Projekt: Find The Root Cause
Selten hat eine Kooperation so zufällig begonnen und so erfolgreich geendet wie die Geschichte unseres Projekts mit einem führenden Unternehmen im Fahrzeugsonderbau.
Herausforderung des Unternehmens:
Inmitten des Produktlebenszyklus ihres Flaggschiffprodukts wurde das Unternehmen mit einer wachsenden Anzahl von Störungen im Motorbereich konfrontiert. Zwei Jahre intensiver Forschung konnten die Wurzel des Problems nicht finden.
Der Zufall hat IPN und den damaligen CTO des Unternehmens beim “Forum Alpbach” zusammengebracht. In einer fesselnden Diskussion über ihr Problem und unsere Herangehensweise boten wir an, einen genaueren Blick darauf zu werfen.
Dann ging es schnell voran:
Das Unternehmen gewährte uns Zugriff auf Telemetriedaten der betroffenen Fahrzeuge und brachte uns mit den Entwicklern des Produkts zusammen. Es folgte eine detaillierte Besprechung der auftretenden Störungen und eine Auflistung der Hypothesen der Entwicklungsabteilung. Im Anschluss ging es an die Datenanalyse, Modellbildung und eine abschließende, kollaborative Interpretation der Ergebnisse und Erkenntnisse.
Der Projektablauf:
- Nach erhalt der Daten, begannen wir direkt mit einer explorativen Analyse der Daten, um sie zu verstehen und Unklarheiten möglichst frühzeitig zu klären.
- Verschiedene maschinelle Lernmodelle wurden trainiert, um zwei Ziele zu verfolgen: Die Identifizierung der Parameter, die zu den Störungen führten, aus den insgesamt 1.300 gemessenen Parametern sowie die Vorhersage von Störungen noch bevor sie auftreten.
- Neben regelmäßigen Abstimmungen mit dem Kunden zu Zwischenergebnissen wurden die Analyseergebnisse in einem Kunden-Workshop Vorort gemeinsam interpretiert.
Ein Monat bis zur Erkenntnis:
Nach nur 25 investierten Personentagen war klar, der Einbauort des Motors in Kombination mit der Beladung, Fahrweise und einer thermisch suboptimalen Kühlluftführung führten zu einem steilen Temperaturanstieg im Motor und den auftretenden Störmeldungen.
Der Nutzen:
Durch eine neue Ansteuerung des Kühlerkreislaufs und in der Folge einer Adaption der Kühlerkonstruktion konnten die Störungen zur Gänze behoben werden.
Die Erkenntnisse:
Dank unserer Vorauswahl der relevanten Parameter aus einer großen Menge von Messpunkten (13 aus 1.300 Messpunkten), der Offenlegung zeitlicher Zusammenhänge und der Beseitigung „spukhafter Korrelationen“ konnten wir die Augen der Produktentwickler auf die eigentliche Ursache lenken.
Diese Partnerschaft beweist eindrucksvoll, dass manchmal der Zufall die Tür zu bahnbrechenden Erfolgen öffnet.
