Predictive Maintenance

Foto von A340-300-01-GULF-AIR Maschine

Prädiktive Instandhaltung

Das Institut für Flugsysteme und Regelungstechnik (FSR) der TU Darmstadt betreibt seit längerem eine aktive Forschung im Bereich der prädiktiven Instandhaltung, oft auch als PHM (Prognostics and Health Management) abgekürzt. Das Ziel dieser Disziplin besteht darin mit Hilfe intelligenter Sensorik und Algorithmen den aktuellen Systemzustand abzuschätzen und die verbleibende Nutzungszeit bis zum Ausfall einer Komponente (RUL) zu prognostizieren. Mit dieser Information können unerwartete Systemausfälle vermieden und der gesamte Wartungsprozess (z.B. die Ersatzteillogistik) optimiert werden. Neben dem Potential Kosten einzusparen kann PHM ebenso zur Erhöhung der Systemsicherheit beitragen.

Im Rahmen verschiedener Forschungsprojekte arbeitet das FSR an der Entwicklung datenbasierter Diagnose- und Prognosealgorithmen sowie an Konzepten zur Implementierung und Realisierung von Anwendungen. Durch den Aufbau und Betrieb eigener Prüfstände verfügt das FSR über das nötige Knowhow sowie die Hardware, um realitätsgetreue Degradierungsdaten zu generieren und damit die entwickelten Methoden und Algorithmen testen und evaluieren zu können. Dabei werden alle sechs Schritte des OSA-CBM Prozesses durchlaufen, welche von der Datenerfassung über die Diagnose und Prognose bis hin zur Entscheidungsfindung reichen. Neben der technischen Umsetzung beschäftigt sich das FSR mit den wirtschaftlichen Aspekten von PHM, um z.B. den Kosten-Nutzen-Effekt zu bestimmen.

Ein Bericht im Ingenieurspiegel (Ausgabe März, 2017) über unsere Forschungstätigkeit in der prädiktiven Instandhaltung in der Luftfahrt steht hier zum Download bereit.

 

Aktuell bearbeitete Projekte im Bereich prädiktive Instandhaltung:

 

INDI (2018-2021)

INDI („Intelligente Datennutzung in der Instandhaltung“) ist ein LuFo (Luftfahrtforschungsprogramm des Bundesministeriums für Wirtschaft und Energie) gefördertes Verbundforschungsvorhaben mit Projektpartner Lufthansa Technik. Im Rahmen dieses Projektes untersucht das FSR die Entwicklung intelligenter Algorithmen und Datenanalyse-Strategien aus dem Bereich des Maschinellen Lernens und der künstlichen Intelligenz, mit deren Hilfe die Flugzeuginstandhaltung optimiert werden kann. Mehr …

SiFliegeR (2016-2018)

Im SiFliegeR-Projekt untersucht das FSR die Nutzung von PHM Maßnahmen zur Erstellung dynamischer Sicherheitsanalysen basierend auf dem aktuellen Schadenszustand eines Systems. Die Anwendbarkeit der Methode wird dabei am Beispiel des Aktuatoriksystems eines unbemannten Luftfahrzeugs untersucht. Mehr …

MAAM (2016-2018)

MAAM (Mission-based Availability Assessment for Multirotor UAVs) ist ein drittmittelfinanziertes Projekt mit dem Ziel die Sicherheit von autonomen Multikoptern durch moderne PHM Algorithmen und inteligente Überwachungssysteme zu erhöhen. Mehr …