Ein wichtiger Bestandteil der digitalen Transformation der Industrie (Industrie 4.0) ist die zustandsbasierte und vorausschauende Instandhaltung von technischen Systemen. Neben der intelligenten Vernetzung von Maschinen und Abläufen mit Hilfe von Informations- und Kommunikationstechnologien werden dafür mathematische Modelle benötigt, welche die akkurate Diagnose des Systemzustandes und die Prognose der verbleibenden Lebensdauer ermöglichen. Das vorliegende Dissertationsvorhaben setzt in diesem Themengebiet an und erweitert traditionelle zeitreihenbasierte Modellansätze durch die Fusion und Integration von zeit-diskreten Ereignisdaten.

Die aktuelle Forschung in der zustandsbasierten Instandhaltung und Systemdiagnose technischer Systeme, wie bei Flugzeugtriebwerken, Produktionsmaschinen oder Windkraftanlagen beschäftigt sich vor allem mit der Analyse von Zeitreihendaten basierend auf Sensoren. Kenngrößen wie Temperaturen, Drehzahlen oder Vibrationen werden dabei von Modellen verarbeitet, der aktuelle Gesundheitszustand herausgearbeitet und Restlebensdauern von Komponenten werden prognostiziert. Neben Sensordaten fallen bei technischen Systemen jedoch auch erhebliche Mengen an Ereignisdaten, wie Fehlernachrichten oder Wartungslogbücher an. Diese enthalten wertvolle Informationen über den aktuellen Zustand des Systems, werden nach dem aktuellen Stand der Forschung aber allenfalls für die Bestimmung der abhängigen Variablen (Label) und zur Evaluation der Modelle verwendet. In anderen Industriezweigen finden sich vereinzelt Ansätze zur Verarbeitung dieser Ereignisdaten. Die Anwendung im Maschinenbaukontext ist bisher jedoch unerforscht und stellt die Forschungslücke dar.

Zur Untersuchung der identifizierten Forschungslücke wird ein Konzept vorgeschlagen, um Ereignisdaten gewinnbringend in traditionelle Ansätze der Zustandsdiagnose einbinden zu können. Ziel ist es dadurch die Diagnosegenauigkeit zu erhöhen und Unsicherheiten zu reduzieren. Schlüssel zur Integration der Ereignisdaten und Kern des Dissertationsvorhabens ist die entsprechende Vorverarbeitung und zeitliche Anpassung der Ereignisdaten (time-conversion). Dabei werden Ansätze von der Überwachung von elektronischem Gerät (wie Festplatten, Geldautomaten oder Medizintechnik) als Grundlage verwendet und für die Applikation in Maschinenbauanwendungen weiterentwickelt. Der Ansatz wird dabei modular konzipiert und möglichst weit abstrahiert: Das Gesamtkonzept und die Kernansätze zur time-conversion werden generalisiert entwickelt und sind somit unabhängig vom Anwendungsfall gültig. Einige Module der Datenvorverarbeitung erfordern jedoch Domänenwissen, sodass die Ereignisdaten vorab entsprechend korrekt kategorisiert und bereinigt werden. Der gesamte Ansatz ist dabei als Erweiterung (Add-On) zu verstehen und soll bei bestehenden zeitreihenbasierten Zustandsdiagnosen, bei entsprechender Verfügbarkeit von Ereignisdaten, als Ergänzung eingebaut werden können.

Im Rahmen der Dissertation wird das vorgeschlagene Konzept und die Methodik am Beispiel von Daten eines Open-Source-Datensatzes eines Windkraftparks evaluiert. Als Vergleichsansatz wird zunächst ein einfaches Zustandsüberwachungs- und Diagnosemodell basierend auf Sensordaten aufgebaut. Die Ereignisdaten werden mithilfe deskriptiver und explorativer Methoden analysiert und kategorisiert. Sodann lassen sich verschiedene Methoden der Datentransformation anwenden um die Ereignisdaten in den Zeitreihenbereich zu erweitern und mit dem Vergleichsansatz zu fusionieren. Der verwendete Datensatz erwies sich dabei als nur bedingt geeignet für die Evaluation des Konzepts. Generell zeigen sowohl der Vergleichsansatz als auch das vorgeschlagene Konzept keine hinreichend guten Ergebnisse für eine Anwendung im Bereich der zustandsbasierten Instandhaltung. Dieser Umstand wird einerseits dem verwendeten Klassifikationsansatz in Zusammenhang mit der hohen Klassenimbalance und unscharfen Labels zugewiesen, andererseits der fehlenden Dokumentation und Domänenwissen um zielgerichtet Merkmale für die Ereignisdaten entwickeln zu können. Die Evaluation der Ergebnisse anhand gängiger Bewertungsmetriken zeigt eine Verbesserung in Präzision und Genauigkeit bei einer Verschlechterung des Recall des vorgeschlagenen Konzepts gegenüber dem Vergleichsansatz. Statistisch signifikante Unterschiede können nicht festgestellt werden, was maßgeblich der hohen Ereignisdatenflut und fehlenden Interpretierbarkeit der Ereignisdaten zugewiesen wird. Eine Sensitivitätsanalyse beleuchtet dabei Einflussparameter auf die Diagnosegüte und ermöglicht die Identifikation von Grenzen des vorgeschlagenen Konzepts. Das abschließende Fazit mit der Thematisierung von Herausforderungen und einem Ausblick auf weitere Forschungspotenziale rundet die Arbeit ab.