Instandhaltungsinformationsvorrichtung, Zustandssensor zur Verwendung darin sowie damit durchführbares Verfahren zur Entscheidungsfindung für oder gegen eine Instandhaltung

Die Erfindung betrifft eine Vorrichtung und ein Verfahren zur Unterstützung einer Entscheidung, ob eine Wartung oder Instandhaltung eines Systems, dessen Zustand mittels eines Zustandssensors überwacht wird, durchgeführt werden soll oder nicht. Außerdem betrifft die Erfindung einen in einer solchen Vorrichtung oder einem solchen Verfahren verwendbaren Zustandssensor.

Die Erfindung liegt auf dem Gebiet der zustandsbasierten Instandhaltung (englisch: condition-based maintenance, CBM). Kurz gesagt bedeutet CBM, dass dann eine Wartung oder Instandhaltung durchgeführt wird, wenn das Bedürfnis hierzu entsteht. Die Wartung oder Instandhaltung wird durchgeführt, wenn ein Indikator oder mehrere Indikatoren zeigen, dass die überwachte Ausrüstung oder das ü- berwachte System ausfallen wird oder dass sich Betriebseigenschaften, technische Eigenschaften, Funktionen der überwachten Ausrüstung oder des überwachten technischen Systems verschlechtern.

Zum Zwecke der Beschreibung der Erfindung und deren vorteilhafte Ausgestaltungen werden die Begriffe Wartung und Instandhaltung synonym gebraucht. Sie bilden einen Oberbegriff für jede Maßnahme, die zum Erhalt oder zur Verbesserung der Funktionsbereitschaft des überwachten technischen Systems dienlich sind, so wie z.B. Austausch von Komponenten oder Verschleißteilen; Reinigung von Verschmutzungen, Austausch von Betriebsflüssigkeiten, Schmierung; Ersetzen oder Reinigen von Filtern; Entfernen von Abfallprodukten; Reparatur von Schadstellen usw. Zustandsbasierte Wartung wurde eingeführt, um zu versuchen, die korrekte Ausrüstung zu der richtigen Zeit zu warten oder instand zu halten. CBM basiert auf der Verwendung von Echtzeitdaten, um Instandhaltungsressourcen zu priorisieren und zu optimieren. Eine Überwachung des Zustande des Systems ist als„Zustands- Überwachung" bekannt. Eine Vorrichtung zur Zustandsüberwachung wird die„Gesundheit" oder den„Gesundheitszustand" der überwachten Ausrüstung erfassen und nur dann handeln, wenn eine Wartung tatsächlich notwendig ist. Die Entwicklung der jüngsten Jahre hat zu einer extensive Messtechnikausstattung von technischen Systemen und Ausrüstungen geführt und dies führte, zusammen mit ver- besserten Werkzeugen, zum Analysieren von Zustandsdaten dazu, dass das Wartungspersonal heute mehr als je zuvor zu der Entscheidung fähig ist, welches die richtige Zeit zum Durchführen einer Instandhaltung an Ausrüstungsstücken ist. Idealerweise erlaubt die zustandsbasierte Wartung, dass das Wartungspersonal nur die richtigen und notwendigen Dinge tut, was Ersatzteilkosten und Stillstands- zeiten des Systems während einer Wartung sowie für Wartung aufgewendete Zeiten minimiert.

Über zustandsbasierte Wartung gibt es einige Literatur, die den derzeitigen Stand der Technik auf diesem Gebiet darstellt und die dabei verwendeten Begriffe, Maß- nahmen und Vorrichtungen erläutern. Hierzu gehören:

• Jarrell DB, Sisk DR & Bond LJ: "Prognostics and Condition-based Mainte- nance (CBM) - a Scientific Crystal Ball", Veröffentlichung des Pacific Northwest National Laboratory, Richland, Washington, Nr. PNL-SA-36771 aus dem Jahre 2002 mit weiteren Literaturhinweisen;

· Veröffentlichung der Internationalen Atomenergiebehörde IAEA„Implementation Strategies and Tools for Condition Based Maintenance at Nuclear Power Plants, IAEA-TECDOC-1551 , Mai 2007, mit weiteren Literaturnachweisen;

• Memorandum for Secretaries of the Military Departments, by Deputy Under- Secretary of Defence, USA, 25. November 2002: "Policy for Department of

Defence condition-based maintenance". Aus den vorstehenden, unter anderem über das Internet verbreiteten Veröffentlichungen geht hervor, dass unterschiedliche Zustandssensoren zur Überwachung von Größen eingesetzt werden können, die Belastung oder Verschleiß einer Komponente eines technischen Systems anzeigen können. Beispielsweise können Vibrationen, Materialdehnungen, Temperaturen, Viskositäten oder sonstige Eigenschaften von Betriebsflüssigkeiten, usw. überwacht werden.

