Ein Meta-Lern-Ansatz zur Selektion geeigneter Prognoseverfahren für eine vorausschauende Instandhaltung in digitalisierten Produktionssystemen

• Antragsteller: Professor Dr.-Ing. Michael Freitag
• Fachliche Zuordnung: Produktionssystematik, Betriebswissenschaften, Qualitätsmanagement und Fabrikplanung
• Förderung: Förderung von 2019 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 418821892

Instandhaltungsplanung ist von signifikanter Bedeutung für Produktionsunternehmen, um eine konstante Verfügbarkeit ihrer Produktionsressourcen zu gewährleisten und Reparaturkosten zu minimieren. Die technologischen Entwicklungen im Kontext von Industrie 4.0 und Digitalisierung bieten neue Potenziale, um den aktuellen Zustand von Produktionssystemen in Echtzeit zu beschreiben. Dies bietet die Möglichkeit, von klassischen reaktiven oder periodischen Instandhaltungskonzepten zu effizienteren Konzepten einer zustandsbasierten und vorausschauenden Instandhaltung überzugehen. Allerdings ist die Eignung von Prognoseverfahren zur Vorhersage des zukünftigen Ausfallverhaltens von Maschinen vom aktuellen Zustand der Maschine und ihrer Komponenten abhängig. Trotz umfangreicher Forschungsarbeiten zur vorausschauenden Instandhaltung existieren bisher keine Ansätze zur automatischen Auswahl geeigneter Prognoseverfahren in Echtzeit und basierend auf dem aktuellen Zustand eines Produktionssystems.Das Ziel dieses Forschungsvorhabens ist die Entwicklung eines Meta-Lern-Systems zur Selektion geeigneter Prognoseverfahren für eine vorausschauende Instandhaltungsplanung basierend auf dem aktuellen Zustand eines digitalisierten Produktionssystems durch die Nutzung von Sensordaten der Maschinen. Das Vorhaben wird gemeinsam von drei Forschungsgruppen am BIBA - Bremer Institut für Produktion und Logistik an der Universität Bremen in Deutschland, der Federal University of Santa Catarina (UFSC) in Brasilien und der Federal University of Rio Grande do Sul (UFRGS), ebenfalls in Brasilien bearbeitet, die jeweils komplementäre Forschungsprofile aufweisen. Das BIBA wird ein Meta-Lern-System zur Auswahl geeigneter Prognoseverfahren entwickeln. Die Forschungsgruppe an der UFSC wird eine Methode zur integrierten Produktions- und Instandhaltungsplanung entwickeln. Die Forschungsgruppe an der UFRGS wird eine Serviceorientierte Architektur zur Gewährleistung des Datenaustauschs zwischen Produktionssystem, Prognose- und Planungsverfahren entwickeln. Durch eine Integration dieser verschiedenen Module wird ein Meta-Lern-System zur vorausschauenden Instandhaltungsplanung entstehen, das (i) Sensordaten digitalisierter Produktionssysteme nutzt, um den aktuellen Systemzustand zu beschreiben, (ii) geeignete Prognoseverfahren dynamisch basierend auf dem aktuellen Zustand von Maschinen und Komponenten auswählt, (iii) einen integrierten Produktions- und Instandhaltungsplan erstellt und (iv) die Performance von Prognoseverfahren und Planungsentscheidungen zusätzlich zur gängigen Evaluation anhand von Prognosefehlern auch anhand logistischer Zielgrößen wie Maschinenverfügbarkeiten und Durchlaufzeiten evaluiert. Das System wird Produktionsunternehmen dabei unterstützen, eine bessere Produktions- und Instandhaltungsplanung und somit eine höhere Leistungsfähigkeit der Produktion zu erreichen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Brasilien
• Partnerorganisation: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; (CAPES); Setor bancario Norte
• Kooperationspartner: Professor Dr.-Ing. Enzo Morosini Frazzon; Professor Dr.-Ing. Carlos Eduardo Pereira