研究人员研究了通过实时在线监控进行自我维护机的可能性。
德国的行业4.0计划旨在开发基于智能自我监控功能的内置情报的工业机械。现在，研究人员已经越来越接近自我维护机器的理想。作为IMAIN项目的一部分开发的技术提供了对前所未有的质量的实时在线监控。
金属成型机必须承受相当大的力，但长期以来一直保持运行。当冷冷组成汽车，洗衣机，冰箱等时，施加的压力很容易达到数千吨。在机器的完整寿命中，必须重复数十万次此操作。如果机器失败，则可能会造成重大损坏。更糟糕的是，由于该机器通常集成在一系列生产步骤中，因此故障会导致整个生产过程变得陷入困境。根据损坏的程度，维修可能需要一个月的时间 - 伴随着六位数地区的收入损失。如果可以预测整个机器或单个组件中的此类故障，公司将准确地知道何时应维护机器或更换特定的组件，最好与生产计划协调。
虚拟传感器使真实传感器几乎过时
Fraunhofer机床和成立技术IWU的研究人员旨在改变这种情况。将来，机器本身将能够发现问题并预测故障。作为欧盟赞助的Imain项目（www.imain-project.eu）的一部分，科学家开发了基于信息的预测维护系统的原型，该系统使操作员能够确定何时或整个工厂可能会失败。该技术的独特特征是使用虚拟传感器。这些接收到计算机模拟的机器模型和实际传感器的输入，这些传感器提供了有关单个组件中发生的应变信息的信息。“使用数学模型和最小安装的真实传感器，可以实时实际模拟整个机器的应变场景。反过来，这为一种全新的创新方法提供了预测维护的基础。”
到目前为止，习惯是根据固定时间表或临时性进行工厂维护，以应对失败。某些制造商已经为机器配备了（真实的）传感器，但是仅依靠这些设备的解决方案并不理想：它们昂贵且复杂，需要自己的错误监控系统，并且仅在他们的位置测量压力和压力已安装 - 没有其他地方。瓦布纳说：“在我们的选择中，使用虚拟传感器是唯一可以想到的，可以完整地了解作用在材料上的力的完整图片。”尽管算法，仿真和数学模型通常可以提供相当好的现实形象，但即使是最精确的计算也可能会出现错误。这就是为什么研究人员不断将虚拟数据与机器运行时记录的实际测量结果进行比较的原因。沃纳说：“如果它们之间存在很大差异，我们会相应地修改模型。”
内部用户可以通过各种界面（包括智能手机，平板电脑和笔记本电脑）访问的云站点，可作为有关不同制造工厂压力历史的信息。“我们收集的数据越多，知道实施预防措施的合适时间就越容易。我们开发了使机器能够从经验中学习的算法，并确定替换组件或确定何时达到最佳应力加载的合适时间。将真实数据与可用于计算材料破裂点的模拟模型进行了比较。” Wabner解释说。
欧盟赞助的IMAIN项目于2012年9月启动，并汇集了制造商，工业用户，计算机科学家和工程师，以共同努力开发新的高级技术来维护工业机器。“虚拟传感器早已通过了概念验证阶段，并且已经成功地用于现实生活中。Wabner报道说，用于数据共享的私有云解决方案已经达到了测试阶段。该系统的原型版本正在斯洛文尼亚（Slovenia）的一个项目合作伙伴（制造家用电器）中，用于对另一个项目合作伙伴Litostroj Ravne提供的通用新闻的条件监控。该工厂形成了用于洗衣机，冰箱和其他设备的金属面板。“由于引入了该系统，Gorenje具有更好的信息，使其能够预先预测可能的停电，并通过监视机器上的压力和压力来促进和优化新闻操作。我们定期将记录的数据与在Fraunhofer Iwu设施进行的测试结果进行比较。” Wabner说。最终的目的是能够生成能够预测项目明年夏天在项目结束时在实践中预测组件与压力相关的失败的系统。
