Prädiktive Wartung eines digitalen Zwillings

Die genaue Vorhersage, wann Anlagen gewartet werden müssen, ist eine entscheidende Aufgabe. Eine zu häufige Durchführung von Wartungen ist verschwenderisch, während eine zu seltene Durchführung zu verhängnisvollen Ausfällen führen kann. In diesem Vortrag entwickelt Steve Miller Simulationen und verwendet Methoden des Machine Learning, um das Predictive Maintenance für eine Hydraulikpumpe zu verbessern. Gemessene Anlagendaten werden verwendet, um ein Modell zu optimieren und einen digitalen Zwilling zu erstellen. Es werden verschiedene Ausfallszenarien simuliert, die sonst zu teuer und zeitaufwendig wären, um sie auf der Hardware durchzuführen. Anhand der Simulationsergebnisse wird ein maschineller Lernalgorithmus trainiert, der es ermöglicht, die Ursache von Pumpenausfällen richtig zu identifizieren.