Beispiele aus der Patentliteratur zu zustandsbasierter Wartung finden sich in der DE 103 32 629 A2, der DE 101 44 076 A1 , der EP 08 95 197 B1 , der DE 31 10 774 A1 , der DE 10 2005 012 901 B4, der DE 102 22 187 A1 , der DE 101 48 214 C2.

Die jeweils überwachten technischen Systeme können ganz unterschiedlich sein; zustandsbasierte Wartung hat auf vielen technischen Bereichen Vorteile. Beispiele finden sich in den oben genannten Literaturstellen und Patentdokumenten. Interessant ist die zustandsbasierte Wartung insbesondere auch auf dem Gebiet der Flugzeugtechnik, da diese aufgrund der Sicherheitsrelevanz der eingesetzten technischen Systeme besonders wartungsintensiv ist. Es besteht insbesondere das Bedürfnis, die zustandsbasierte Wartung an allen möglichen Teilen eines Luftfahrzeuges, die einer Wartung bedürfen, einzusetzen.

Dies ist jedoch ein Fernziel, das bis jetzt wegen der Schwächen der bisher bekannten Vorrichtungen und Verfahren zur Zustandsüberwachung und Instandhal- tung noch nicht realisiert werden kann.

In der Flugzeugtechnik gibt es zudem das Problem eines zu erwartenden Anstiegs von Wartungsarbeiten, da immer mehr neue Materialien, wie kraftflussgerechte Faserverbundwerkstoffe, im Luftfahrzeugbau eingesetzt werden, um Gewicht ein- zusparen. Insbesondere bei faserverstärkten Verbundwerkstoffen können jedoch bei stärkerer Belastung Verschleißerscheinungen und unsichtbare innere Schädigungen entstehen, so dass ein Austausch von Komponenten aus faserverstärkten Verbundmaterialen nach bestimmten Betriebsumfängen und Belastungsumfängen angezeigt ist, bevor diese Komponenten ausfallen. Es wäre daher wünschenswert, möglichst viele solcher Komponenten zustandbasiert warten zu können. Der Hauptnachteil von CBM ist jedoch, dass die Anfangskosten von CBM sehr hoch sind. CBM benötigt verbesserte Messtechnik für die überwachte Ausrüstung. Meist sind die Kosten einer ausreichenden Messtechnik sehr hoch; dies gilt speziell auch für Ausrüstung, die bereits installiert worden ist. Aber auch bei der Neuentwicklung von technischen Ausrüstungsgegenständen und Systemen mit den bisher bekannten Zustandssensoren und Auswertetechniken ergeben sich hohe zusätzliche Kosten, so dass zustandsbasierte Wartung bisher nur an wenigen Hauptteilen von technischen Systemen realisiert werden konnte.

Der Erfindung liegt die Aufgabe zu Grunde, eine Entscheid ungsunterstützung zur Wartungsplanung auf Grundlage von Signalen von Sensoren zu erhalten, die Aussagen über einen Gesundheitszustand des überwachten Systems liefern können, aber dennoch einfacher und preiswerter in der Herstellung und der Einbindung in eine Messtechnik sind als bisher bei der CBM eingesetzte Zustandssensoren. Es existiert Literatur zur Zustandsüberwachung (CBM) mit perfekten Sensoren. Zustandsüberwachung mit perfekten Sensoren ist jedoch nur bedingt auf reale Systeme anwendbar. Um zustandsbasierte Wartung (condition-based maintenan- ce - CBM) eines Systems zu ermöglichen, muss das System mit Sensoren ausgestattet sein, die dessen Gesundheitszustand möglichst in Echtzeit (siehe hierzu DIN 44300) zu ermitteln in der Lage sind. In klassischen CBM-Implementierungen ermitteln die Sensoren eine erwartete Restlebenszeit (remaining useful life - RUL) und gegebenenfalls einen Zuverlässigkeitsfaktor (confidence level). Die Berechnung des RUL ist je nach Anwendungsfall sehr aufwändig und treibt die Implementierungskosten.

Es ist - beispielsweise aus der vorgenannten Literatur und Patentliteratur - bekannt, dass durch die Entwicklung von CBM-Sensoren und vor allem der Algo- rithmen, die aus erhobenen physikalischen Daten der Sensoren die Restlebenszeit errechnen, hohe bis prohibitive, Kosten anfallen. Dies liegt daran, dass der Sensor zu jedem beliebigen Zeitpunkt zwischen Inbetriebnahme und Ausfall eine möglichst genaue Restlebenszeit zu ermitteln versucht. Dem Entwickler des Sen- sors ist nicht bekannt, wie gut die Berechnung der Restlebenszeit in bestimmten Intervallen wirklich sein muss, so dass ihm keine Möglichkeit zur Optimierung eingeräumt wird. Bisher existieren kein Produkt und keine Literatur zum Thema Entscheidungsunterstützung mit nicht-perfekten Sensoren. Die Erfindung will eine Unterscheidungsunterstützung auf der Grundlage nichtperfekter Sensoren liefern.

