https://github.com/baris-enes/pumpen-maintenance

Prädiktive Wartung von Pumpen in der chemischen Industrie mit Feature Engineering, Clustering und XGBoost
https://github.com/baris-enes/pumpen-maintenance

chemie clustering engineer industrie maintenance predictive pumps sklearn

Last synced: about 1 month ago
JSON representation

Prädiktive Wartung von Pumpen in der chemischen Industrie mit Feature Engineering, Clustering und XGBoost

• Host: GitHub
• URL: https://github.com/baris-enes/pumpen-maintenance
• Owner: baris-enes
• Created: 2025-06-14T20:15:03.000Z (12 months ago)
• Default Branch: main
• Last Pushed: 2025-06-14T20:55:03.000Z (12 months ago)
• Last Synced: 2025-06-22T10:03:26.582Z (12 months ago)
• Topics: chemie, clustering, engineer, industrie, maintenance, predictive, pumps, sklearn
• Language: Jupyter Notebook
• Homepage:
• Size: 1.5 MB
• Stars: 0
• Watchers: 0
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# 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

```bash

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*