Entwicklung eines Verfahrens zur dezentralen Analyse elektrischer Stromprofile mittels künstlicher neuronaler Netze für
2022, 202  S., 21 cm, Softcover
Apprimus Verlag
ISBN 978-3-9855503-8-8

Inhalt
Aufgrund des globalen Wettbewerbs und einer Zunahme der Produktvielschichtigkeit ist die Komplexit?t der Produktionssysteme in den vergangenen Jahren gestiegen. Zusammen mit der fortschreitenden Automatisierung resultiert daraus eine Zunahme der St?ranf?lligkeit. Die zustandsorientierte, voraussagende Instandhaltung mittels pr?diktiver Analytik gewinnt damit zunehmend an Bedeutung. F?r die Zustandsdetektion sind die elektrischen Stromprofile dieser Systeme pr?destiniert. Neben einem hohen Informationsgehalt weisen diese eine universelle Verf?gbarkeit in Produktionsanlagen auf und k?nnen vergleichsweise kosteng?nstig erfasst werden. In der vorliegenden Arbeit wird ein Verfahren vorgestellt, das sich der echtzeitnahen und dezentralen Erzeugung von relevantem Produktionswissen aus Stromprofilen technischer Anlagen im Kontext der Instandhaltung widmet. Zielstellung dabei ist die Schaffung einer vertikalen Datenkontinuit?t - von der Messstelle in der Anlage bis zum Mitarbeitenden der Instandhaltung - in einem elektronischen System. Basierend auf dem hierf?r eingef?hrten Lean-Data-Ansatz, der die Datenwertsch?pfung mittels eingebetteter Systeme vollst?ndig an die Messstelle verlegt, wurde das praxisorientierte Lean-Data-Verfahren formuliert. Dieses kombiniert die Datenhomogenisierung, -nutzbarmachung sowie -verwertung und wurde in einer elektronischen Sensor- und Auswerteeinrichtung, f?r die praxisorientierte Erprobung des Verfahrens im Rahmen dreier Anwendungsszenarien, technisch realisiert. Im ersten Szenario wurden 26 verschiedene Betriebsszenarien anhand der elektrischen Stromprofile der Hauptzuleitung eines Antriebstechniksystems zuverl?ssig im laufenden Betrieb klassifiziert. Im zweiten Szenario wurde die Detektion des Abnutzungsvorrats an einem System zur Bremsenverschlei?simulation anhand sechs diskreter Abnutzungsstufen erm?glicht. Darauf basierend wurde ein Prognosealgorithmus f?r die zuverl?ssige Vorhersage der Restnutzungsdauer umgesetzt und erfolgreich erprobt. In einem dritten Szenario wurde die kontinuierliche und echtzeitnahe Bohrerverschlei?vorhersage mittels Stromprofilen einer S?ulenbohrmaschine erfolgreich umgesetzt.

Verfügbare Formate

Softcover
EUR 39.00 (* inkl. MwSt.)
Lieferbar in 13-23 Tagen (ohne Rückgaberecht)

Publikationslisten zum Thema:
Fraunhofer IPA, LUP, k?nstliches neuronales Netzwerk, Instandhaltung, Vorhersage, elektrischer Strom,

 

* Alle Preise verstehen sich inkl. der gesetzlichen MwSt. Lieferung deutschlandweit und nach Österreich versandkostenfrei. Informationen über die Versandkosten ins Ausland finden Sie hier.