Am 21. Juni 2019 referiert Michael Großhans von freiheit.com zum Thema "Machine Learning: Predictive Container Maintenance in International Waters". Der Vortrag startet um 12:30 Uhr in Hörsaal 5 und findet auf Deutsch statt.

Zum Vortrag

Predictive Maintenance ist eines der Hauptanwendungsgebiete von Maschinellem Lernen. Genauer geht es um einen vorausschauenden Ansatz. Das Verfahren nutzt Mess- und Produktionsdaten von Maschinen und Anlagen für die Ableitung von Wartungsinformationen. Ziel ist es, die Maschinen und Anlagen proaktiv zu warten und Störungszeiten zu minimieren. Dieser Vortrag erläutert den Kontext anhand eines konkreten Kundenbeispiels.

In Zusammenarbeit mit einer lokalen Reederei verfolgte das Technologie-Unternehmen freiheit.com technologies GmbH das Ziel, automatisch nach Löschen einer Ladung festzustellen, ob die Wartung eines Kühlcontainers notwendig ist oder übersprungen werden kann. Basierend auf Expertenwissen zu vergangenen Temperaturverläufen der Kühlcontainer wurden verschiedene Modelle trainiert und evaluiert. Bei bereits 10.000 durch Experten bewerteten Reisen hat sich gezeigt, dass mit dem besten der ausprobierten Modelle bereits eine hohe Genauigkeit erzielt werden kann. Da für das Bewerten der Temperaturkurven jedoch nur wenige Experten zur Verfügung standen, wurde zusätzlich zu dem Modell ein System entwickelt, mit dem der notwendige Zeitaufwand für die Bewertung stark reduziert werden konnte.

Zum Referenten

Michael Großhans ist Master of Science in Informatik und war nach Studienabschluss zunächst als wissenschaftlicher Mitarbeiter an der Universität Potsdam am Lehrstuhl für Maschinelles Lernen tätig. Sein Forschungsfeld dort war Maschinelles Lernen in Verbindung mit Spieltheorie, um Modelle zu entwickeln, die möglichst robust gegen absichtliche Datenmanipulation sind.

Seit 2015 arbeitet er bei freiheit.com als Software Engineer und war dort bereits in mehreren Projekten involviert, beispielsweise für Hamburg Süd oder auch Engel & Völkers. Als Software Engineer mit starkem Hintergrund in Machine Learning war er sowohl in der Konzeption als auch der Umsetzung beim Lösen verschiedener Probleme aus dem Bereich Data Science involviert. Dazu gehört insbesondere die Beschaffung und Aufbereitung von Daten, das Trainieren und Evaluieren von Modellen, als auch die Integration dieser Modelle in das bestehende System.

Überblick

Kolloquium "Machine Learning: Predictive Container Maintenance in International Waters"
21. Juni, 12:30 Uhr
Hörsaal 5