Diese Aufgabe wird durch eine Instandhaltungsinformationsvorrichtung mit den Merkmalen des Anspruches 1 , einen Zustandssensor mit den Merkmalen des An- Spruches 9 sowie ein Verfahren gemäß Anspruch 10 gelöst.

Vorteilhafte Ausgestaltungen sind Gegenstand der Unteransprüche.

Gemäß einer bevorzugten Ausgestaltung stellt die Erfindung einen vorteilhaften Algorithmus zur Entscheidungsfindung bereit, mit dem das oben dargestellte technische Problem gelöst werden kann.

Eine Entscheidungsunterstützung zur Wartungsplanung mit nicht-perfekten Sensoren ermöglicht eine bessere Prognose für das zukünftige Abnutzungsverhalten zustandsüberwachter Komponenten oder Systeme. Die verbesserte Prognose lässt sich für einen besseren Entscheidungsunterstützungsalgorithmus nutzen.

Gemäß einem Aspekt schafft die Erfindung eine Instandhaltungsinformationsvor- richtung zum Liefern einer Information für eine zustandsbasierte Instandhaltung eines technischen Systems, umfassend:

einen, vorzugsweise ordinalen, Sensor mit einem Sensorelement zum Überwachen wenigstens einer Belastungs- oder Verschleißgröße des technischen Sys- tems als Indikator für einen wartungsrelevanten Zustand des Systems, wobei der Sensor zum Liefern eines, vorzugsweise ordinalen, Zustandssignals ausgebildet ist,

eine Betriebsumfangserfassungseinrichtung, die einen kumulierten Umfang des Betriebs des Systems als Wert eines Betriebsumfangsparameters erfasst, eine Erwartungswertlieferungseinrichtung zum Liefern einer Verschlechterungsfunktion, die den erwarteten Verschlechterungsverlauf des über die Belastungsoder Verschleißgröße ermittelbaren Zustands in Abhängigkeit von dem Betriebs- umfangsparameter darstellt,

eine Restlebensdauerermittlungseinrichtung, die bei Auftreten

a) wenigstens eines vorbestimmten Verschlechterungsgrades des Zustands den erreichten aktuellen Wert des Betriebsumfangsparameters mit dem für diesen vorbestimmten Verschlechterungsgrad gemäß dem erwarteten Verschlechterungsverlauf erwarteten Wert des Betriebsumfangsparameters ver- gleicht

und/oder

b) wenigstens eines vorbestimmten Wertes des Betriebsumfangsparameters den dann mittels des Sensors erfassten aktuellen Verschlechterungsgrad des Zustands mit dem bei diesem Verschlechterungsgrad gemäß dem erwar- teten Verschlechterungsverlauf erwarteten Wert des Betriebsumfangsparameters vergleicht und

aufgrund des aktuellen Werts im Fall a) des Betriebsumfangsparameters und im Fall b) des Verschlechterungsgrades einen neukalibrierten erwarteten Verschlechterungsverlauf des Zustands über den Betriebsumfangsparameter liefert, und eine Instandhaltungsempfehlungserzeugungseinrichtung zum Erzeugen einer Instandhaltungsempfehlung für einen zukünftigen Planungszeitraum anhand des neukalibrierten erwarteten Verschlechterungsverlaufs.

Gemäß eines weiteren Aspekts schafft die Erfindung ein hyperordinales Zu- Standssignal zur Überwachung des Zustands wenigstens einer Komponente eines technischen Systems zur Ermittlung einer Empfehlung, ob innerhalb eines bestimmten Planungszeitraums eine Instandhaltung angezeigt ist oder nicht. Gemäß eines weiteren Aspekts schafft die Erfindung einen hyperordinalen Zu- standssensor zur Überwachung eines Zustands wenigstens einer Komponente eines technischen Systems zur Ermittlung einer Empfehlung, ob innerhalb eines bestimmten Planungszeitraums eine Instandhaltung angezeigt ist oder nicht.

Gemäß eines weiteren Aspekts schafft die Erfindung ein Verfahren zur Entscheidung, ob eine Instandhaltung eines technischen System durchgeführt soll, mit den Schritten:

a) Überwachen des Systems mit einem Sensorelement und Liefern eines Zu- standssignals und den bei Erfassung des Zustandssignals vorliegenden aktuellen Wert eines den Umfang des Betriebs des Systems angebenden Be- triebsumfangsparameters,

b) Ermitteln eines erwarteten Verschlechterungsverlaufs für den Zustand, der eine erwartete Verschlechterung des Zustands über den Betriebsumfangspa- rameter darstellt, aus Erfahrungs- und/oder Simulationswerten für das System,

c) Ermitteln einer Restlebensdauererwartungsverteilung aus dem mittels des Sensorelements gelieferten Zustandssignal und der erwarteten Verschlechterungsfunktion,

d) Klassifizierung der Restlebensdauererwartung in eine von mehreren vorgegebenen Klassen und

e) Erzeugen einer Instandhaltungsempfehlung aufgrund der erhaltenen Klasse. Vorzugsweise ermöglicht die Erfindung eine Unterscheidungsunterstützung mit Daten aus nicht-perfekten hyperordinalen Sensoren.

