Mitarbeiter des Lehrstuhls für Dynamik und Mechatronik

In der Entwicklung mechatronischer Systeme spielt die Steigerung der Verlässlichkeit und somit auch der Zuverlässigkeit und der funktionalen Sicherheit eine entscheidende Rolle. Die modellbasierte Entwicklung liefert in Kombination mit unterstützender Software einen wichtigen Beitrag zur Absicherung der Verlässlichkeit mechatronischer Systeme in frühen Entwicklungsphasen. In der Nutzungsphase ermöglichen aktuelle Verfahren der Zustandsüberwachung und moderne Methoden der Regelungstechnik eine effektive Absicherung. Modelle aus der Entwicklung mechatronischer Systeme enthalten weitreichende Informationen über die Architektur, das Verhalten und die Verlässlichkeit eines Systems. Diese Modelle können als Grundlage für die Erstellung eines Digitalen Zwillings für die vorausschauende Instandhaltung verwendet und mit Zustandsdaten des realen Systems kombiniert werden. Die Nutzung der Modelle für den Digitalen Zwilling bietet weitreichende Potenziale und vereinfacht dessen Erzeugung. Die Veröffentlichung beschreibt Rahmenbedingungen der Integration und stellt die Potenziale des Digitalen Zwillings zur vorausschauenden Instandhaltung dar.

As the emerging digitalization of technical systems offers immense opportunities to be exploited by means of bigdata analysis, ubiquitous computing and largely networked systems, the digital twin comes into focus to combineall these aspects to an attendant model of an individual system during design phase as well as during operation.Since state-of-art technical systems are growing increasingly complex due to inherent intelligence and increasingfunctionality, i. e. autonomous behavior so far, it becomes considerably challenging to ensure reliability for thosesystems. Many methods were developed to support a reliability focused design or reliability-by-design approachesto tackle this challenge during design process. In field, data-based methods, i. e. condition monitoring enabled bythe rise of machine learning approaches, are exploited to ensure a reliable operation based on the current conditionof the monitored system. In order to take advantage of existing models of system reliability during design phaseand condition monitoring systems during operation, a method is proposed to combine both approaches in order toset up a digital twin with focus on system reliability. The base model of the digital twin is taken from the systemreliability model from the design phase and is used during operation and therein updated to the current reliabilitybased on the state estimation of the condition monitoring system. The approach is illustrated with a case study of arolling bearing test rig.

Zuverlässigkeit, Sicherheit und Verfügbarkeit gewinnen bei der Anwendung von technischen Systemen eine immer größere Bedeutung. Aus diesem Grund hat sich Condition Monitoring, die Zustandsüberwachung eines technischen Produkts, in verschiedenen Industriebranchen etabliert. Die sensorbasierte Überwachung eines Produkts während seiner Betriebsdauer in Kombination mit Condition Monitoring Methoden ermöglichen die Bestimmung des aktuellen Zustands des Produkts und somit eine Diagnose, ob das Produkt seine ihm zugeschriebene Funktion zum aktuellen Zeitpunkt erfüllt. Neben Diagnosen bietet Condition Monitoring auch die Möglichkeit Prognosen aufzustellen, dabei wird die restliche Nutzungsdauer des Produkts aufbauend auf geeigneten Sensordaten geschätzt. So kann eine intelligente Wartungsplanung umgesetzt werden, die im Gegensatz zu klassischen Ansätzen keine festen Wartungsintervalle benötigt und die Nachteile einer rein reaktiven Wartung kompensiert. Stattdessen ist es möglich ein Element bis vor das Ende seiner Lebensdauer zu nutzen und erst dann zu warten, um eine optimale Nutzung zu gewährleisten. Durch eine Bestimmung der verbleibenden Restlebensdauer während des Betriebs ist eine optimale Wartungsplanung möglich, wodurch die Verfügbarkeit und die Auslastung der überwachten Produkte signifikant gesteigert werden kann. In dieser Arbeit soll ein produktspezifisches Condition Monitoring System für Gummi-Metall-Elemente entwickelt werden. Diese Elemente werden zur Federung, Geräusch- und/oder Schwingungsisolation in vielen verschiedenen Anwendungen eingesetzt, wie bspw. in Nutz- und Schienenfahrzeugen oder Windenergieanlagen. In Industrie und Forschung werden bereits Zustandsüberwachungen von Systemen mit integrierten Gummi-Metall-Elementen eingesetzt, allerdings noch keine Condition Monitoring Systeme zur alleinigen Zustandsüberwachung dieser Elemente. Aktuell ist es üblich die Lebensdauer dieser Elemente aufbauend auf beschleunigten Lebensdauerversuchen und Erfahrungswerten abzuschätzen. Mit dem Ziel die Lebensdauer des fokussierten Produkts präziser vorherzusagen und damit eine intelligente Wartungsplanung zu ermöglichen, wird die Entwicklung eines Condition Monitoring Systems für Gummi-Metall-Elemente angestrebt und in dieser Arbeit erläutert.

