Embedded Predictive Maintenance

Die effiziente Wartung von Fahrzeugen spielt eine entscheidende Rolle in der Elektromobilität. Der bisher meistgewählte Ansatz dafür ist Preventive Maintenance, also das präventive Prüfen der Bauteile in regelmässigen Abständen. Dieser Ansatz ist aber ineffizient und es werden Bauteile ersetzt, welche noch länger funktionieren könnten, oder es kommt zu Stillständen, weil ein Bauteil bereits vor der Wartung kaputtgeht.

An diesem Punkt setzt das Predictive Maintenance an. Bei dieser Methode wird nicht ein allgemeiner Erfahrungswert, sondern Sensordaten in Echtzeit verwendet. Aufgrund der Daten wird erkannt, wenn ein Bauteil beginnt sich fehlerhaft zu verhalten. Somit kann dessen Ausfallzeitpunkt abgeschätzt und das Bauteil planmässig kurz vor dessen Ausfall ersetzt werden.

Häufig kommen für das Predictive Maintenance Cloudlösungen zum Einsatz – Die Fahrzeuge senden lokal gesammelte Daten an einen zentralen Server, welcher die Daten auswertet und die vorausschauende Instandhaltung aus der Ferne orchestriert. Diese Methode erfordert jedoch eine genügend grosse Fahrzeugflotte und ist mit Komplikationen bezüglich Datenschutz und Cybersicherheit verbunden. Die generierten Datenmengen sind enorm. Sie müssen gespeichert, fokussiert und verarbeitet werden. Damit wird wichtiges Know-How externalisiert.

Für kleine Serien (<1000 Fahrzeuge) ist das Predictive Maintenance in Embedded Systemen interessanter. Sowohl das Sammeln der Daten sowie die statistische Auswertung findet auf einem im Fahrzeug verbauten Mikrocontroller statt, welcher keine Verbindung zu einem externen Rechner hat. Auf diesem Prinzip beruht die Entwicklung der Durot Electric. Der Entwickler, der die Funktionalität des Bauteils (ECU) umsetzt, hat tiefgehendes Verständnis des Systems und ist daher am besten in der Lage, das Predictive Maintenance zu applizieren.

Unsere Lösung besteht aus zwei Softwaremodulen, welche Predictive Maintenance für Embedded Systeme mit ressourcenschonenden statistischen Methoden implementieren. Das Ziel ist es, Abweichungen vom ursprünglichen Sensorwert zu erkennen, sowie abzuschätzen, wie lange die erwartete verbleibende Nutzungsdauer (Remaining useful life, RUL) ist.

Für die Abweichungserkennung wird bei einer ersten, automatisierten Messung der Sollzustand erfasst. Sowohl der Verlauf als auch die Streuung der Messung wird berücksichtigt. Im weiteren Fahrbetrieb wird in regelmässigen Abständen erneut eine Messung durchgeführt, und mit der Initialmessung als auch der vorhergehenden Messung verglichen.

Sobald die aktuelle Messung statistisch signifikant von der Initial- oder vorhergehenden Messung abweicht, wird eine Warnung ausgegeben.

Diese Abweichungserkennung ist vor allem dann geeignet, wenn wenige Kenntnisse zum Verhalten des Sensorwerts vorhanden sind. Durch die Initialmessung lernt das Modul selbst, wie das Signal im Normalzustand aussieht. Eine Abweichung vom Normalzustand wird erkannt und gemeldet, und aufgrund dieser Warnung können Wartungsmassnahmen im richtigen Moment ergriffen werden.

Unsere Software ist als Simulink-Modul mit einfacher Input-Output Logik organisiert. Über die vier Inputs kann das Modul aktiviert und zurückgesetzt sowie das Sensorsignal zurückgesetzt werden. Auch für das Einspeisen der Daten aus dem nichtflüchtigen Speicher gibt es einen Eingang. Die drei Outputs sind sowohl eine Kurz- und Langzeitwarnung als auch ein Array, welches vor dem Ausschalten der Hardware in den nichtflüchtigen Speicher abgelegt werden kann.

Die verbleibende Nutzungsdauer wird durch ein Softwaresystem errechnet, welches fortlaufend Messwerte zusammenfasst und über immer längere Zeiträume in verschiedenen Zeitdomänen akkumuliert. Dadurch wird die Unsicherheit, welche bei wenigen Messwerten vorhanden ist, fortlaufend verkleinert und die Genauigkeit der Schätzung erhöht. Der Schnittpunkt zwischen voraussichtlichem Signalverlauf und festgelegter Grenze dient nun zur Ausgabe des RUL.

Die voraussichtlich verbleibenden Betriebsstunden bilden einen wichtigen Anhaltspunkt für die Wartung. Unterschreitet das RUL einen gewissen Wert, können erneut Wartungsmassnahmen ergriffen werden bevor die festgelegten Grenzen erreicht werden und es zum kostenintensiven Stillstand des Fahrzeugs kommt.

Auch das RUL ist als Simulink-Block mit vier Eingängen und drei Ausgängen verfügbar. Die Eingänge sind identisch zur Abweichungserkennung, als Ausgang gibt es statt der Abweichungswarnungen jedoch Abschätzungen der verbleibenden Nutzungsdauer über einen kurzen und einen längeren Zeitraum.

Predictive Maintenance ist ein zukunftsorientiertes Feld mit viel Potential. Unerwartete Stillstandszeiten von Fahrzeugen können verhindert werden, was dem Kunden und den Endkunden viel Umtrieb erspart. Mit unserer Entwicklung in diesem Bereich verfolgen wir deshalb das Motto: Nicht zu oft, sondern genau rechtzeitig Warten!

Auch für Kunden mit kleineren Stückzahlen pro Jahr (100-1000) kann das Thema sehr spannend sein und einen grossen Vorteil im After Sales Service bieten. Nehmen sie dazu mit uns Kontakt auf.