Hyperordinale Sensoren bieten die Möglichkeit, den Zustand des Systems mit einer Unschärfe wiederzugeben. Ein Sensor ist hyperordinal, wenn er den Gesund- heitszustand des von ihm überwachten Systems klassifiziert. Beispielsweise können folgende Klassen verwendet werden:

• Grün: nominaler Betriebszustand • Gelb: messbarer Verschleiß, aber keine Gefahr eines Systemausfalls

• Rot: kurz bevor stehender Systemausfall

• Schwarz: Systemausfall Während es perfekte Sensoren in der Realität nicht gibt, sind klassische Sensoren gegenüber den gemäß einer bevorzugten Ausgestaltung der Erfindung vorgeschlagenen hyperordinalen Sensoren aufwändiger gestaltet und mit entsprechend höheren Entwicklungs- und Betriebskosten verbunden. Ein hyperordinaler Sensor generiert Aussagen mit deutlich reduzierter Entropie, bleibt aber in den wesentli- chen Aussagen weitestgehend präzise.

Gemäß eines Aspekts schafft die Erfindung eine„Entscheidungsunterstützung mit Daten aus nicht-perfekten hyperordinalen Sensoren", was ein Algorithmus ist, der es ermöglicht, zuverlässige Restlebenszeiten aus wirtschaftlichen hyperordinalen Zustandsinformationen zu ermitteln.

Ein solcher Algorithmus ermöglicht eine zuverlässige Ermittlung der Restlebenszeit auf Grundlage von sehr unscharfen Aussagen, die über den Gesundheitszustand eines Systems getroffen wurden.

Ausführungsbeispiele der Erfindung werden nachfolgende anhand der beigefügten Zeichnungen näher erläutert. Dabei zeigen:

Fig. 1 eine schematische Blockdarstellung einer Instandhaltungsinformations- Vorrichtung sowie eines damit durchführbaren Verfahrens zur Entscheidungsfindung für oder gegen eine Instandhaltung eines überwachten technischen Systems;

Fig. 2 einen Graph mit einem Beispiel für eine Berechnung eines Verschlech- terungsmodells (Degradationsmodell) anhand eines ersten Beispielfalls; und Fig. 3 einen Graph vergleichbar zu dem von Fig. 2 mit einem Beispiel zur Berechnung eines Verschlechterungsmodells anhand eines weiteren Beispielfalls. In der Fig. 1 ist schematisch eine Instandhaltungsinformationsvorrichtung 10 sowie ein Ablaufplan för deren Funktion in Form eines als Blockdiagramm dargestellten Algorithmus dargestellt. Die Instandhaltungsinformationsvorrichtung 10 dient dazu, eine Information zur Entscheidungsfindung zu liefern, ob ein zustandsüberwachtes technisches System 12 gewartet werden sollte oder nicht.

Bei dem technischen System 12 kann es sich um irgendeine Ausrüstung oder Komponente halten, die instand zu halten ist. Beispiele für solche technische Systeme finden sich in der eingangs genannten Literatur und Patentliteratur zur zu- standsbasierten Wartung. In einem bevorzugten Ausführungsbeispiel handelt es sich bei dem überwachten technischen System 12 um eine Komponente 14 oder einen Ausrüstungsteil eines Luftfahrzeuges. Beispiele für solche Komponenten sind Strukturelemente des Rumpfes oder von Flügeln oder von Leitwerken, Triebwerke oder Triebwerksteile, Klimaanlagen, Kühlsysteme, Lebenserhaltungsanlagen, Rettungsanlagen, Fahrwerke und Fahrwerksteile usw.

Die Instandhaltungsinformationsvorrichtung 10 weist einen Sensor 16, eine Be- triebsumfangserfassungseinrichtung 18, eine Erwartungswertlieferungseinrichtung 20, eine Restlebensdauerermittlungseinrichtung 22 und eine Instandhaltungsemp- fehlungserzeugungseinrichtung 24 auf.

Der Sensor 16 ist eine Gesundheitszustanderfassungseinrichtung 25, die einen Gesundheitszustand des technischen Systems 12 erfasst.

