zur Übersicht
Machine Learning for Tribology MAL4TRI
Machine Learning for Tribology MAL4TRI   Machine Learning for Tribology MAL4TRI  
Bewertung

Machine Learning for Tribology MAL4TRI

up down

Automatisierte Zustandserfassung von Gleitlagern mittels innovativem Maschinellem Lernen (ML) und kostengünstigen Sensoren


Das Projekt zeigt das technisch-wirtschaftliche Potential von ML-Methoden zur industriellen online Überwachung von Gleitlagern. Ziel war ein Prognosemodell zur Ermittlung der verbleibenden Komponentenlebensdauer zu erstellen, charakterisiert durch Reibung, Verschleiß und Schmierungszustand.
Durch die Kombination rein nicht-invasiver Sensoren, wie Mikrofon, Temperatur-, Beschleunigungs-, AE (Acoustic emission) und Dehnungssensoren, ist ein hohes Potenzial für eine zukünftige Industrialisierung dieser Technologie gegeben, da ohne Eingriff in die Anlage oder Komponente ein Nachrüsten möglich ist.
Es zeigte sich, dass die kostengünstigen Mikrofonsensoren die relevantesten Informationen liefern und deren Datenanalyse deutlich Ressourcen schonender ist als jene der AE-Daten. Dies stellt einen bedeutenden Schritt in Richtung Wirtschaftlichkeit dar.
Das intelligente Online Monitoring hat auch neuartige Einsichten in die Datenaufbereitung von tribologischen Versuchen gegeben. Die Vorhersagekraft kann über eine Einschränkung der Pre-failure Phase, der Zeitspanne vor dem Erreichen des Abbruchkriteriums, gesteigert werden. Insbesondere muss zwischen kritischen und nicht kritischen Reibzahlpeaks unterschieden, sowie deren zeitlichen Abstände automatisiert erfasst werden. Dieses individuell anpassbare Datenlabelling wird mit einem robusten Algorithmus zur Featureberechnung mittels Waveletzerlegung verknüpft.
Durch Kombination von Sensor und tribologischem Know-How, konnte eine Kausalkette zwischen Auftreten von kritischen Reibzahlspitzen und der Werkstoffschädigung aufgestellt werden. Somit ist das innovative Online-Monitoring System sowohl für eine adaptive Instandhaltungsstrategie interessant, aber auch vom Standpunkt der Produktentwicklung aus ein innovatives Tool.

AC2T research GmbH
Viktor-Kaplan-Strasse 2
2700 Wiener Neustadt
02622/81600-366
ulrike.cihak-bayr@ac2t.at
http://www.ac2t.at
  logo

Unternehmensprofil:
Das Exzellenzzentrum agiert als zentraler Knoten für nationale und internationale Forschungsaktivitäten in der Tribologie und wird als „European Center of Tribology®“ wahrgenommen. Tribologie ist die Lehre von Reibung, Verschleiß und Schmierstoffanwendung. Durch die Senkung von Reibungsverlusten, durch Reduktion von verschleißbedingtem Material- bzw Rohstoffeinsatz sowie durch Vermeidung bzw. Verringerung von Stillstands- und Folgekosten ist eine Erhöhung der Wirtschaftlichkeit möglich.
Markterfolge:
Konkrete Unternehmensanfragen der produzierenden Industrie zeigten die hohe Relevanz innovativer Lebensdauerprognose von Komponenten weltweit. Auf Tagungen (GFT, Ecotrib) zeigte sich breites Interesse insbesondere von Bosch an dem erarbeiteten ML Workflow und der hohen Vorhersagekraft der kostengünstigen Mikrofonsensoren, die Bosch für Wälzlager-Monitoring anwenden will. Hasco (NÖ) möchte den gesamten Gerätepark (Dreh- und Fräsmaschinen) auf Sensorüberwachung umstellen, um über intelligente Prognose von Lagerausfällen teure Stillstände und unwirtschaftliche Vorratshaltung zu vermeiden.
Gründungsjahr: 2002
Mitarbeiter 2019: 146
Weitersagen   E-Mail    Facebook   Twitter   Google+
drucken drucken