Moderne Systeme sind auf viele verschiedene Komponenten und Subsysteme angewiesen, um zuverlässig zu funktionieren. Von Anfang an, insbesondere aufgrund unterschiedlicher Beanspruchungen innerhalb eines Systems, haben nicht alle Komponenten die gleiche Lebensdauer. Sollte eine Komponente ausfallen, muss sie ersetzt werden, um die Funktionsfähigkeit des Systems zu erhalten. Die Instandhaltung eines Systems kann aus zwei verschiedenen Gründen kostenintensiv sein: Erstens ist es bei einem Ausfall des Systems nicht möglich, den beabsichtigten Zweck zu erfüllen, was zu Kosten rund um das System führt. Zweitens kann ein Ausfall zu unnötigen Schäden an anderen Komponenten von Teilsystemen führen, was die Wartungskosten für das System selbst erhöht.

Um dem entgegenzuwirken, entwickelten sich drei verschiedene Arten der Instandhaltung. Die erste war die reaktive Instandhaltung. Wenn eine Komponente ausfiel, wurde sie ersetzt. Auf der Grundlage der mit diesem Ansatz gesammelten Erfahrungen wurde eine planmäßige Wartung entwickelt. Besonders in mechanisch dominierten Systemen ist diese zeitbasierte Methode üblich. Aber mit der zunehmenden Integration von Elektronik in Systeme, wurde die Erfassung von Betriebsdaten möglich. Mit diesen verfügbaren Daten sind wir in der Lage, vorausschauende Instandhaltungsansätze zu entwerfen. Dieser Ansatz ist Teil der Prognostik und des Gesundheitsmanagements, bei dem die Restnutzungsdauer einer Komponente bestimmt wird und auf der Grundlage dieser Informationen, die Instandhaltung des Systems geplant wird. Dies gewährleistet eine erhöhte Verfügbarkeit und reduzierte Ausfallzeiten eines Systems. Beide Aspekte können die Kosten für die Wartung eines Systems massiv reduzieren. Aber dies ist immer noch ein passiver Ansatz, da nur der Zustand des Systems überwacht und sein Ausfall vorhergesagt wird. Den aktiven Ansatz beinhaltet das Gesundheitsmanagement. Anstatt nur die Wartung zu planen, ist es möglich, Stufen zur Erhöhung der System-Restnutzungsdauer zu entwickeln. Zum Beispiel könnte ein Unternehmen zwei identische CNC-Maschinen haben. Für einen neuen Auftrag muss nun die Entscheidung getroffen werden, auf welcher Maschine der Vorgang ausgeführt werden soll. Durch die Kenntnis des Zustands jeder Maschine und durch die Vorhersage der bei diesem Auftrag auftretenden Alterung, kann die kostengünstigste Lösung gewählt werden. Darüber hinaus kann entschieden werden, die Maschinenlast durch eine Erhöhung der Laufzeit zu reduzieren, um einen Ausfall der Maschine während des Auftrags zu verhindern und die Wartung entsprechend zu planen.

Unsere Forschungsgruppe engagiert sich auf dem Gebiet des Prognostik- und Gesundheitsmanagements. Der Schwerpunkt liegt zunächst auf den Kamera- und LiDAR-Systemen sowie der Bestimmung der Restnutzungsdauer. Die zuverlässige Funktion dieser Systeme wird für das autonome Fahren von Fahrzeugen entscheidend sein. Zur Entwicklung von Modellen für das Prognostik- und Gesundheitsmanagement, wird in der ersten Forschungsphase eine Umwelttestkammer entwickelt. Diese Kammer ermöglicht eine unabhängige oder gleichzeitige Vibrations- und Temperaturbeanspruchung. Während der Testung werden die Betriebsdaten der Komponente aufgezeichnet. In der zweiten Phase werden die generierten Daten zur Entwicklung physikbasierter und datengetriebener Modelle der Komponenten verwendet, um die RUL zu bestimmen. In Phase drei werden die Modelle iteriert, indem sie mit weiter beschleunigten Alterungstests und realen Felddaten verglichen werden.

Offene Stellen

Bei Interesse an offenen Stellen für Studentische Arbeiten innerhalb der Forschungsgruppe, senden Sie bitte eine Mail mit Lebenslauf an assistenz-iimo-elger@thi.de.