Der Sensor 16 ist in dem dargestellten Beispiel dazu ausgelegt, eine Größe oder einen Betriebsparameter des technischen Systems 12 zu erfassen, der als Indikator für einen Zustand des Systems dienen kann, in dem eine Wartung oder Instandhaltung erforderlich wäre. Der Sensor 16 ist in dem dargestellten Beispiel ein nicht-perfekter Sensor, der als ordinaler Sensor eine ordinale Zustandsmessung durchführt. Die Zustände werden vorzugsweise auf einer Ordinalskala skaliert, so dass ein Verschlechterungs- grad des Zustandes ermittelt werden kann. Der Verschlechterungsgrad kann z.B. von dem Zustand„NEUWERTIG" (z.B. neuwertiger Normzustand/völlig unbelasteter, unverschlissener Zustand) bis zum Zustand„SYSTEMAUSFALL" reichen.

Der Sensor 16 weist hierzu ein Sensorelement 26 auf, welches zum Überwachen und Erfassen wenigstens einer Belastungs- oder Verschleißgröße des technischen Systems ausgebildet ist, die ein Maß für eine Belastung oder einen Verschleiß zumindest eines Teils des Systems 12 und somit ein Indikator für einen Gesundheitszustand sein kann. Beispielsweise werden statische oder dynamische Belastungen, Dehnungen, Vibrationen, Temperaturen, Viskositäten oder sonstige Eigenschaften von Betriebsflüssigkeiten usw. gemessen.

Einige Beispiele für zu überwachende Belastungs- oder Verschleißgrößen finden sich in der eingangs erwähnten Literatur und Patentliteratur zur CBM. Beispiele für Sensorelemente 26, die zur Zustandsüberwachung auch in der hier beschriebe- nen Instandhaltungsinformationsvorrichtung 10 verwendbar sind, sind in den folgenden Dokumente beschrieben und gezeigt, deren Inhalt hiermit durch Bezugnahme inkorporiert wird: WO2009/062635A1 , WO2009/087164A1 ,

WO2009/071602A2, DE10004384C2, DE10053309A1 , DE10153151A1 ,

DE10236051 A1 , DE102006060138A1 , DE102008017175A1 , sowie die nicht vor- veröffentlichte DE102010032093.5-22. Es wird für weitere Einzelheiten zum Aufbau möglicher Sensorelemente 26 ausdrücklich auf die genannten Druckschriften verwiesen.

Die Betriebsumfangserfassungseinrichtung 18 erfasst den kumulierten Umfang des Betriebs des überwachten technischen Systems 12 und liefert das Maß als Wert eines Betriebsumfangsparameters. In den meisten Fällen wird einfach die Betriebszeit des überwachten Systems 12 als Betriebsumfangsparameter erfasst. Im Falle von Fahrzeugen oder dergleichen könnte als Betriebsparameter auch die insgesamt mit dem Fahrzeug oder einer dessen Komponenten (z.B. Motor) zurück gelegte Strecke angegeben werden, da die zurückgelegte Strecke bei solchen Fahrzeugen einen größeren Einfluss auf Verschleiß und Belastung haben kann als die eigentlichen Betriebszeit. Bei technischen Systemen, wo eine Verschlechterung unabhängig vom eigentlichen Betrieb, z.B. aufgrund von Materialermüdungen aufgrund von Alterungserscheinungen oder durch Umwelteinflüsse wie Wind, Wetter, Meerwasser auftreten könnte, könnte auch einfach die Zeit kumuliert gemessen werden, oder eben die Zeit, die die zu überwachende Komponente Umwelt- einflüssen ausgesetzt ist. All dies sind Beispiele für mögliche Betriebsumfangspa- rameter; und es ist je nach Einsatzfall eine passende Betriebsparametererfas- sungseinrichtung 18 vorgesehen, wie z.B. eine Uhr oder sonstige Zeitmessungseinrichtung zur Messung von Betriebsdauer oder zur Messung von sonstigen für den Gesundheitszustand relevanten Zeitdauern, oder ein Streckenzähler wie z.B. ein Kilometerzähler usw.

Im Folgenden wird die Instandhaltungsinformationsvorrichtung 10 der einfacheren Darstellung wegen am Beispiel, dass für den Betriebsumfangsparameter die Betriebszeit des überwachten technischen Systems 12 erfasst wird, erläutert.

Die Betriebsumfangserfassungseinrichtung 18 ist in dem dargestellten Beispiel einfach ein Teil des Sensors 16. Der Sensor 16 weist in diesem Beispiel zusätzlich zu dem Sensorelement 26 zum Erfassen der Belastungs- oder Betriebsgröße auch noch die Betriebsumfangserfassungseinrichtung 18 zum Erfassen des kum- Herten Werts des Betriebsumfangsparameters, nämlich hier die akkumulierte Betriebszeit, auf.

