 12 Monaten. Verwende Isolation Forest und/oder einen Autoencoder als Baseline und vergleiche gegen die heutige Schwellenwert-Regel. Evaluiere mit Precision, Recall und Time-to-Detect pro Fall. Liefere die wirkungsvollere Methode plus eine schriftliche Empfehlung, wie der Service-Bereich die Schwellen pro Maschinen-Modell pflegen sollte.
Das Briefing
Was Du tust und was Du zeigst.
Wie reduziert man False Alerts der Predictive-Maintenance um 50 %, ohne echte Wartungsfälle zu übersehen?
Earning criteria — what you'll demonstrate
- Unsupervised-Anomalie-Methoden auf hochfrequente Zeitreihen anwenden
- Precision/Recall bei unbalancierten Klassen (wenige echte Fälle) bewerten
- Time-to-Detect als geschäftsrelevante Metrik einbinden
- Eine Modell-Empfehlung mit Betriebs-Implikationen formulieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenMachine Learning Engineer
Anomalie-Detektion auf Industrie-Sensoren ist ein produktives Anwendungsfeld für ML Engineers im Maschinenbau; die Challenge liefert genau das Portfolio-Stück, das After-Sales-Teams einstellen.
Dieses Projekt schärft
- anomaly-detection
- isolation-forest
- time-series
Data Scientist
Time-to-Detect und Precision-Recall-Bewertung auf unbalancierten Klassen sind übertragbar auf jede Risiko-Erkennung — von Fraud bis Cyber.
Dieses Projekt schärft
- anomaly-detection
- model-evaluation
- time-series
Angewandte:r KI-Wissenschaftler:in
Mehrere Methoden gegeneinander zu benchen und eine begründete Produktions-Empfehlung zu schreiben ist die Kernarbeit angewandter KI-Wissenschaftler:innen.
Dieses Projekt schärft
- autoencoder
- model-evaluation
- anomaly-detection
Noch eine Sache