DIVIDER

Dividing and allocating current flow for pedictive maintenance

Prädiktive Instandhaltung stellt für Industriebetriebe ein geeignetes Instrument dar, um einerseits die Betriebskosten von Anlagen zu senken und andererseits ihre Leistungsfähigkeit zu steigern. Sie stützt sich dabei auf historische und aktuell verfügbare Mess- und Prozessdaten von Anlagen, um den Wartungsbedarf von Produktionsbereichen und deren spezifischen Anlagenkomponenten vorherzusagen. Die Vorhersage zukünftiger Ereignisse durch die Analyse erhobener Daten, welche von dynamischen Einheiten, wie elektrischen Maschinen, Transportsystemen, Robotern etc. stammen, stellt die zentrale Aufgabe prädiktiver Instandhaltung dar. Die gängige Praxis zur Ableitung von Prognosen basiert auf der Betrachtung möglichst umfangreicher Datensätze, die sowohl von der Anlage selbst als auch von separat eingesetzten Sensoren geliefert werden. Dieser Ansatz ist jedoch aufgrund einer Vielzahl heterogener Prozesselemente und Schnittstellen sowie des Einsatzes spezifischer Messgeräte mit einem entsprechend hohen Aufwand verbunden.
Im Sondierungsprojekt DIVIDER wird das Ziel verfolgt, sich von der zuvor beschriebenen Methode und ihren Einschränkungen zu lösen und die sensorisch umfangreiche und örtlich verteilte Aufzeichnung möglichst vieler physikalischer Größen innerhalb des Produktionsbereichs zu umgehen und eine Zustandserfassung der Anlage auf Basis der zentralen Energiezufuhr zu erreichen.
Die Messgrößen an der Speiseleitung (Strom, Spannung, Leistung etc.) als auch daraus abgeleitete Parameter (Zeitkonstanten, Oberwellen, THD, RVC etc.) werden für einen im Labor simulierten Prozessbereich hochdynamisch und präzise erfasst. Nach einer geeigneten Reduktion des Datenstroms werden die elektrischen Summenwerte den dynamischen Komponenten der Anlage entsprechend differenziert. Diese Datenstromseparation weist einen hohen Forschungsgrad und gleichzeitig ein enormes Potenzial für breite Anwendbarkeit auf. Basierend auf den segregierten Daten soll der Zustand der in Betrieb befindlichen dynamischen Anlagenelemente mithilfe von statistischen Methoden, simulationsbasierter Datenanalyse und Algorithmen des maschinellen Lernens abgeschätzt werden. Ein erklärtes Ziel von DIVIDER ist es, auf die Miteinbeziehung zusätzlicher Datenströme aus der Anlage selbst gänzlich zu verzichten. Lediglich die wesentlichsten Umweltbedingungen, wie Temperatur und Feuchte, werden sensorisch erfasst und bei der Auswertung inkludiert. Im Vergleich zu bekannten Methoden soll in diesem Forschungsvorhaben die Grundlage für ein System für den Einsatz in der prädiktiven Instandhaltung entwickelt werden, das ohne Maschinenstillstandszeiten und selbst in einem Brownfield als auch unabhängig von bereits vorhandenem Equipment und Herstellern installiert werden kann. Ein nicht invasives Vorhersagesystem für Komponentendefekte und -ausfälle zu entwickeln wird dabei als übergeordnete Ziel von DIVIDER wird verfolgt.

Partner: Fördergeber: