Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Vorausschauende Instandhaltung - wenn der digitale Schatten an seine Grenzen stößt

Harmonisierung datengetriebener und physikbasierter Modelle für die vorausschauende Instandhaltung
Predictive Maintenance - when the Digital Shadow Reaches its Limits. Harmonization of data-driven and physics-based models for predictive maintenance
 
: Werner, Andreas; Angadi, Veerendra C.; Lentes, Joachim; Mousavi, Alireza

:
Volltext urn:nbn:de:0011-n-6030539 (537 KByte PDF)
MD5 Fingerprint: 589868cbda98df29b9dd0ff819148ea4
Erstellt am: 23.9.2020


Zeitschrift für wirtschaftlichen Fabrikbetrieb : ZWF 115 (2020), Nr.5, S.335-339
ISSN: 0947-0085
European Commission EC
H2020; 768869; Z-BRE4K
Strategies and Predictive Maintenance models wrapped around physical systems for Zero-unexpected-Breakdowns and increased operating life of Factories
Deutsch
Zeitschriftenaufsatz, Elektronische Publikation
Fraunhofer IAO ()

Abstract
Datengetriebene Modelle zur Analyse von Produktionssystemen gewinnen in der Industrie an Bedeutung. Wesentliche Vorteile bei ihrem Einsatz sind, dass die Erzeugung sogenannter Digitaler Schatten nur auf gemessenen Sensordaten basiert und bestehende Datenschnittstellen und Analyseverfahren für Vorhersagen genutzt werden können. Datengetriebene Ansätze stoßen jedoch an Grenzen, da sie lediglich aus vergangenen Ereignissen Trends extrapolieren. Es fehlen häufig relevante Daten zu Ausfallszenarien, die bis dato real nicht aufgetreten sind. Somit entsteht ein Bedarf für sogenannte Digitale Zwillinge zu Analysezwecken, welche datengetriebene und physikbasierte Modelle zusammenführen, um repräsentative prädiktive Aussagen, wie die Restnutzungsdauer von Maschinenkomponenten zu ermöglichen. Im EU-geförderten Projekt Z-BRE4K werden Ansätze zur Harmonisierung datengetriebener und physikbasierter Modelle für die vorausschauende Instandhaltung gemeinsam mit Industrieanwendern erforscht, entwickelt und erprobt, welche im Rahmen dieses Beitrags vorgestellt werden.

 

Data-driven models for the analysis of production systems are becoming increasingly important in industry. The main advantages of their use are that the generation of Digital Shadows is only based on measured sensor data and existing data interfaces and analysis methods can be used for predictions. However, data-driven approaches have their limits, as they only extrapolate trends from past events. Relevant data on failure scenarios that have not occurred in reality are often missing. Therefore, there is a need for Digital Twins for analysis purposes, which combine data-driven and physics-based models to enable representative predictive statements such as the Remaining Useful life of machine components. In the EU-funded project Z-BRE4K, approaches to harmonize data-driven and physics-based models for predictive maintenance are researched, developed and tested together with industrial users. These approaches are presented in this paper.

: http://publica.fraunhofer.de/dokumente/N-603053.html