Ziel
The main goal of the project is the development of a new methodology for condition monitoring and predictive maintenance of machine tools.
A project was created to develop and validate a specific methodology integrating different procedures of modelling and simulation in order to:
shorten fault diagnosis of newly designed machine tools;
make predictive maintenance more applicable;
improve scheduled maintenance, thus avoiding further damage and loss of production. Steps were taken to:
gain a more comprehensive knowledge on the fault propagation of the machine, using a simulation model, which included information derived from design material (circuit diagrams and computer aided design drawings);
predict soft faults (ie faults in which the fault trends over a transition period to failure);
update the knowledge bases and data bases necessary for fault location;
reduce additional sensor instrumentation. The feasibility of the approach was tested on a prototype installation on a real machine tool. The project consisted of the following main modules: repository, sequencer, data acquisition, simulation, pattern recognition, machine learning and maintenance module.
Repository: the core of the system, it stores all the data required by the various modules as well as providing the means of message exchange between modules. The various communication protocols are supported in a generic form, but implemented in the appropriate modules.
Sequencer: synchronizes all processes in the system.
Data acquisition: the data acquisition system (DAS) was initially designed to collect field data and was then refined to provide data for the system producing the research DAS.
Simulation: the simulation models include both normal and faulty behaviour. Models have been developed for the following subsystems: central lubrication, spindle motor, pneumatic, coolant, hydraulic, axis drive motor.
Pattern recognition: a set of 3 different classification algorithms have been implemented in the classification module: the perceptron algorithm, a least mean square estimation algorithm and the increment correction algorithm.
Machine learning: the machine learning module has 6 main tasks: to increase classification confidence;
to detect new fault cases;
to perform normal parameter tracking;
to perform fault case parameter tracking;
to calculate time to criticality;
to select appropriate repair plans.
Maintenance module: elaborates a maintenance strategy for the machine tool.
Generally, the prototype system performed well.
This methodology will describe applicable techniques to predict and evaluate the evolution of failures and the degradation of machine tool components (eg. ballscrews, axis drives, coolant system, hydraulics), in order to find out the causes of malfunctions, to suggest corrective and preventive actions and to provide support in the operation mode. The proposed methodology is expected to help improve the availability, reliability and maintainability of machine tools as well as other types of machines or pcesses. The methods will be based on modelling of the machine and its subsystems with physical as well as qualitative models.
The results of the project will enhance fault diagnosis of newly designed machines, make predictive maintenance more applicable and improve scheduled maintenance.
In order to demonstrate the feasibility of this approach the machine management prototype will be fitted to and tested on a field machine tool. The basic ideas, however, which, will be detailed below, are thought to be general enough to be applied to other types of industrial equipment and processes.
A low cost system is targeted, and thus the requisite software will be developed for a 386 type computer.
2
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
- Technik und Technologie Maschinenbau Tribologie Schmierung
- Naturwissenschaften Informatik und Informationswissenschaften Software
- Technik und Technologie Elektrotechnik, Elektronik, Informationstechnik Elektrotechnik Sensoren
- Naturwissenschaften Informatik und Informationswissenschaften künstliche Intelligenz Mustererkennung
- Naturwissenschaften Informatik und Informationswissenschaften künstliche Intelligenz maschinelles Lernen
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Programm/Programme
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
Thema/Themen
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Daten nicht verfügbar
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Aufforderung zur Vorschlagseinreichung
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
Daten nicht verfügbar
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
Finanzierungsplan
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
Daten nicht verfügbar
Koordinator
78727 Oberndorf
Deutschland
Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.