Entwicklung eines Modells zur optimalen, zustandsabhängigen Instandhaltungsplanung anhand technischer Diagnoseinformationen
Zusammenfassung der Projektergebnisse
Innerhalb des Forschungsvorhabens wurden zunächst mit allen beteiligten Teilprojekten ein Vergleich und eine Bewertung der verfügbaren Ausfall- und Instandsetzungsinformationen durchgeführt. Aus dieser Zusammenstellung wurden die Spezifikationen für den realitätsnahen Modellierungsansatz erarbeitet. Der Modellierungsansatz sollte dabei sowohl die verfügbaren genauen Informationen über das Ausfall- und Instandsetzungsverhalten als auch ungenaue Informationen, beispielsweise aus Expertenwissen, berücksichtigen können. Als Modellierungsansatz haben sich die stochastischen Netzverfahren als sehr vielversprechend herausgestellt. Im Rahmen des Projekts wurden die erweiterten farbigen stochastischen Petrinetze als flexibler Modellierungsansatz zur zustandsabhängigen Analyse und Optimierung der Instandsetzungsstrategie von komplexen Produktionssystemen ausgewählt und weiterentwickelt. Diese Petrinetze sind in der Lage die folgenden Eigenschaften technischer Produktionssystem abzubilden: Beliebige Verteilungen für Lebens-, Instandhaltungsdauern, mit logistischen und organisatorischen Wartezeiten; unterschiedliche diskrete Belastungsstufen sowie passive Zustände also auch heiße, kalte und warme Redundanzen; gleich- und nebenläufige Prozesse / zeitparallele und zeitserielle Prozesse; beliebige Systemstrukturen – Parallel-, Seriensysteme, gemischte Systeme; vielfältige Abhängigkeiten zwischen System, Komponenten und Umgebung; komplexe Instandhaltungsstrategien mit korrektiven und präventiven Instandhaltungsmaßnahmen, darunter zustandsabhängige, sensorbasierte Maßnahmen; Berücksichtigung unterschiedlicher Instandhaltungsgüten; mathematische Lebensdauermodelle. Für die Modellerstellung und -parametrierung wurde in C++ unter Microsoft Windows ein intuitiv bedienbares Modellierungstool konzipiert und objektorientiert implementiert. Das erstellte Programm ist vielseitig einsetzbar und erweiterbar. Das Programm ermöglicht darüber hinaus einen hierarchischen Aufbau des Modells. Die verwendeten Untermodelle können gespeichert und wiederverwendet werden. Es ist daher möglich einen Baukasten von häufig verwendeten Modellen zu entwickeln, die getestet und verifiziert sind. Damit können komplexe Modelle einfacher und schneller erstellt werden. Für die Analyse der erzeugten Modelle wurde ebenso in C++ ein Simulationsprogramm umgesetzt. Die Analyse erfolgt dabei mittels einer zweistufigen ereignisdiskreten Monte-Carlo-Simulation. Für die Simulation werden die Petrinetzelemente und deren dynamisches Verhalten auf eine Anzahl von korrespondierenden Programmbausteinen übertragen. Bei der Analyse mittels Monte-Carlo-Simulation ist der verwendete Pseudozufallszahlengenerator von entscheidender Bedeutung für die Güte des Simulationsergebnisses. Aus diesem Grund wurde der etablierte Mersenne Twister Algorithmus implementiert und statistischen Tests unterzogen. Zur Überprüfung des Simulationsalgorithmus wurden Protokolldateien schrittweise ausgewertet und die Simulationsergebnisse einer Reihe von Testmodellen anhand analytischer Vergleichswerte überprüft. Das Programm wurde mit einem genetischen Optimierungsalgorithmus erweitert, um eine automatische Optimierung der Instandhaltungsstrategie zu ermöglichen. Die Schnittstelle zwischen dem Modellierungs- und Simulationsprogramm bildet dabei das auf XML basierende Dateiformat PNML (Petri Net Markup Language). Durch Verwendung des XML Formats kann das gespeicherte Modell mit allen Modellparametern und Simulationsergebnissen grundsätzlich in das Anlagenmodell aus Teilprojekt 3 integriert werden. Sowohl der ereignisdiskrete Simulationsalgorithmus als auch die Eigenschaften der implementierten Modellierungselemente, deren dynamisches Verhalten und die statistischen Auswertungsverfahren der zuverlässigkeitstechnischen Kenngrößen lassen sich durch den objektorientierten Aufbau leicht anpassen und erweitern. Die statistische Auswertung des Modells erfolgt während der Simulation auf der Ebene der verwendeten Modellierungselemente (den Stellen und Transitionen) und liefert eine Vielzahl operativer und inhärenter Zuverlässigkeitskennwerte: Verfügbarkeit und Zuverlässigkeit des Systems und der Komponenten (Punkt-, Intervall- und Dauerverfügbarkeiten); Betriebs-, Stillstands- und Wartezeiten, Summenzeiten und Einzelzeitwerte; Ersatzteilbedarf, Ersatzteillagerbestandsverläufe, Auslastung von Instandhaltungspersonal; Anzahl durchgeführter Instandhaltungsmaßnahmen. Mit Hilfe dieser statistischen Auswertung und dem automatischen Optimierungsalgorithmus ist es möglich, die Instandhaltungsstrategie des betrachteten Systems umfassend zu optimieren. Dabei lassen sich die zuverlässigkeitstechnischen Kennwerte des Produktionssystems detailliert analysieren und optimieren. Beispielhaft wurde das entwickelte Modellierungs- und Analyseverfahren auf ein Modell der Vorschubachse einer Werkzeugmaschine und ein Lebensdauermodell eines Wälzlagers angewendet.
Projektbezogene Publikationen (Auswahl)
-
Sensorlose vorausschauende Wartung von Vorschubantrieben an Werkzeugmaschinen – Gezielte vorbeugende Wartung durch automatisierte Zustandsbeobachtung. VDI-Schwingungstagung 2007 – Schwingungsüberwachung und Diagnose von Maschinen, 27./28.02.2007, Würzburg
Maier, D.; Nebel, S.; Rüdele, H.; Walther, M.;Oglodin, V.
-
Application of Extended Coloured Stochastic Petri Nets for Modelling and Analysis of RAMS+C of Production Systems, 2nd IFAC Workshop on Dependable Control of Discrete Systems (DCDS 2009), 10th -12th June 2009, Bari, Italy
Nebel, S.; Dieter, A.; Bertsche, B.
-
Modelling Condition Monitoring and Dynamic Grouping of Maintenance Actions with Extended Coloured Stochastic Petri Nets. ESREL 2009 – Risk and Safety: Theory and Applications, 7th – 10th September 2009, Prague, Czech Republic, pp 599-605
Nebel, S.; Dieter, A.; Bertsche, B.
-
Rare Event Simulation Speed-Up of Extended Colored Stochastic Petri Nets. ESREL 2010, 5th - 9th September, Rhodos, Greece
Dieter, A.; Nebel, S.; Bersche. B.
-
Maintenance and Cost Modeling of Production System with Petri Nets. 21st International Conference on Production Research, 31th July – 4th August, 2011, Stuttgart
Buck, A.; Nebel, S.; Bertsche, B.
