ReMAIntAIn

Langtitel: KI-gestützte Reparatur und Wiederverwendung bei ressourcenintensiven Maschinen

Dauer: 01.04.2025 – 31.03.2028

Zuordnung zu unseren (IMW) Forschungsschwerpunkten:

  • Präskriptive Instandhaltung
  • Kreislaufwirtschaft
  • Produktionsoptimierung
  • KI für die Industrie
  • Natürliche Sprachverarbeitung (NLP)

Kurzfassung:

ReMAIntAIn stellt ein empfehlungsbasiertes Instandhaltungssystem für Produktionsumgebungen in der Aluminiumindustrie vor. Es integriert Zeitreihen-Sensordaten, textuelle Instandhaltungsprotokolle und physikalisches Domänenwissen, um eine adaptive Fehlervorhersage zu ermöglichen und datengestützte Instandhaltungsentscheidungen zu unterstützen. Durch die Nutzung von nicht-stationären Bayes'schen Netzen und großen Sprachmodellen schätzt ReMAIntAIn die verbleibende Nutzungsdauer (RUL - Remaining Useful Life) von Komponenten unter dynamischen Bedingungen. Dies ermöglicht eine optimierte Planung von Instandhaltungsmaßnahmen und verbessert die Reparierbarkeit und Wiederverwendbarkeit von Komponenten.

Resultate:

  • Es wird ein nicht-stationäres dynamisches Bayes'sches Netz entwickelt, um die sich entwickelnden zeitlichen Abhängigkeiten in einer dynamischen industriellen Umgebung zu modellieren. Dieses Modell wird Veränderungen im Systemverhalten über die Zeit erfassen, die Instandhaltungsvorhersage verbessern, die Schätzung der verbleibenden Nutzungsdauer (RUL) unterstützen und die Entscheidungsfindung in der Instandhaltung optimieren, um die Reparierbarkeit und Wiederverwendbarkeit zu verbessern.
  • Es wird eine LLM-basierte Lösung vorgeschlagen, um wertvolle Erkenntnisse aus objekt- und auftragsorientierten historischen Daten zu analysieren und zu extrahieren. Dies wird das Verständnis von Instandhaltungsmustern verbessern, genauere RUL-Vorhersagen ermöglichen und die Reparierbarkeit während des gesamten Instandhaltungsprozesses optimieren.

Partner:

Kontaktdetails:

Univ.-Prof. Dr.-Ing. habil. Fazel Ansari

E-Mail: fazel.ansari@tuwien.ac.at