maschinelles lernen
6 0
I N T E L L I G E N T E A U T O M A T I S I E R U N G D E R
Alle Vorteile
maschineller
Lernalgorithmen
für verschiedenste
Prüflinge, von
virtuell bis real
N Ä C H S T E N G E N E R A T I O N
In der Vergangenheit wurden die Daten oft erst Wochen nach den Tests
analysiert, und mögliche Unstimmigkeiten zu spät entdeckt. „Es ist enorm
wichtig, Probleme frühzeitig zu erkennen, um kostspielige Schäden am zu
testenden Prüfling und Verzögerungen im Projektplan zu vermeiden. Wir
haben ein Tool entwickelt, das die Vorteile maschineller Lernalgorithmen
voll ausschöpft“, erläutert Werner Fuchs die neueste Softwarelösung, AVL
PUMA 2™ Machine Learning. Diese Lösung wurde speziell auf die Bedürf-
nisse der AVL-Kunden zugeschnitten und ist sehr einfach zu bedienen. „Man
muss dafür kein Data Scientist sein“, betont Fuchs.
Der Prozess ist relativ einfach: Aus den zuvor aufgezeichneten Prüfstands-
daten können die Anwender einfach Modelle erstellen. Mit Hilfe dieser
Modelle ist es möglich, prognostizierte und gemessene Werte zur Laufzeit
zu vergleichen. „Mit dieser Methode wird sofort ersichtlich, ob es Abwei-
chungen gibt“, erklärt Fuchs. Wochenlange Tests, wie zum Beispiel Batte-
riedauerlauftests, die erhebliche Ressourcen verbrauchen, können so früh-
zeitig abgebrochen werden, was Zeit, Kosten und Nerven spart.
Eine brandneue Studie von McKinsey, „Industrialized Machine Learning“, die
genau diesen Ansatz vorschlägt, bestätigt Fuchs' Ansicht voll und ganz. Wie
beim Menschen spricht man auch bei Batterien, Brennstoffzellen und allen an-
deren Prüflingen von einem „Gesundheitszustand“. Der Gesundheitszustand
ist für Hersteller äußerst wichtig, um schnell zu verstehen, ob ihre Entwicklung
in die richtige Richtung geht. Fuchs hat festgestellt, dass auch Kunden, die
sich mit dem Alterungsverhalten von
Brennstoffzellen beschäftigen, dieses
Interesse teilen. Schließlich ist Was-
serstoff eine zu kostbare Ressource,
als dass man sie in Testleerläufen ver-
schwenden könnte.
Früher wurde ein Prüfstand ange-
schafft und dann zehn Jahre lang im
Wesentlichen unverändert betrieben.
Heutzutage müssen die Kunden in
viel kürzeren Zyklen Updates durch-
führen, da sie mit ständig ändernden
IT-Umgebungen und einer steigen-
den Zahl an Sicherheitsbedrohungen
konfrontiert werden. Beides hat den
Druck auf die IT-Systeme und -Um-
gebungen in den Prüfeinrichtungen
zusätzlich erhöht. Mit unserem Soft-
ware Maintenance Ansatz sorgen wir
dafür, dass der Wert und die Stabilität
der AVL-Software für unsere Kunden
über den gesamten Produktlebenszy-
klus erhalten bleibt. �����������������������������������������������������������������������������������������