Dezentrale Anlagen: Künstliche Intelligenz für vorausschauende Instandhaltung und versteckte Ineffizienzen - DAKIVI2

Abstract

Im Teilprojekt DAKIVI2 - Teilprojekt 1 wurden Konzepte und Methoden für die Zustandsüberwachung dezentraler technischer Anlagen mit Fokus auf kleine rotierende Komponenten, insbesondere Lager, entwickelt. Ausgangspunkt war die hohe Relevanz solcher Anlagen in Industrie und Infrastruktur bei gleichzeitig oft unzureichender Überwachung und fehlender systematischer Schadensdokumentation. Ziel war es, typische Problemzustände systematisch zu beschreiben, aus Simulationen, Laborversuchen und Bestandsdaten abstrakte Schadensbilder abzuleiten sowie geeignete KI-Verfahren für Zustandsüberwachung, Anomaliedetektion und perspektivisch Predictive Maintenance aufzubauen und zu erproben. Dazu wurden ein experimenteller Versuchstand für kleine rotierende Maschinen konzipiert und erstellt, theoretische und simulierte Schadensbilder mit realen Daten verknüpft sowie eine modulare Auswertungspipeline einschließlich Sensorfusion, etwa aus Vibrations- und Thermographiedaten, implementiert und bewertet. Die entwickelten Methoden und Modelle bilden die Grundlage für einen anwendungsnahen Demonstrator und den Transfer in industrielle Anwendungen.