Erkennen von Ähnlichkeiten zwischen Elektromotoren.
Python, Matching, Machine Learning, Data Analysis
Das Ziel dieser Arbeit ist der Ersatz von alten oder defekten Elektromotoren zu vereinfachen und beschleunigen. Dazu soll ein Konzept und ein Prototyp eines Programms erstellt werden das die Ähnlichkeiten zwischen Elektromotoren berechnet und erkennt und entsprechend Ersatzmotoren vorschlägt.
Das Unternehmen Küffer Elektro-Technik AG (KETAG) befasst sich mit dem Vertrieb, der Instandsetzung und Instandhaltungsarbeiten in Antriebs - und Steuerungstechnik. Wegen der immer grösseren Nachfrage nach umweltschonenden Lösungen, soll ein Konzept erarbeitet werden, dass im Falle eines Ausfalles oder Ersatzes eines Elektromotors, den umweltschonendsten und am besten geeigneten Ersatzmotor vorschlägt.
In der ersten Phase wurden die Eingabedaten analysiert, formatiert und falls nötig erweitert. Das Ziel war es, diese. in eine Form zu bringen, die mit unterschiedlichen Matching-Ansätzen verarbeitet werden kann. In der zweiten Phase wurden die Inputdaten in ein maschinell verarbeitbares Format umgewandelt, um am Schluss mögliche Ersatzmotoren vorschlagen zu können. In einer dritten Phase wurde das Matching umgesetzt. Dieses besteht aus zwei Schritten.: Zuerst wurde der Motor validiert. Dabei wurde der zu ersetzende Motor analysiert, um festzustellen, ob es sich dabei um einen Normmotor handelte oder nicht. Für diese Validierung wurde ein eigener Brute-Force-Algorithmus erstellt. Das Spezielle dieses Algorithmus ist die Fähigkeit, bei falschen, unbekannten oder ungenauen Eingaben, Werte vorzuschlagen. Sobald ein Motor als Normmotor erkannt wurde, fing der eigentliche Matching-Prozess an. Um A ̈hnlichkeiten zwischen Elektromotoren zu erkennen, wurden folgende Algorithmen implementiert und getestet: kd-Tree, SVM (Support Vector Machine) und der vorhin schon erwa ̈hnte Brute-Force-Algorithmus. Mit dieser Lösung ist es also jedem Benutzer mo ̈glich, nur durch die Eingabe seines Motors, eine Liste der am besten geeigneten Ersatzmotoren zu erhalten. Zusätzlich hat der Benutzer die Möglichkeit den Matching Algorithmus und die Sortierung der Ergebnisse (Preis, Lieferfrist, Energieeffizienz) auszuwählen.
Projektdauer: Februar 2021 - August 2021
Aufwand in Personenstunden: 720 Stunden
Teamgrösse: 2 Personen
Küffer Elektro-Technik AG
Industrie Neuhof 31
3422 Kirchberg
034 445 26 26
info@ketag.ch
Marc Sieber
Kerstin Hofstetter
Jürg Luthiger
juerg.luthiger@fhnw.ch