Aufgrund der Erfassung der wenigstens einen Belastungs- oder Verschleißgröße und des zum Zeitpunkt der Erfassung vorliegenden Werts des Betriebsumfangs- parameters bildet der Sensor 16 ein ordinales Zustandssignal 27, das im folgenden anhand der Fig. 2 und 3 näher erläutert wird. Wie in den Fig. 2 und 3 anhand von beispielhaften Kurven S für das ordinale Zu- standssignal 27 dargestellt, liefert der Sensor 16 in dem hier dargestellten Beispiel als ordinales Zustandssignal S einen aufgrund des erfassten Wertes der Be- lastungs- oder Verschleißgröße ermittelten Verschlechterungsgrad j in Abhängig- keit von dem Betriebsumfangsparamater - hier die Betriebszeit s-hrs in Betriebsstunden. Es reicht bei der hier beschriebenen Vorgehensweise aus, dass der von dem Sensor 16 erfasste tatsächliche Verschlechterungsgrad j lediglich relativ oder ordinal angegeben wird. Z.B. ist der Verschlechterungsgrad in den Graphen der Fig. 2 und 3 normiert dargestellt, wobei 100 als 100%ige Verschlechterung den Systemausfall und 0 als 0% Verschlechterung den neuwertigen Zustand kennzeichnet.

Gemäß Fig. 1 , auf die nun wieder Bezug genommen wird, weist die Erwartungs- wertlieferungseinrichtung 20 eine Systemdatenbank 28 auf, die aufgrund von Er- fahrungen mit älteren Systemen, die mit dem technischen System 12 vergleichbar sind, und/oder aufgrund von Simulationsdaten akkumulierte Degradationspfade enthalten. Insbesondere enthält die Datenbank Erfahrungs- und/oder Simulationswerte, die erwartete Zustände pro Wert des Betriebsumfangsparameters enthalten. Z.B. enthält die Systemdatenbank Erwartungswerte für Zu- stand/Betriebsstunden oder Zustand/Betriebszyklen. Als konkretes Beispiel sind z.B. erwartete Funktionswerte für den Belastungs- oder Verschleißparameter in Abhängigkeit von dem Betriebsumfangsparameter angegeben. Weiter erhält die Systemdatenbank 28 neuere Werte durch Erhalt des Zustandssignals 27 aus dem Sensor 16, die zur späteren Ermittlung von Erwartungswerten zusätzlich herange- zogen werden können.

Die Erwartungswertlieferungseinrichtung 20 ist dazu ausgebildet, aus den Daten der Systemdatenbank 28 ein akkumuliertes Degradationsmodel 30 des technischen Systems 2 zu berechnen. Ein solches akkumuliertes Degradationsmodel 30 lässt sich als erwarteter Verschlechterungsverlauf des durch den Sensor 16 überwachten Zustands darstellen. Beispiele für solche akkumulierten Degradationsmodelle finden sich in der jeweiligen Kurve M in den Graphen der Fig. 2 und 3 für zwei konkrete Beispielfälle (Fall A in Fig. 2 und Fall B für Fig. 3) einer Systemüberwachung.

Wie sich aus Fig. 1 , auf die nun erneut Bezug genommen wird, ergibt, ist die Rest- lebensdauerermittlungseinrichtung 22 mit dem ordinalen Sensor 16 zum Erhalt des ordinalen Zustandssignals 27 verbunden und ist mit der Erwartungswertliefe- rungseinrichtung 20 zum Erhalt akkumulierter Degradationsmodelle 30 verbunden. Die Restlebensdauerermittlungseinrichtung 22 errechnet aus akkumulierten Degradationsmodellen 30 der Systemdatenbank 28 und dem gemessenen ordinalen Zustandssignal 27 des technischen Systems 12 eine Restlebensdauerverteilung. Aus der berechneten Restlebensdauerverteilung wird dann ein hyper-ordinales Zustandssignal 32 erzeugt, das einen hyper-ordinalen Systemzustand angibt.

Damit ist ein hyper-ordinaler Zustandssensor 34 gebildet. Dieser weist in dem hier dargestellten Beispiel den ordinalen Sensor 16, die Erwartungswertlieferungsein- richtung 20 und die Restlebensdauerermittlungseinrichtung 22 auf. Als hyperordinal werden hier Sensoren benannt, die Gesundheitszustände der von ihnen überwachten Systeme klassifizieren. Beispielsweise werden folgende Klassen verwendet:

» GRÜN: nominaler Betriebszustand

» GELB: messbarer Verschleiß, aber keine Gefahr eines Systemausfalls

• ROT: kurz bevorstehender Systemausfall

• SCHWARZ: Systemausfall Beispiele für die Klassifizierung, die Berechnung der Restlebensdauerverteilung und einer Vorhersage der Restlebensdauer daraus werden weiter unten noch genauer anhand der in den Fig. 2 und 3 wiedergegebenen Beispiel-Fällen A und B erläutert werden, so dass die Natur des hyper-ordinalen Zustandssensors 34 verständlicher wird.

Wie in Fig. 1 dargestellt ermittelt die Instandhaltungsempfehlungserzeugungsein- richtung 24 aus dem hyper-ordinalen Zustandssignal 32 eine Instandhaltungsemp- fehlung 36 gemäß einer der voranstehenden Klassifizierungen. Dadurch wird eine Entscheidungsunterstützungfunktion für Instandhaltungsmaßnahmen am System 12 erhalten. Insbesondere ist hier interessant, ob eine Instandhaltung im Planungsmaßstab erforderlich ist.

