Was ein Modell hier tun würde — und was es nicht dürfte

Die Ansicht

Gezeigt an der Bandsäge im Zuschnitt, weil dort der interessanteste Fall liegt: Diese Maschine hat keine Stellgröße. Ein Modell kann hier nichts verstellen — es kann nur früher wissen, was ohnehin passieren wird.

Wo das Modell andockt

Das Modell ersetzt nichts. Es tritt neben das Regelwerk und erzeugt dieselbe Art von Befund — alles danach bleibt, wie es ist. Die Dose dafür ist gebaut; was fehlt, ist der Stecker.

Das ist die eigentliche Aussage: Der Wert der bestehenden Architektur liegt darin, dass sie einer lernenden Komponente nichts glauben muss. Prognose, Tor, Freigabe, Probelauf, Wachhund und Ledger sind bereits da — und sie fragen nicht, woher ein Vorschlag kommt. Seit dieser Fassung steht das nicht mehr nur hier, sondern in loop/adapter.py.

1. M

   Beobachten

   unverändert

   Liest den AAS-Zwilling, zeitgewichtet. Dieselbe Quelle, aus der auch das Modell seine Merkmale zöge.

2. +

   Adapter

   gebaut, leer

   Die Andockstelle gibt es: ein Adapter ist alles, was beurteile(Beobachtung, Schwellen) beherrscht und einen Befund zurückgibt oder None. Ein Modell wäre ein Dienst, der genau das bedient — er schreibt nirgendwohin und ruft nichts auf. Eingehängt wird er in loop/analyze.py, wo heute schon das Regelwerk gewählt wird.

3. A

   Beurteilen und planen

   unverändert

   Aus dem Befund wird ein begrenzter Vorschlag mit vorhergesagter Wirkung. Ob der Befund aus einer Regel oder einem Modell kam, ändert daran nichts.

4. 1

   Das Tor

   unverändert

   Grenzen, Schrittweite, Mindestkonfidenz, Beobachtungsdauer, Abstand, Wiederholungssperre. Eine YAML-Datei, die auch für Modellvorschläge gilt.

5. 2

   Der Mensch

   unverändert

   Freigabe erforderlich. Ein Modell verschiebt diese Schwelle nicht — es müsste sie erst über Wochen bestätigter Prognosen verdienen, so wie die Regeln auch.

6. 3

   Probelauf und Wachhund

   unverändert

   Die gemessene Wirkung entscheidet, nicht die vorhergesagte. Was weniger liefert als angekündigt, geht zurück — auch wenn ein Modell es vorgeschlagen hat.

7. K

   Ledger

   ein Feld mehr

   Jeder Vorschlag trägt seine Herkunft in der Evidenz: regel oder name@fassung des Adapters. Geschrieben wird sie vom Kreis, nicht vom Adapter — wer seine eigene Herkunft aufschreiben darf, schreibt irgendwann die falsche hin. Das ist die einzige Änderung an der Nachweiskette, und sie ist der Grund, warum sich später sagen lässt, welche Fassung wofür verantwortlich war.

# loop/adapter.py — was ein Adapter können muss
class Befundgeber(Protocol):
    name: str
    fassung: str
    def beurteile(b, schwellen) -> Befund | None: ...

# loop/analyze.py — die Reihenfolge ist die ganze Zusage
befund = adapter.beurteile(b, schwellen)   # gibt er None zurück oder fällt aus:
befund = regelwerk.beurteile(b, schwellen) # dann antwortet die Regel

# einstecken, ohne eine Zeile zu ändern
ZENFACTORY_ADAPTER=LINIE_A=pruefstecker

# und nachweisen, dass die Dose trägt
.venv/bin/python -m pytest tests/test_loop.py -k adapter   9 passed

Was das Modell heute wirklich sagt

Seit dem 24.08.2026 gibt es das Modell. Es ist kein neuronales Netz, es braucht keine GPU und keine einzige zusätzliche Bibliothek — es ist eine Gerade durch eine Punktwolke, gerechnet in reinem Python.

# .venv/bin/python ml/train_standzeit.py --tage 2
Modell      Restschnitte = 1286,9 - 78,6 · Strom[A]
Gelernt an  89 Bändern, 4.854 Beispielen
Geprüft an  30 zurückgehaltenen Bändern, 1.647 Beispielen
Fehler      0,9 Schnitte im Mittel (Mittelwert allein: 96,2)
Auflösung   7,9 Schnitte je 0,1-A-Schritt — die Grenze der Leitung

# .venv/bin/python ml/train_standzeit.py --jetzt
20:59:26  Motorstrom 13,3 A
Restlaufzeit  241 Schnitte
Modell        zf-standzeit@0.1.0

Eine Einordnung, die sonst niemand mitliefert: Die 0,9 Schnitte gelten für ein sauberes Signal. Auf der Modellanlage folgt der Strom exakt dem Verschleiß — ohne Streuung durch Material, Vorschub oder Temperatur. Wie viel davon an einer Maschine mit realem Rauschen übrig bleibt, haben wir gemessen statt offengelassen:

Was bleibt, wenn das Signal streut

Die Säge kann Streuung auf den Motorstrom legen — zwei Drittel als Materialcharge, die über sechzig Schnitte trägt, ein Drittel als Messrauschen. Ab Werk ist das ausgeschaltet, damit die übrigen Zahlen dieser Seiten gegen die reine Formel stimmen. Zugeschaltet wird auf jeder Stufe dasselbe Modell neu trainiert und an zurückgehaltenen Bändern geprüft:

Alles in Schnitten, 28 Bandleben je Stufe, Strom auf 0,1 A gerundet. Nachzurechnen mit scripts/sweep_streuung.py.

Fünf Prozent Streuung sind an einer Bandsäge keine große Zahl — eine andere Materialcharge verschiebt den Strom leicht um ein Drittel Ampere. Dort liegt die Vorhersage dann auf ±30 Schnitte statt auf ±1. Das ist immer noch dreimal besser als der Mittelwert, aber es ist kein Termin mehr, den man auf den Tag plant — sondern eine Schicht. Diese Zahl gehört in ein Angebot, nicht die 0,9.

Woher die Daten kämen

Für eine Standzeitprognose reicht der Historian: Verschleißverläufe entstehen von allein, jeder Bandwechsel ist ein Beispiel mit bekanntem Ausgang. Für ein Modell, das Stellgrößen vorschlägt, sieht es anders aus. Dessen Etiketten wären die Urteile aus dem Nachweisbuch — und davon gibt es bisher zu wenige.

Der Stand in drei Sätzen. Die Andockstelle ist gebaut und abgesichert: Vertrag, Rückfall auf die Regel, Herkunft im Ledger, dazu Tests für Ausfall, Schweigen und Falschantwort. Das Modell ist trainiert und trifft die Physik der Säge; es liefert Befunde für die Instandhaltung und verstellt nichts, weil diese Maschine keine Stellgröße hat. Gelernt hat es auf der Modellanlage — beim Einsatz an Ihrer Maschine wird auf Ihren Daten neu trainiert, und die Messung dazu läuft genauso ab wie hier.