Automatisierung der Anwendungsklassifizierung in der Wartung: NLP-Lösungen für ukrainische Unternehmen

1. Einführung

Ein modernes Industrieunternehmen generiert eine Vielzahl an Informationen über den Zustand von Anlagen, die in Form technischer Anwendungen vorliegen. In MRO-Systemen (Maintenance, Repair, and Operations) hängt die Effizienz der Verarbeitung dieser Daten entscheidend von der Geschwindigkeit und Genauigkeit der Klassifizierung ab. Die herkömmliche manuelle Bearbeitung von Anträgen durch Disponenten führt zu Verzögerungen, Routingfehlern und einer verringerten Geräteverfügbarkeit. Die Klassifizierungsautomatisierung mithilfe von Natural Language Processing (NLP)-Techniken löst dieses Problem, indem sie unstrukturierte Texte in strukturierte Daten für ERP-Systeme umwandelt.

2. Wie es funktioniert

NLP-Algorithmen analysieren die vom Betreiber oder dem Überwachungssystem bereitgestellte Textbeschreibung des Fehlers. Der Hauptprozess umfasst:

• Tokenisierung: Aufteilen von Text in einzelne Wörter oder Symbole.
• Einbettung: Umwandeln von Wörtern in Vektordarstellungen, bei denen Wörter mit ähnlicher Bedeutung im mehrdimensionalen Raum nahe beieinander liegen.
• Klassifizierung: Verwendung von Transformer-Modellen (z. B. DeBERTa), die die Wahrscheinlichkeit abschätzen, dass eine Anwendung zu einer bestimmten Kategorie gehört (z. B. „elektrisch“, „hydraulisch“, „mechanisch“).

Das Modell lernt aus historischen Daten und deckt Muster auf, die für Menschen bei großen Datenmengen nicht zu erfassen sind.

3. Datenanforderungen

Für den Aufbau eines zuverlässigen Klassifizierungssystems sind folgende Voraussetzungen erforderlich:

• Datenqualität: Verfügbarkeit eines historischen Archivs von Anträgen (mindestens 10.000 – 50.000 Datensätze), die bereits von Spezialisten klassifiziert wurden.
• Bereinigung: Entfernung von technischem Müll, Duplikaten und Rechtschreibfehlern.
• Format: Die Daten sollten in einem maschinenlesbaren Format (SQL, CSV) mit klarer Kategoriebezeichnung vorliegen.

4. Implementierungsarchitektur

Das System funktioniert nach folgendem Schema:

1. Quelle: osTicket oder anderes Anwendungsabrechnungssystem.
2. Präprozessor: Dienst (Worker V8), der die Textbereinigung und Abfrage des KI-Modells durchführt.
3. Inferenz: Das Modell klassifiziert den Text und gibt ein Kategorie-Tag mit einem Konfidenzniveau zurück.
4. Aktion: Das Ergebnis wird in eine SQL-Datenbank (z. B. ERP Unitec) geschrieben, wodurch automatisch der entsprechende Workflow ausgelöst wird.

5. Praktische Ergebnisse

Die Implementierung der automatisierten Klassifizierung zeigt die folgenden Indikatoren:

Beispielsweise konnte in einem mittelständischen Unternehmen durch die Implementierung eines solchen Systems die MTTR (mittlere Wiederherstellungszeit) durch die sofortige Weiterleitung von Anwendungen an spezialisierte Spezialisten um 15 % verkürzt werden.

6. Einschränkungen und Risiken

KI ist kein einheitliches Werkzeug. Hauptrisiken:

• Fehler mit neuen Fehlertypen: Wenn das Modell während des Trainings keine ähnlichen Fälle gesehen hat, kann es zu Fehlern kommen.
• Datendrift: Sich ändernde Terminologien oder technische Prozesse im Werk erfordern eine regelmäßige Neuschulung des Modells.
• Menschlicher Faktor: Die Notwendigkeit eines „Human-in-the-Loop“-Mechanismus zur Überprüfung von Anwendungen mit geringer KI-Konfidenz.

7. Kauf einer fertigen Lösung oder Eigenentwicklung

Eigene Entwicklung: Nützlich, wenn Sie über eine spezifische Terminologie und ein eigenes Entwicklerteam verfügen. Bietet vollständige Kontrolle über die Daten.

Kommerzielle Lösungen: Geeignet für den schnellen Einstieg. Vorteil im Support und bereiten Integratoren für gängige ERP.

8. Erste Schritte

Empfohlener Plan für das Engineering-Team:

1. Führen Sie eine Prüfung der historischen Anwendungen der letzten 2 Jahre durch.
2. Wählen Sie eine Pilotanlage oder eine Art Testausrüstung aus.
3. Gewähren Sie Zugriff auf die Datenbank zur Analyse (Schreiben auf PROD-Server ist verboten).
4. Entwickeln Sie einen Mechanismus zur Überprüfung automatischer Tags durch Ingenieure.

9. Zusammenfassung

Die Automatisierung der Anwendungsklassifizierung ist ein erster, aber entscheidender Schritt in Richtung Industrie 4.0. Dies ermöglicht es Ingenieuren, ihre Bemühungen auf die Lösung technischer Probleme zu konzentrieren und nicht auf die Bürokratie. Nutzen Sie den UNITEC-D E-Katalog für eine effiziente Gerätewartung und Ersatzteilauswahl.

10. Links

• ISO 55001:2014 – Vermögensverwaltung. Managementsysteme. Anforderungen.
• DIN 31051:2012 – Grundlagen der Instandhaltung.
• Dokumentation zu den Designprinzipien von NLP-Systemen (gemäß Branchenstandards für die Softwareentwicklung).