Predictive Maintenance für Industrie­pumpen

Dieses Projekt demonstriert einen vollständigen Machine-Learning-Workflow zur prädiktiven Wartung von Industrie­pumpen – mit besonderem Fokus auf die chemische Industrie. Durch gezieltes Feature Engineering und datengetriebenes Clustering entsteht ein belastbares Simulationsmodell zur frühzeitigen Erkennung von Wartungsbedarf.

---

Datengrundlage

Die zugrundeliegenden Daten stammen aus einem synthetischen Pumpenbetriebsszenario. Jeder Datenpunkt beschreibt den Zustand einer Pumpe mit Messgrößen wie:

• Temperature (°C)
• Vibration (mm/s)
• Pressure (bar)
• Flow Rate (m³/h)
• RPM (Drehzahl)
• Operational Hours (h)

Zusätzlich enthält der Datensatz die Zielvariable Maintenance_Flag (0 = kein Wartungsbedarf, 1 = Wartung notwendig). Allerdings zeigte sich, dass dieses Label kaum trennscharf war (Verhältnis nahezu 50/50, kaum Korrelation zu Features). Daher wurde im Projektverlauf eine simulierte Zielvariable eingeführt, um ein realistisches und erklärbares Wartungsmodell zu ermöglichen.

---

Projektübersicht

1. Datenexploration & Ausgangssituation
2. Physikalisch motiviertes Feature Engineering
3. Clustering & Label-Simulation
4. Modelltraining & Hyperparameter-Optimierung (Grid Search)
5. Evaluation mit Konfusionsmatrix

---

Verwendete Tools & Bibliotheken

• Python 3.8+
• pandas – Datenmanipulation & Einlesen (pd.read_csv)
• NumPy – numerische Berechnungen (np.log1p, Arithmetik)
• scikit-learn
  • StandardScaler, PCA, KMeans (Clustering)
  • train_test_split, GridSearchCV (Modell-Validierung)
  • classification_report, confusion_matrix (Metriken)
• XGBoost (xgboost.XGBClassifier) – Gradient Boosted Trees
• matplotlib & seaborn – Visualisierung (Heatmaps, Scatter, Bar Charts, Confusion Matrix)

Hinweis: TensorFlow oder andere Deep-Learning-Frameworks kamen nicht zum Einsatz – der Fokus liegt auf klassischer ML-Pipeline.

---

Installation

python -m venv venv
source venv/bin/activate   # Linux/macOS
venv\Scripts\activate      # Windows

pip install -r requirements.txt

requirements.txt sollte enthalten:

pandas
numpy
scikit-learn
xgboost
matplotlib
seaborn

---

Methodik

Feature Engineering

Gezielt eingeführte Features mit physikalischem Bezug:

Feature	Formel	Bedeutung
Power	Pressure × Flow Rate	Hydraulische Leistung
Vibration_per_hour	Vibration / Operational_Hours	Belastungsrate
Efficiency	Power / RPM	Betriebseffizienz
Cumulative_Load	Vibration × Operational_Hours	Gesamtbelastung über Zeit
Log_Vibration_per_hour	log(1 + Vibration_per_hour)	Skalierung zur Varianzreduktion

Diese Features führten zu einer deutlich erhöhten Korrelation mit dem Wartungsbedarf (sichtbar in Korrelationsmatrizen vor/nach Feature Engineering).

Clustering & Label-Simulation

Da das ursprüngliche Label unbrauchbar war, wurde ein simuliertes Labeling durch domänengetriebene Regeln durchgeführt:

• PCA → KMeans mit 3 Clustern
• Neue Zielvariable: Maintenance_Flag_Sim_Final
  • Cluster 2 = immer Wartung notwendig
  • Cluster 0 = nie Wartung
  • Cluster 1 = Regelbasiert:
    • Hohe kumulative Belastung & niedrige Effizienz ⇒ Wartung

Modelltraining & Grid Search

• Modell: XGBClassifier
• Ziel: Optimierung auf F1-Score
• Beste Parameter laut GridSearch:

  n_estimators:     200  
  max_depth:        3  
  learning_rate:    0.10  
  subsample:        0.80  
  colsample_bytree: 0.80
  

Evaluation

Die finale Konfusionsmatrix zeigt eine nahezu perfekte Klassifikation auf Basis der simulierten Labels.

---

Relevanz für die chemische Industrie

In der chemischen Industrie sind Pumpen zentrale Aggregate zur Förderung von Medien wie:

• Säuren, Laugen, Lösungsmittel, Emulsionen
• Stoffe mit hoher Viskosität oder abrasiven Eigenschaften
• Medien mit kritischen Temperatur- und Druckanforderungen

Daher sind vorausschauende Wartungsstrategien essenziell. Dieses Projekt zeigt, wie:

• Prozessdaten + domänenspezifisches Wissen
• zu robusten Features führen
• und daraus frühzeitige Wartungsempfehlungen generiert werden können.

---

Lessons Learned

• Physik schlägt Zufall: Nur durch Feature Engineering entstand echte Korrelation
• Domain-Knowledge + Clustering helfen bei der Labelkonstruktion
• ML-Modelle sind nur so gut wie ihre Eingangsdaten – Featurequalität entscheidet

---

Nächste Schritte

• Einbindung von Medienkennwerten wie Dichte, Korrosivität, chemischer Zusammensetzung
• • Erweiterung um Zeitreihenanalysen mit TensorFlow:
  • Gleitende Mittelwerte (Rolling Features)
  • Differenzen (z. B. ΔVibration)
  • Trend-Erkennung mit LSTM oder TCN-Modellen
  • Ziel: Frühzeitige Detektion schleichender Defekte
• Umsetzung als API-Service (z. B. FastAPI + Docker)
• Integration in Dashboard (z. B. Streamlit, Dash) für Produktionsleiter

---

© 2025 Enes Baris – Die Daten basieren auf einem simulierten Pumpenbetrieb mit realitätsnahen, aber synthetisch erzeugten Zustandsparametern