Technische Universität München
Studienarbeit / Masterarbeit
Entwicklung eines Modells zur Predictive Maintenance und Condition Monitoring für störanfällige Komponenten in fahrerlosen Transportsystemen
Abbildung 1:
Betriebsverhalten einzelner Komponenten
Ausgangssituation & Projektbeschreibung
Fahrerlose Transportsysteme (FTS) sind innerbetriebliche, flurgebundene Fördersysteme zum Materialtransport. Dank des technischen Fortschritts ist die Idee eines Doppelkufensystems als FTS im intralogistischen Bereich denkbar geworden. Bei diesem System wird lediglich der Freilichtraum einer Palette genutzt, um diese autonom im Raum bewegen zu können. Im Rahmen der vom EXIST-Programm geförderten Ausgründung „Filics“, ansässig am FML, sollen Untersuchungen für die Idee des Doppelkufensystems ausgearbeitet werden.
Zum Gebrauch dieses Systems in Produktions- und Logistikbetrieben muss der Roboter personensicher verfahren. Es wurde bereits ein Sicherheitskonzept erarbeitet. Es werden Sicherheitsschutzfelder für alle notwendigen Betriebsmodi erstellt.
Durch Analyse der aktuellen Bedingungen (gehobene Last, aktuelle Kinematik, Bodenhaftung, Steigung, verwendetes Bremssystem usw.) kann der aktuelle technische Bremsweg und somit der aktuelle Sicherheitsfaktor des Systems im jeweiligen Betriebsmodus errechnet werden.
In der Studienarbeit soll ein Berechnungstool, welches die aktuellen Sicherheitswerte je Betriebssituation des FTS errechnet, erarbeitet werden.
Zielsetzung
Einarbeiten in die Thematik der autonomen Transportfahrzeuge mit Fokus Wartungsanfälligkeiten und vorhandene Sensoren / Messdaten in FTS
Definieren notwendiger und optimaler Messdaten als Eingangsgröße zum Predictive Maintenance / Condition Monitoring Modell
Durchführung einer Parameter- Sensitivitätsanalyse der einzelnen Messparameter
Ausarbeitung verschiedener Ansätze zur Berechnung einer Ausfallwahrscheinlichkeit und Ausfallzeitpunkt einzelner Module
Ausblick zum Potential hinsichtlich Verbesserungen/ Erweiterungen des bestehenden Ansatzes im Vergleich zu zukünftigen Ansätzen
Dein Profil
Laufendes Masterstudium im Bereich Maschinenwesen
Interesse an Predictive Maintenance und Daten-Analyse
Grundkenntnisse der Systemtheorie und Systemmodellierungen
Erweiterte Kenntnisse in MATLAB/Python
Eigenverantwortliche und selbstständige Arbeitsweise
Interesse an Zusammenarbeit mit einem Startup
Zielsetzung
Dimensions
0.5 by 0.7 by 1.1 inches
Weight
120 grams
Hardware
ARM custom 2.4 GHz processor
4GB Ram
Bluetooth
Gigabit LTE
WiFi
NFC
Dimensions
0.5 by 0.7 by 1.1 inches
Weight
120 grams
Hardware
ARM custom 2.4 GHz processor
4GB Ram
Bluetooth
Gigabit LTE
WiFi
NFC