Luftfahrzeuge werden beispielsweise im Kurzstreckenbetrieb, Mittelstreckenbetrieb oder Langstreckenbetrieb eingesetzt. Beispielsweise ist es interessant zu wissen, ob innerhalb einer geplanten Kurzstrecke, Mittelstrecke oder Langstrecke eine Wartung erforderlich wäre, die demnach vorher durchzuführen wäre. Es kann sein, dass eine Wartung für eine Kurzstrecke noch nicht erforderlich ist, dass aber ein Auftreten einer Notwendigkeit einer Wartung im Zeitraum einer Langstrecke zu erwarten wäre. Vor der Langstrecke würde man die Wartung somit durchführen, vor der Kurzstrecke noch nicht. Es kann auch sein, dass man eine Wartung am Zielort entfernt des Heimatflughafens einplanen sollte und entsprechendes Materi- al mitführen sollte.

Die Instandhaltungsempfehlungen 36 könnten somit abhängig von dem betrachteten Planungshorizont eine der folgenden sein:

• Sofortige Reparatur

· NO-GO

» Ersatz im Planungszeitraum einplanen (z.B. Austauschteil mitnehmen, damit es am Zielort vor einem Rückflug eventuell ausgetauscht wird);

• keine Aktion (alles im GRÜNEN Bereich). Mehr als die Ausgabe solcher klassifizierter Instandhaltungsempfehlungen ist bei der hier vorgestellten Ausführungsform der Vorrichtung 10 und des damit durchführbaren Verfahrens nicht vorgesehen.

Das Wartungspersonal wird dann der Instandsetzungsempfehlung folgen und die Instandhaltungsdurchführung 40 einplanen und erledigen. Im Folgenden wird die Klassifizierung und Abschätzung der Restlebensdauer anhand zweier Beispielfälle A und B, die in den Fig. 2 und 3 wiedergegeben sind, näher erläutert. Diese Figuren stellen Graphen dar, in denen der Verschlechterungsgrad j des überwachten Zustands über dem Betriebsumfangsparameter, in unserem Beispiel die Betriebstunden (service hours [s-hrs]) dargestellt sind.

Wie oben bereits erwähnt, stellen die Kurven S die gemessenen ordinalen Zu- standssignale in Form einer Funktion des Verschlechterungsgrades abhängig von dem Wert des Betriebsumfangsparameters, bei dem dieser Verschlechtern ngs- grad gemessen worden ist, dar. Die Kurven M1 und M2 stellen bei beiden Fällen die durch die Erwartungswertlieferungseinrichtung 20 gelieferten akkumulierten Degradationsmodelle 30 als Funktionen der erwarteten Verschlechterungswerte j in Abhängigkeit von den Werten des Betriebsumfangsparameters dar, wo diese Verschlechterungswerte j erwartet werden.

Anhand der Verschlechterungswerte j ist eine Klassifizierung vorgesehen. Bei den dargestellten Beispielen ist definiert, dass Sensorsignale, die auf Verschlechterungswerte j zwischen 0 und 30 hinweisen, in eine Klasse A eingereiht werden. Liegen Sensorsignale innerhalb dieser Klasse A, ist der Gesundheitszustand im grünen Bereich, es ist keine Aktion oder Instandhaltung erforderlich.

Sensorsignale, die einen messbaren Verschleiß anzeigen, wo aber noch keine Gefahr eines Systemausfalls vorliegt, werden in Klasse B eingereiht. Diese reicht bei dem in den Fig. 2 und 3 angegebenen Beispielfällen von dem Verschlechte- rungsgrad j=30 bis zum Verschlechterungsgrad j=60.

