Anomalie-Erkennung in Sensor-Daten einer süddeutschen Windparks
Übersicht
Worum es bei diesem Projekt geht.
Baue ein Anomalie-Erkennungs-System für 80 Windturbinen, liefere Pipeline und Dashboard und erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Windpark-Betreiber (anonymisiert; rund 220 Mitarbeitende, Portfolio von rund 800 MW in Thüringen und Sachsen) zahlt für unangekündigte Getriebewechsel rund 250.000 Euro pro Fall plus Erlös-Ausfall; jeder mit 30 Tagen Vorlauf erkannte Schaden senkt die Reparatur-Kosten deutlich.
Das Briefing
Was Du tust und was Du zeigst.
Baue ein Anomalie-Erkennungs-System auf SCADA-Daten, das Schäden früh erkennt und Fehl-Alarme unter einer operativ akzeptablen Schwelle hält.
Earning criteria — what you'll demonstrate
- Saisonalitäts-Zerlegung auf realen Sensor-Zeitreihen anwenden
- Anomalie-Erkennung gegen schwach gelabelte Ground Truth fair evaluieren
- Fehl-Alarm-Raten als operativ-relevante Metrik reportieren
- Dashboard und Memo für ein Wartungs-Team aufbereiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Time Series
Apply time series to solve real industry problems and demonstrate production-level capability.
- Anomaly Detection
Apply anomaly detection to solve real industry problems and demonstrate production-level capability.
- Signal Decomposition
Apply signal decomposition to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
- Monitoring
Apply monitoring to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Data Scientist
Anomalie-Erkennung auf Sensor-Zeitreihen mit operativer Fehl-Alarm-Disziplin ist die Kernarbeit für Data Scientists in Asset-Heavy-Branchen.
Dieses Projekt schärft
- time-series
- anomaly-detection
- signal-decomposition
Maschinelles-Lernen-Ingenieur:in
Eine Monitoring-Pipeline mit Dashboard für ein Wartungs-Team zu bauen, ist MLE-Tagesarbeit in Industrie-Stacks.
Dieses Projekt schärft
- python
- monitoring
- evaluation
Angewandte:r KI-Wissenschaftler:in
Detektions-Ergebnisse in eine Reparatur-Logistik-Empfehlung zu übersetzen, ist Brückenarbeit zwischen ML-Engineering und Asset-Management.
Dieses Projekt schärft
- anomaly-detection
- evaluation
- monitoring
Noch eine Sache