Technische Details: Predictive Maintenance Decision Intelligence
Architektur, Modelllogik und Explainability-Mechanik für eine entscheidungsorientierte Wartungsintelligenz in industriellen Umgebungen.
Phase 2: Health State Layer
Der technische Kern ist ein interpretiertes Zustandsmodell mit vier Health States:
- Healthy: Stabiler Betrieb, geringe Degradationssignale
- Degraded: Frühe Verschlechterung, engere Überwachung
- Critical: Erhöhtes Risiko, Wartung kurzfristig planen
- Failure: Ausfallzustand oder unmittelbar bevorstehender Ausfall
Die Übergänge werden als Markov-Prozess modelliert und liefern eine nachvollziehbare Gesundheitsentwicklung statt einer isolierten Punktprognose.
State Transition Matrix (Beispiel)
Beispielhafte Übergangsmatrix für einen 1-Schritt-Transit:
P = [
[0.84, 0.13, 0.02, 0.01],
[0.00, 0.76, 0.19, 0.05],
[0.00, 0.00, 0.62, 0.38],
[0.00, 0.00, 0.00, 1.00]
]Diese Darstellung erlaubt Explainability auf Entscheidungsebene, weil jede Empfehlung auf beobachteten und erwarteten Zustandsübergängen basiert.
Phase 3: Decision Intelligence Layer
Aus Modellergebnissen werden priorisierte Maßnahmen abgeleitet. Inputs:
- Failure Probability (z.B. 30 Tage)
- Health Score (0-100)
- Predicted RUL (Zyklen/Tage)
- Transition Risk (Wahrscheinlichkeit in Critical/Failure zu wechseln)
Regelwerk (Kurzfassung)
- Monitor Normally: low risk + Healthy + hoher Health Score
- Schedule Inspection: moderates Risiko oder Degraded
- Schedule Maintenance: hohes Risiko, RUL sinkend, Critical naht
- Immediate Review Required: kritisches Risiko oder Failure-nahe Transition
Explainability Layer
Empfehlungen werden mit transparenter Begründung ausgegeben:
- State-Evolution: aktueller Zustand + letzte Übergangssequenz
- Transition Probabilities: nächste 1-3 Schritte
- Treibermerkmale: dominante Signale (z.B. Temperaturdrift, Vibration)
- Decision Trace: welche Regel zur Empfehlung führte
Baseline-Vergleich und Modellwahl
| Modell | RMSE | Interpretierbarkeit | Entscheidungsnutzen |
|---|---|---|---|
| Markov Chain | 49 | Hoch | Hoch |
| Random Forest | 42 | Niedrig | Mittel |
| LSTM | 45 | Niedrig | Mittel |
Die Lösung priorisiert Erklärbarkeit und operative Nutzbarkeit gegenüber reiner Prognoseleistung.
Phase-2-3 Deliverables
- Health State Taxonomy
- Transition Matrix
- Recommendation Rules
- Risk Threshold Logic