Record #307494 - GSI Repository

DFG project G:(GEPRIS)14394217

FOR 639: Gezielte vorbeugende Wartung durch automatisierte Zustandsbeobachtung

Coordinator	Professor Dr.-Ing. Uwe Heisel
Grant period	2006 - 2013
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)14394217

Note: Das übergeordnete Ziel dieser Forschergruppe ist das Minimieren von Maschinenstillständen und unnötigen Wartungszyklen, wodurch die Wirtschaftlichkeit des produzierenden Gewerbes erheblich gesteigert werden kann. Diese wird erreicht, indem bestehende, auf grob abgeschätzten statistischen Aussagen beruhende Instandhaltungssysteme um neue Ansätze der zustandsorientierten Wartung ergänzt werden. Hieraus ergibt sich die wissenschaftliche Aufgabenstellung, den aktuellen Zustand einer Maschine und ihrer Komponenten auf der Basis messbarer Größen präzise zu erfassen. Da der Zustand selbst nicht direkt messbar ist, bietet sich insbesondere die Auswertung der in einer Maschine standardmäßig verfügbaren Signale und der daraus direkt ablesbaren Informationen an. In modernen Werkzeugmaschinen liegen solche direkten Informationen üblicherweise in Form der Motortemperatur und der aufgenommenen Motorströme (Vorschubantriebe und Hauptspindeln), der Drehzahl (Hauptspindel) und der Position (in den Vorschubantrieben) vor. Daneben werden in vielen Anwendungen weitere Sensoren zur Ermittlung zusätzlicher regelungstechnisch relevanter Informationen eingesetzt. Hierunter fällt etwa die direkte Messung der Position am Schlitten einer Achse oder die Messung der Relativbeschleunigung. Ziel ist es, eine durchgängige Methodik zur automatisierten Schadensvorhersage zu entwickeln, mit deren Hilfe diese Kosten auf ein Minimum reduziert werden können. Grundlage für die Schadensvorhersage ist die systematische Analyse von Steuerungs- und Antriebssignalen der betrachteten Maschinen, sodass keine zusätzliche kostspielige Überwachungssensorik erforderlich ist. Anhand von statischen und dynamischen Modellen aller Verschleißkomponenten soll - gestützt auf statistische Ausfallwahrscheinlichkeiten und eine Bewertung der anwendungsspezifischen Maschinenbelastung - aus Veränderungen in den Signalen auf den Verschleißzustand der Komponenten und somit auf einen drohenden Schaden geschlossen werden. Wird hierdurch ein Maschinenausfall zuverlässig und rechtzeitig prognostiziert, so können automatisiert Wartungs- und Instandhaltungspläne generiert werden, welche eine zeit- und damit kostenoptimale Produktion ermöglichen.

Recent Publications

There are no publications

Record created 2023-02-04, last modified 2024-09-28

Similar records

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

GSI Homepage \| GSI Library \| English Deutsch \| guest :: login GSI Repository
Search	Submit	Personalize Your alerts Your baskets Your searches	Help