Tiesler, H.H.TieslerMessmer, M.M.MessmerPaul, NathalieNathaliePaulSicking, JoachimJoachimSicking2022-03-142022-03-142019https://publica.fraunhofer.de/handle/publica/406077Vorgestellt wird ein Data-Analytics-Projekt, das im IoT-Lab des Innovations-Zentrums der ZF Friedrichshafen AG zusammen mit dem Fraunhofer IAIS durchgeführt wurde. Am Beispiel des ZF Bus-Automatgetriebes EcoLife wird gezeigt, wie ein Datenmodell aus verfügbaren Produktions-, Feldkollektiv- und Schadensdaten einer Gesamtpopulation von Fahrzeugen für Analysezwecke erstellt wurde. Möglichkeiten der Exploration von Belastungsdaten zur Ableitung von Lastannahmen werden gezeigt. Mit Machine-Learning-Verfahren können rein datenbasiert Klassen von Einsatzfällen voneinander separiert und identifiziert werden. Weiterhin wird gezeigt, wie Schadensvorhersagemodelle basierend auf Felddaten aussehen können. Supervised Machine Learning zeigt hier große Potentiale.deLastdatenanalyseFelddatenBig Datamachine learning005006629conference paper