DIVIDER: Anlagenzustandsüberwachung anhand der Hauptstromversorgung
LAUFZEIT:
10/2022
—
12/2023
Projektlaufzeit gesamt:
1 Jahr
Predictive maintenance für automatisierte Anlagen und Prozesse, Foto: JOANNEUM RESEARCH
Das Projekt
Wie kann man Wartungsbedürfnisse frühzeitig erkennen?
Wartungen werden oft nach Intervallplan durchgeführt oder mittels Überwachung von unterschiedlichen Parametern zielgerichtet vorhergesagt. Diese Überwachung erfordert den Einsatz vieler Sensoren und Messgeräte, um Verschleiß oder plötzliche Schäden frühzeitig zu erkennen. DIVIDER zielt darauf ab, herauszufinden, ob es technisch möglich ist, Abnutzung und plötzliche Anomalien ausschließlich anhand von Messungen und Charakterisierung der Hauptstromversorgung zu erkennen.
Unsere Tätigkeiten im Projekt
Wir entwickeln mathematische Modelle von Anlagen, mit dem Ziel die Gesamtheit der einzelnen Anlagenkomponenten physikalisch korrekt abzubilden. Im ROBOTICS Solution Center nehmen wir diese Anlagen in Betrieb und belasten sie mit Kräften, die Verschleiß oder Anomalien simulieren sollen, während die Hauptspannungsversorgung hochaufgelöst gemessen wird. Anschließend markieren wir diese Messdaten und machen sie für maschinelles Lernen zugänglich. Danach validieren wir diese Modelle im ROBOTICS Solution Center.
Forschungsgruppen
Downloads
Auftraggeber
FFG
Bundesministerium für Klimaschutz, Umwelt, Energie, Mobilität, Innovation und Technologie (BMK)
Projektpartner
Fraunhofer Austria
Messfeld GmbH
Details zum Projekt
In unserem Projekt DIVIDER geht es um die kontinuierliche Überwachung von Maschinen und Anlagen, die dabei helfen soll, potenzielle Wartungsbedürfnisse frühzeitig zu erkennen. Normalerweise erfordert diese Überwachung den Einsatz vieler Sensoren und Messgeräte, um Verschleiß oder plötzlich auftretende Anomalien zu identifizieren. Bei elektrischen Maschinen wird sowohl elektrische als auch mechanische Messtechnik verwendet, um den Zustand zu überwachen.
Das explorative Projekt DIVIDER zielt darauf ab, herauszufinden, ob es grundsätzlich möglich ist, Abnutzung oder spontan auftretende Anomalien ausschließlich anhand von Messungen der Hauptstromversorgung zu identifizieren. Dabei verwenden wir ein hochpräzises Sensorsystem, um kleinste Schwankungen in der Hauptstromversorgung zu erfassen und als Datenpunkte zu speichern. Die dabei generierten großen Datenmengen werden anschließend mithilfe von KI-Methoden analysiert, charakterisiert und zugeordnet. Anomalien in einer Anlage sollen durch eigens entwickelte Algorithmen erkannt werden.
