Predictive Maintenance ist eine Methode zur Minimierung von Ausfallzeiten, Senkung der Wartungskosten sowie zur Steigerung der Sicherheit und Zuverlässigkeit von Fahrzeugen.
KI-basierte Ausfallvorhersage eines Stoßdämpfers
KI-basierten Ausfallvorhersage eines Stoßdämpfers im NGC-Framework, die zur vorausschauenden Wartung eingesetzt wird.
Ein Stoßdämpfer eignet sich besonders für Predictive Maintenance, da er nicht nur für ein komfortables Fahrerlebnis, sondern auch für die Gewährleistung der Fahrzeugsicherheit von entscheidender Bedeutung ist. Dies wird bei automatisiertem Fahren noch wichtiger, da Fahrzeuge sich selbst überwachen und Wartungen planen müssen, bevor ein Bauteil ausfällt.
Wir haben eine auf maschinellem Lernen basierende Methodik entwickelt, um den Verschleiß von Stoßdämpfern vorherzusagen und darauf basierende Wartungsempfehlungen zu geben. Durch den Einsatz intelligenter Verfahren zur Analyse der Fahrdynamik können wir Informationen zum Systemzustand gewinnen und dessen zukünftigen Zustand prognostizieren. Hierfür nutzen wir Operational Design Domains*, um Schwellenwerte zu definieren, bis zu denen die Fahrzeugfunktion uneingeschränkt bleibt und die Sicherheit nicht beeinträchtigt wird.
*Die Operational Design Domain beschreibt den konkreten Einsatzbereich, in dem ein automatisiertes Fahrzeug oder eine Fahrfunktion sicher betrieben werden kann.
Vorausschauende Wartung: Stoßdämpfertest
Test des Stoßdämpferverschleißes im NGC-Simulationsframework mit CARLA.
Der Einsatz KI-basierter Predictive Maintenance bietet der Automobilindustrie Vorteile durch die Verringerung unerwarteter Ausfälle und die Verlängerung der Lebensdauer von Komponenten, insbesondere bei automatisierten Fahrzeugen. Fahrzeughersteller können so die Zuverlässigkeit und Sicherheit ihrer Fahrzeuge verbessern, Reparaturkosten senken und das Vertrauen der Kunden stärken. Dieser proaktive Ansatz fördert das Vertrauen in die Sicherheit und Zuverlässigkeit automatisierter Fahrsysteme.
