Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Longevity-focused health management of complex engineered systems

Projektbeschreibung

Ein langfristig nachhaltiger Ansatz für das Anlagenmanagement

Im Bestreben nach Nachhaltigkeit verlagern Unternehmen ihren Fokus von kurzfristigen Lösungen hin zu Strategien, die den langfristigen Erhalt kritischer Anlagen sicherstellen. Das ERC-finanzierte Projekt HEROES will die Art und Weise verändern, wie die Industrie den Anlagenverschleiß versteht und verwaltet. Anstatt Fehler als isolierte Ereignisse zu behandeln, betrachtet HEROES sie als Teil eines größeren, vernetzten Systems, das von dynamischen Bedingungen beeinflusst wird. Die Forschenden werden fortschrittliche, physikbasierte maschinelle Lern- und KI-Werkzeuge nutzen, um Modelle zu erstellen, die vorhersagen, wie sich Anlagen im Laufe der Zeit entwickeln. Diese Erkenntnisse fließen in Entscheidungsfindungssysteme ein, mit denen die Instandhaltung verbessert und die Lebensdauer verlängert werden kann. Das an Windkraftanlagen validierte System HEROES wird dazu beitragen, Betriebs- und Instandhaltungsstrategien auf Komponenten-, System- und Flottenebene zu optimieren und damit branchenübergreifend einen neuen Maßstab für nachhaltiges und zuverlässiges Anlagenmanagement zu setzen.

Ziel

The HEROES project proposes a transformative framework for longevity-focused health management of complex assets, shifting the focus from short-term performance metrics to long-term sustainability, reliability, and efficiency. While traditional methods prioritize immediate fault detection, they often overlook the interdependencies and evolving operational loads that influence asset lifespan. HEROES bridges these gaps by developing novel physics-informed machine learning (PIML) techniques to model long-term interdependent degradation and AI-driven, interpretable decision support tools.
The framework features a module for modeling, understanding, and forecasting the health evolution of wind turbines and their components under dynamic operational conditions. By developing cutting-edge PIML methods, HEROES predicts degradation, assesses interdependencies, and evaluates lifetime consumption under varying operating conditions. The project leads the way in integrating and developing physics-informed graph neural networks (GNNs) with Neural ODEs, transformers, and hierarchical GNNs, enabling accurate long-term predictions and scalable modeling across components, systems, and fleets.
Building on these predictive degradation models, HEROES proposes a pioneering decision support system for longevity optimization. It develops multi-agent reinforcement learning for health-aware control to extend component lifetimes, and optimize design for maintenance through operational feedback and generative models. HEROES further innovatively integrates counterfactual reasoning and neuro-symbolic AI to simulate long-term “what-if” scenarios, providing fully interpretable interaction with decision makers.
Validated on wind turbines, HEROES aims to optimize operation and maintenance strategies at component, system, and fleet levels. Its methodological innovations will drive a paradigm shift towards longevity-focused health management, reduced environmental impact, and enhanced reliability.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2025-COG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE
Netto-EU-Beitrag
€ 1 999 759,00
Adresse
BATIMENT CE 3316 STATION 1
1015 Lausanne
Schweiz
Region
Schweiz/Suisse/Svizzera Région lémanique Vaud
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 1 999 759,00

Begünstigte (1)