Integration eines digitalen Zwillings des Prüfobjekts in die End-of-Line-Prüfung zur Steigerung von Prüfumfang, -genauigkeit und -effizienz (DigAT)
Partnerindividueller Abschlussbericht zum Verbundforschungsvorhaben DigAT "Digitaler Zwilling zur Data-Science-basierten End-of-Line-Prüfung von Brennstoffzellen-Luftverdichtern"
Date
Authors
Editor
Advisor
Volume
Issue
Journal
Series Titel
Book Title
Publisher
Supplementary Material
Other Versions
Link to publishers' Version
Abstract
Im Verbundvorhaben "Digitaler Zwilling zur Data-Science-basierten End-of-Line-Prüfung von Brennstoffzellen-Luftverdichtern" (DigAT) wurde ein modularer digitaler Zwilling für die Data-Science-basierte End-of-Line-Prüfung von Brennstoffzellen-Luftverdichtern entwickelt und in eine reale Prüfstandumgebung integriert. Ziel des Teilvorhabens der JW Froehlich Maschinenfabrik GmbH war es, die physikalische Prüfung durch digitale Modellressourcen zu ergänzen, um Prüfumfang, Prüfgenauigkeit und Prüfeffizienz zu steigern. Hierzu wurden Schnittstellen zwischen Prüfstand, digitalen Modellen und Anomalie-/Drifterkennungsdiensten entwickelt sowie zentrale Funktionen in die JWF-Plattform SOLVISO eingebunden.
Die entwickelten Lösungen umfassen insbesondere eine produktionsnahe Anomalie- und Drifterkennung, eine Trend-per-Sample-Aggregation zur effizienten Auswertung von Langzeitverläufen, eine Wavelet-basierte Entrauschung, eine versionierte Parameterverwaltung sowie ein Identity- und Access-Management für den revisionssicheren Einsatz digitaler Prüfmethoden. Ergänzend wurde eine Methodik zur synthetischen Datengenerierung mittels Variational Autoencoder entwickelt, um datengetriebene Modelle auch bei begrenzter realer Datenbasis trainieren und validieren zu können.
Die Ergebnisse wurden in einem SOLVISO-basierten Demonstrator zusammengeführt und unter realitätsnahen Bedingungen validiert. Am Beispiel der Rotordynamik konnte der Prüfaufwand auf Entwicklungsprüfbänken deutlich reduziert und messtechnikbedingte Pseudo-n.i.O.-Fälle weitgehend vermieden werden. Insgesamt zeigt das Vorhaben, dass digitale Zwillinge und Data-Science-Methoden einen wesentlichen Beitrag zur effizienteren, verlässlicheren und besser skalierbaren End-of-Line-Prüfung leisten können. Die entwickelten Bausteine sind nicht auf Brennstoffzellen-Luftverdichter beschränkt, sondern grundsätzlich auf weitere Prüfstände und Prüflingstypen übertragbar.
