Project Details
Projekt Print View

Zuverlässigkeitsprognose mechatronischer Systeme mit Hilfe statistischer Modelle am Beispiel feinwerktechnischer Komponenten

Subject Area Engineering Design, Machine Elements, Product Development
Term from 2012 to 2016
Project identifier Deutsche Forschungsgemeinschaft (DFG) - Project number 205810126
 
Final Report Year 2015

Final Report Abstract

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.

Publications

 
 

Additional Information

Textvergrößerung und Kontrastanpassung