PREDICT

Projekt PREDICT

Methoden für eine prädiktive Instandhaltung

Innovative Analysen und präzise Vorhersagen ermöglichen eine genaue Zustandsüberwachung von Antrieben und damit eine zuverlässige Vorhersage der Restlebensdauer von Komponenten und Systemen. Dadurch können nicht nur Ausfälle vermieden und Instandhaltungsstrategien optimiert, sondern auch nachhaltig Kosten gesenkt werden. Im Projekt PREDICT entwickeln wir Methoden zur Zustandsüberwachung und -prognose für Flugtriebwerke, elektrifizierte Antriebe und unbemannte Flugsysteme und integriert diese in Lebenszyklusmodelle.

Fortschritte in der Sensortechnologie und der Datenanalyse ermöglichen mittlerweile präzise Einblicke in den Betriebszustand von Flugtriebwerken. Dadurch können Ausfälle frühzeitig erkannt und die Betriebslebensdauer verlängert werden, indem die Systeme gezielt gewartet werden. Der Einsatz dieser Methoden fördert nicht nur die Effizienz der Systeme, sondern steigert auch ihre Zuverlässigkeit. Darüber hinaus ermöglichen immer präzisere und schnellere Simulationstechniken, kombiniert mit multidisziplinären Ansätzen, eine effiziente Bewältigung der komplexen Herausforderungen bei der Entwicklung neuer Diagnoseverfahren. Die Integration dieser Verfahren in Lebenszyklusmodelle verbessert die Genauigkeit von Langzeitprognosen zu Zuverlässigkeit und Wartungsanforderungen. Durch optimierte Wartungsstrategien, die auf fundierten Diagnose- und Prognosemethoden basieren, lassen sich Betriebskosten signifikant senken und gleichzeitig die Zuverlässigkeit steigern. Dies stellt einen entscheidenden Wettbewerbsvorteil für die Industrie dar, da Ausfallzeiten und unerwartete Reparaturen erhebliche finanzielle Belastungen mit sich bringen.

Neue Diagnosemethoden: Betriebsverschleiß gezielt analysieren und Wartungsstrategien anpassen

Im Rahmen des Forschungsprojekts entwickelt das Deutsche Zentrum für Luft- und Raumfahrt (DLR) Methoden zur Zustandsüberwachung und Prognose für Flugtriebwerke, elektrifizierte Antriebe und unbemannte Luftfahrtsysteme und integriert diese in Lebenszyklusmodelle. Es werden detaillierte Analysen durchgeführt, um die Auswirkungen des Betriebsverschleißes auf Komponenten und das Gesamtsystem besser zu verstehen. Der Fokus liegt dabei auf der Erfassung und Bewertung der durch den Verschleiß bedingten Veränderungen. Zunächst werden numerische und experimentelle Modelle entwickelt, die Verschleißerscheinungen und Fehlerszenarien abbilden können. Durch diese Modelle generiert das Projektteam Betriebsdaten, die über eine digitale Plattform verarbeitet, verwaltet und für weitere Analysen aufbereitet werden. Auf Basis dieser Daten werden Diagnosemethoden entwickelt, die frühzeitig Anomalien erkennen und kritische Zustände im Gesamt- oder Subsystem bewerten können. Gleichzeitig entwickelt das Projekt Prognoseverfahren, um den Verschleißfortschritt von Bauteilen vorherzusagen und damit eine vorausschauende Wartungsstrategie zu ermöglichen.

Die Forschung im Bereich der Zustandsüberwachung erfordert aufgrund der stark interdisziplinären Arbeitsansätze eine enge Zusammenarbeit verschiedener Fachbereiche. Um diese Komplexität zu meistern, ist eine digitale Plattform notwendig, die Workflows zwischen Modellen automatisiert und eine effiziente Zusammenarbeit fördert. Mit der im DLR entwickelten Softwarelösung GTlab steht eine solche Plattform zur Verfügung. Sie ermöglicht es, Modelle unterschiedlicher Disziplinen zu verknüpfen und Ergebnisse konsistent auszutauschen.