Zuverlässigkeitsprognose mechatronischer Systeme mit Hilfe statistischer Modelle am Beispiel feinwerktechnischer Komponenten
Zusammenfassung der Projektergebnisse
Unter Einsatz von Prognosemodellen konnten effiziente Werkzeuge für die Nutzung vorhandener Ausfalldaten zur statistischen Vorhersage des Ausfallverhaltens bei nicht unmittelbar getesteten Lastfällen oder vergleichbaren Systemen prototypisch umgesetzt werden. Die Modelle, Verfahren und Berechnungsroutinen wurden beispielhaft auf feinwerktechnische Antriebssysteme angewendet. An Hand von umfangreichen Ausfalldaten eigener Dauerlaufversuche konnte beispielhaft gezeigt werden, dass u. a. das Cox-Modell sehr gut im ingenieurtechnischen Bereich im Rahmen der Zuverlässigkeitsprognose anwendbar ist. Die Prognoseergebnisse wurden transparent illustriert (Verlaufsplots) und Ansätze zur Verifikation mit ausgeblendeten Daten bzw. mit künstlich erzeugten, simulierten Daten aufgezeigt. Das Unterdrücken von einzelnen Datensätzen und der Vergleich der Prognoseergebnisse mit der vollständigen Datenbasis haben gezeigt, dass sich auch mit reduzierten Daten aussagekräftige Abschätzungen der Zuverlässigkeit der betrachteten Systeme erstellen lassen. Wie Prognosetests an Industriedaten zeigten, ist das Vorgehen auf andere Systeme übertragbar. Vorraussetzung für stichhaltige Prognosen ist das Vorliegen einer aufbereiteten, repräsentativen Datenbasis. Der Umgang mit den generierten Zuverlässigkeitsprognosen hat deutlich gemacht, dass eine Abschätzung aus der Prognose nicht mit einer Absicherung verwechselt werden darf. Relevante Unterschiede zwischen den einzelnen Prüflosen müssen bis zur Ergebnisdarstellung der Prognose durchlässig übertragen werden. Wird im Unternehmen der Mehrwert der prognostischen Abschätzungen erkannt, können viele Informationen aus den Prognosen abgeleitet werden. Weiterer Forschungsbedarf liegt noch im Bereich der Einbindung aller verfügbaren Daten, der Darstellung der Datenbasis in Kombination mit der integrierten Visualisierung von Prognosen, im Bereich der Einbindung verschiedener (bzw. am besten aller bekannten) Prognosemodelle, der Modellauswahl und der Detektion der entscheidenden Kovariablen.
Projektbezogene Publikationen (Auswahl)
- Reliability Prediction for Mechatronic Drive Systems. 9.GMM/ETG Fachtagung Innovative Klein- und Mikroantriebstechnik. 19./20.September 2013, Nürnberg
Bobrowski, S.; Schinköthe, W.; Döring, M.; Jensen, U.
- Zuverlässigkeitsprognose mit dem Cox-Proportional-Hazards-Modell am Beispiel mechatronischer Antriebe. Stuttgarter Symposium für Produktentwicklung 2013. 19./20.Juni 2013, Stuttgart
Bobrowski, S.; Schinköthe, W.; Döring, M.; Jensen, U.
- Zuverlässigkeitsprognose mittels statistischer Modelle am Beispiel von Kleinmotoren und Kleingetrieben. 22. Kleinmaschinenkolloquium, 13./14.März 2014, Ilmenau
Schinköthe, W.; Bobrowski, S.; Jensen, U.; Chen H.; Döring M.
- Estimation of the Lifetime Distribution of Mechatronic Systems in the Presence of a Covariate: A Comparison among Parameteric, Semiparametric and Nonparametric Models. Reliability Engineering and System Safety 139 (2015) 105–112
Bobrowski, S.; Chen, H.; Döring, M.; Jensen, U.; Schinköthe, W.
(Siehe online unter https://doi.org/10.1016/j.ress.2015.02.012) - Model selection using Cramér-von Mises distance. In: Steland, A.; Rafajlowicz, E.; Szajowski, K.: Stochastic Models, Statistics and Their Applications. pp 39 – 47. Springer Proceedings in Mathematics & Statistics, Wroclav 2015
Chen, H.; Döring, M.; Jensen, U.
(Siehe online unter https://doi.org/10.1007/978-3-319-13881-7_5) - Reliability prediction using regression models. The Ninth International Conference on Mathematical Methods in Reliability, MMR 2015 Tokyo
Bobrowski, S.; Chen, H.; Döring, M.; Jensen, U.; Schinköthe, W.
- Zuverlässigkeitsuntersuchungen und Lebensdauerprognose am Beispiel feinwerktechnischer Antriebe. Dissertation, IKFF, Universität Stuttgart, 2015
Bobrowski, S.