Intelligente technische Systeme sind durch einen erhöhten Funktionsumfang charakterisiert, der diese dazu befähigt, autonom auf wechselnde Umgebungsbedingungen, Anforderungen und inhärente Systemzustände zu reagieren. Dies kann mit den Methoden der Selbstoptimie-rung erreicht werden. Hier werden mit Verfahren der Mehrzieloptimierung mögliche Betriebs-punkte des Systems bestimmt zwischen denen das System im Betrieb autonom auswählt und somit eine Verhaltensadaption erwirkt. Zur Berechnung der Betriebspunkte ist es notwendig ein Modell des Systemverhaltens aufzustellen und das Verhalten hinsichtlich verschiedener, meist konfliktärer, Ziele zu quantifizieren. Bei der Modellierung des Systemverhaltens und der Formulierung der Ziele stellt die Absiche-rung der Verlässlichkeit auf Grund der zunehmenden Systemkomplexität eine große Heraus-forderung dar, der im Entwicklungsprozess begegnet werden muss. Die Implementierung von Selbstoptimierung bietet darüber hinaus in Kombination mit einer Zustandsüberwachung im Betrieb die Möglichkeit einer zuverlässigkeitsbasierten Verhaltensanpassung, deren Potential zu einer Steigerung der Verlässlichkeit genutzt werden kann. In dieser Arbeit werden die Entwicklung intelligenter technischer Systeme und die damit ver-bundenen notwendigen Entwicklungsschritte zur Absicherung der Verlässlichkeit anhand von selbstoptimierenden Systemen betrachtet. Dazu gehören die Formulierung verlässlichkeitsre-levanter Ziele und die Implementierung einer Zustandsüberwachung als Basis für eine zuver-lässigkeitsbasierte Verhaltensanpassung. Es werden auf Grundlage einer Beschreibung der Entwicklungsschritte, Potentiale zur Steigerung der Verlässlichkeit sowie Chancen und zukünf-tige Herausforderungen herausgestellt und diskutiert.

The integrated modeling of behavior and reliability in system development delivers a model-based approach for reliability investigation by taking into account the dynamic system behavior as well as the system architecture at different phases of the development process. This approach features an automated synthesis of a reliability model out of a behavior model enabling for the closed loop modeling of degradation of the system and its (dynamic) behavior. The approach is integrated into the development process following Systems Engineering. It is based on standard models used in model-based development methodologies i.e. SysML or Matlab/Simulink. In addition to the theoretical description of the necessary steps the procedure is validated by an application example at two stages of the development process.

Redundancy is a common approach to improve system reliability, availability and safety in technical systems. It is achieved by adding functionally equivalent elements that enable the system to remain operational even though one or more of those elements fail. This paper begins with an overview on the various terminologies and methods for redundancy concepts that can be modeled sufficiently using established reliability analysis methods. However, these approaches yield very complex system models, which limits their applicability. In current research, Bayesian Networks (BNs), especially Dynamic Bayesian Networks (DBNs) have been successfully used for reliability analysis because of their benefits in modeling complex systems and in representing multi-state variables. However, these approaches lack appropriate methods to model all commonly used redundancy concepts. To overcome this limitation, three different modeling approaches based on BNs and DBNs are described in this paper. Addressing those approaches, the benefits and limitations of BNs and DBNs for modeling reliability of redundant technical systems are discussed and evaluated.

