Entwicklung eines Frameworks für adaptive Betriebs- und Instandhaltungsstrategien mittels künstlicher Intelligenz

• Antragsteller: Dr.-Ing. Martin Dazer
• Fachliche Zuordnung: Konstruktion, Maschinenelemente, Produktentwicklung
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 532373244

Für Hersteller und Betreiber technischer Systeme sind Themen wie Ressourceneffizienz, Nachhaltigkeit, Kosteneffizienz, Sicherheit aber eben auch die Verfügbarkeit und Kundenzufriedenheit von großer Bedeutung. Aktuelle Betriebs- und Instandhaltungsstrategien benötigen vor dem Einsatz des Systems eine Definition der Betriebs- und Instandhaltungsbedingungen, um möglichst effizient zu agieren. Jedoch sind diese Bedingungen sehr variabel und zwischen unterschiedlichen Märkten sehr verschieden. Zudem liegen Informationen oder Daten zu den Bedingungen oft spärlich oder unvollständig vor. Eine Betriebs- und Instandhaltungsstrategie, die sich möglichst ideal an die jeweils vorherrschende Situation mit deren Randbedingungen adaptiv anpasst, liefert hierfür einen vielversprechenden Ansatz. Der aktuelle Stand der Forschung betrachtet Betriebs- und Instandhaltungsstrategien jedoch meist getrennt und optimiert diese lediglich einzeln und für ein definiertes Anwendungsszenario. Dadurch bleibt erhebliches Potenzial ungenutzt. Äußern kann sich das z.B. durch Überlastung der Instandhaltungskapazitäten, unwirtschaftliches Ersatzteilmanagement, falsche Instandhaltungsintervalle, falsche Instandhaltungsstrategie mögliche Folgen des ungenutzten Potenzials sind unter anderem zu niedrige Verfügbarkeiten und eine schlechtere Umweltwirkung des entwickelten Produkts. Daraus lässt sich die Notwendigkeit eines systematischen Ansatzes ableiten, der sowohl Ansätze und Methoden von adaptiven Betriebsstrategien unter Nutzung der Grundlagen der Prognostik als auch adaptive Instandhaltungsstrategien unter Nutzung der Grundlagen der Instandhaltung sowie deren Zusammenwirken durch Reinforcement Learning beinhaltet. Die synergetische Nutzung dieser Methoden wird in diesem Antrag als Framework zusammengefasst. Übergeordnetes Ziel ist daher die Entwicklung eines solchen Frameworks für adaptive Betriebs- und Instandhaltungsstrategien, realisiert in einem hybriden Verbund mittels eines Reinforcement-Learning-Agenten. Der Agent bildet das zentrale Bindeglied um die Synergien zu erschließen. Dadurch können die beiden Strategien multivariat modelliert und optimiert werden, wodurch das globale Optimum für einen vorgegebenen Lösungsraum erreicht werden kann. Die verbleibende Restlebensdauer kann also synergetisch mit der Instandhaltungsstrategie (Intervalle, Ersatzteilvorrat usw.) optimiert werden. Im globalen Optimum liegt das ideale Konstrukt aus Betriebs- und Instandhaltungsstrategie vor, wodurch der Zielwert (z. B. Verfügbarkeit) für den Lösungsraum maximal wird. Als Zielwerte können neben einer hohen Verfügbarkeit niedrige Instandhaltungskosten sowie geringe negative Umweltfolgen als zusätzliche Randbedingungen in der Optimierung angesetzt werden.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Professor Dr.-Ing. Bernd Bertsche