Mit Predictive Maintenance will man aus Daten, die das Verhalten eines Systems beschreiben,
herauslesen, wann eine Wartung dieses Systems sinnvoll ist, welche Anpassung empfehlenswert
sind, oder wie ein Systemausfall entstanden ist. Die dafur gewonnen Daten stammen im Allgemeinen
aus verschiedenen Quellen; die ausfallen oder Daten falsch wiedergeben konnen. In diesem
Projekt werden in Zusammenarbeit mit MAN Diesel & Turbo SE allgemeine Verfahren zum Umgang
mit derartigen Daten zur Durchfuhrung von Predictive Maintenance entwickelt. In der Analyse
sollen die hochdimensionalen Daten mithilfe von Subspace Search untersucht werden. Diese
Subspaces sollen zunachst genutzt werden, um Alarmzustande des System zuverlassig vorauszusagen.
Dabei werden wir berucksichtigen, welchen Einfluss die Datenqualitat auf das Ergebnis hat.
Ebenfalls von Interesse ist, wie der Output der Verfahren am besten interpretiert und genutzt
werden kann.