Intelligent mechatronic systems other the possibility to adapt system behavior to current dependability. This can be used to assure reliability by controlling system behavior to reach a pre-defined lifetime. By using such closed loop control, the margin of error of useful lifetime of an individual system is lowered. It is also possible to change the pre-defined lifetime during operation, by adapting system behavior to derate component usage. When planning maintenance actions, the remaining useful lifetime of each individual system has to be taken into account. Usually, stochastic properties of a fleet of systems are analyzed to create maintenance plans. Among these, the main factor is the probability of an individual system to last until maintenance. If condition-based maintenance is used, this is updated for each individual system using available information about its current state. By lowering the margin of error of useful lifetime, which directly corresponds to the time until maintenance, extended maintenance periods are made possible. Also using reliability-adaptive operation, a reversal of degradation driven maintenance planning is possible where a maintenance plan is setup not only according to system properties, but mainly to requirements imposed by maintenance personnel or infrastructure. Each system then adapts its behavior accordingly and fails according to the maintenance plan, making better use of maintenance personnel and system capabilities at the same time. In this contribution, the potential of maintenance plan driven system behavior adaptation is shown. A model including adaptation process and maintenance actions is simulated over full system lifetime to assess the advantages gained.

Die starke Integration von Sensorik, Aktorik, Hard- und Software stellt Herausforderungen an die Verlässlichkeit intelligenter mechatronischer Systeme dar. Diese Systeme verfügen aber auch über großes Potential zur Verbesserung ihrer Verlässlichkeit durch eine Anpassung des Systemverhaltens an den aktuellen Zustand. Um den Umfang der Systemmodelle zu reduzieren und die Anpassung des Systemverhaltens zu ermöglichen, sind fortschrittliche Modellierungsmethoden notwendig, mit denen die Verlässlichkeit in frühen Phasen des Entwicklungsprozesses sichergestellt und evaluiert werden kann. Von den Attributen der Verlässlichkeit ist insbesondere die Zuverlässigkeit in hohem Maße von den auftretenden Belastungen an den Komponenten und damit vom dynamischen Systemverhalten abhängig. Bisherige Modellierungsansätze bilden diese Abhängigkeit nur unzureichend ab. Es wird daher ein Ansatz zur integrierten Modellierung mechatronischer Systeme vorgestellt. Dieser ist in der Lage, sowohl die Dynamik als auch die Zuverlässigkeit des Systems abzubilden. Die Transformation eines Modells des dynamischen Systemverhaltens generiert dabei ein Zuverlässigkeitsmodell. Für typischerweise konkurrierende Ziele können mit Hilfe von Mehrzieloptimierungsverfahren Betriebspunkte eines Systems bestimmt werden. Das integrierte Modell kann zur Erzeugung von Zielfunktionen für die Dynamik als auch für die Zuverlässigkeit genutzt werden. Die Ergebnisse ermöglichen eine Verhaltensanpassung durch Wahl eines paretooptimalen Betriebspunkts während des Betriebs. Das vorgeschlagene Konzept zur integrierten Modellierung mechatronischer Systeme bietet aufgrund des modellbasierten Entwicklungsansatzes und der automatisierten Transformation eines Verlässlichkeitsmodells eine Reduktion der Benutzereingaben und eine Entlastung des Benutzers. Dadurch wird die Wahrscheinlichkeit von Benutzerfehlern gesenkt und die Verlässlichkeit bereits während der Entwicklung erhöht. Somit können Iterationsschleifen vermieden und die Entwicklungskosten gesenkt werden.

Intelligent mechatronic systems are able to autonomously adapt system behavior to current environmental conditions and to system states. To allow for such reactions, complex sensor and actuator systems as well as sophisticated information processing are required, making these systems increasingly complex. However, with the risk of increased system complexity also comes the chance to adapt system behavior based on current reliability and in turn to increase reliability. The adaptation is based on switching selecting an appropriate working point at runtime. Multiple suitable working points can be found using multi-objective optimization techniques, which require an accurate system model including system reliability. At present, modeling of system reliability is a laborious manual task performed by reliability modelling experts. Despite actual system reliability being highly dependent on system dynamics, pre-existing system dynamics models and the resulting reliability model are at best loosely coupled. To allow for closer interaction among dynamics and reliability model and to ensure these are always synchronized, advanced modeling techniques are required. Therefore, an integrated model is introduced that reduces user input to a minimum and that integrates system dynamics and system reliability.