• English
  • Deutsch
  • Log In
    Password Login
    or
  • Research Outputs
  • Projects
  • Researchers
  • Institutes
  • Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Artikel
  4. Vorausschauende Instandhaltung - wenn der digitale Schatten an seine Grenzen stößt
 
  • Details
  • Full
Options
2020
Journal Article
Titel

Vorausschauende Instandhaltung - wenn der digitale Schatten an seine Grenzen stößt

Titel Supplements
Harmonisierung datengetriebener und physikbasierter Modelle für die vorausschauende Instandhaltung
Alternative
Predictive Maintenance - when the Digital Shadow Reaches its Limits. Harmonization of data-driven and physics-based models for predictive maintenance
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.
Author(s)
Werner, Andreas
Angadi, Veerendra C.
Lentes, Joachim
Mousavi, Alireza
Zeitschrift
Zeitschrift für wirtschaftlichen Fabrikbetrieb : ZWF
Project(s)
Z-BRE4K
Funder
European Commission EC
DOI
10.24406/publica-fhg-264207
File(s)
N-603053.pdf (537.75 KB)
Language
German
google-scholar
Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO
  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Send Feedback
© 2022