Eine weitere Klasse C, die angibt, dass ein Systemausfall kurz bevor steht, reicht bei den angegeben Beispielen von dem Verschlechterungsgrad j=60 bis zum Verschlechterungsgrad j=90. Sensorsignale, die einen Verschlechterungsgrad von j>90 anzeigen, werden bei dem Beispiel in die Klasse N für NO-GO eingereiht. Ein Weiterbetrieb ohne vorherige Instandhaltung ist bei Auftreten dieser Klasse zu verbieten. Insbesondere ist hier interessant, die Anzahl der Betriebsstunden s-hrs bis zum Erreichen der NO-GO-Klasse N abzuschätzen. Beim Luftfahrzeug wäre es z.B. wichtig zu wissen: kann ich noch gefahrlos eine Kurzstrecke, Mittelstrecke oder Langstrecke fliegen? Schauen wir uns nun das Beispiel in Fall A an, der in Fig. 2 wiedergegeben ist. Das akkumulierte Degradationsmodell 30 gibt anfangs gemäß der Kurve M einen Wert von etwa 1900 s-hrs Betriebsstunden bis zum Erreichen der NO-GO-Klasse an. Ein Sensorsignalübergang von Klasse A zu Klasse B ist beim oder ungefähr um den Verschlechterungsgrad j=30 anzunehmen. Die Anzahl der Betriebsstunden s- hrs, die bis zum Erreichen dieser zweiten Klasse B aufgelaufen sind, betragen allerdings nur ca. 1300 s-hrs, während nach dem Degradationsmodell 30 ca. 1600 s-hrs bis zum Erreichen der Klasse B abgeschätzt worden sind. Dies gibt Anlass zu einer drastischen Revision 1 des anfänglich abgeschätzten Degradationsmodells 30. Die Revision 1 ist als eine Linksverschiebung P1 des verbleibenden Degradationspfads des Degradationsmodells 30 angezeigt. Es ergibt sich ein erstmals revidiertes Degradationsmodell gemäß Revision 1 wie durch die Kurve R1 angezeigt.

Eine zweite Revision 2 findet bei dem Verschlechterungsgrad j=60 statt, wenn die Bedingung für Klasse C erfüllt ist. Hier ist die für j=60 durch das gemessenen Zu- standssignal 27 erreichte Anzahl von Betriebsstunden etwas größer als die durch die revidierte erwartete Verschlechterungsfunktion - Kurve R1 - abgeschätzte Betriebsstundenzahl. Eine (leichte) Rechtsverschiebung P2 des verbleibenden Degradationsmodelpfades zeigt eine (moderate) Verlängerung der nutzbaren Restlebensdauer des überwachten Elements an. Der entsprechend erneut revi- dierte verbleibende Degradationsmodelpfad ist als Revision 2 durch die Kurve R2 wiedergegeben.

Betrachten wir nun den Fall B, wie er in Fig. 3 wiedergegeben ist. Hier ist ange- nommen, dass ein Übergang von Klasse A nach Klasse B bei dem Verschlechterungsgrad j =30 bei dem gemessenen Zustandssignal 27 wie durch Kurve S angezeigt erst nach ca. 2400 s-hrs Betriebsstunden erreicht wird. Nach dem Degradationspfad M gemäß dem anfänglichen akkumulierten Degradationsmodell 30 wäre ein solcher Übergang bereits bei ca. 1600 Betriebsstunden zu erwarten gewesen. Dies gibt Anlass für eine drastische Revision 1 des anfänglich geschätzten Degradationsmodells 30 zum Abschätzen der bis zum Erreichen der NO-GO-Klasse N verbleibenden Betriebsstunden. Diese ist durch eine Rechtsverschiebung P1 angezeigt, was zu dem verbleibenden revidierten Degradationsmodelpfad gemäß Revision 1 , angezeigt als Kurve R1 , führt. Eine weitere Revision 2 tritt auf, wenn die Bedingung der Klasse C erreicht worden ist. Auch hier werden wieder gemessenes Zustandssignal und Degradationsmodell bezüglich der akkumulierten Betriebsstundenzahl in Einklang gebracht. Eine leichte Rechtsverschiebung P2 des verbleibenden Degradationsmodelpfads zeigt eine weitere (moderate) Verlängerung der nutzbaren Lebensdauer der überwachten Einheit an. Dies ist in dem Graph von Fig. 3 durch die verbleibende Kurve R2 für die Revision 2 dargestellt.

Die Beispiele verdeutlichen, dass es ausreicht, wenn lediglich bei einigen bestimmten Werten des Zustandssignals eine Neukalibrierung des erwarteten Verschlechterungsverlaufs des Zustande erfolgt.

Es reicht auch aus, wenn das Zustandssignal in Klassen eingereiht wird und die Klasse angegeben wird. Solange die Klasse A vorliegt, kann der hyper-ordinale Zustandssensor 34 als hyper-ordinales Zustandssignal für die verbleibende Restlaufzeit das Signal GRÜN angeben.

Zum Beispiel wird erst bei Erreichen einer bestimmten Schwelle für den Gesundheitszustand, beispielsweise dann, wenn eine durch das Sensorelement 26 über- wachte Belastungs- oder Verschleißgröße einen bestimmten Schwellwert erreicht, von einer Klasse A in eine Klasse B gewechselt. Der dann erreichte Wert des Be- triebsumfangsparameters wird zu einer Neukalibrierung des erwarteten Verschlechterungsverlaufs herangezogen. Damit lässt sich die Verteilung der verblei- benden Restlebensdauer erneut abschätzen und somit eine entsprechende In- standshaltungsempfehlungs-Klasse (z.B. immer noch GRÜN oder schon GELB), abhängig von dem interessierenden Planungszeitraum, erzeugen.

Es reicht somit aus, nicht-perfekte, ordinale Sensoren zur Zustandsüberwachung heranzuziehen und mit einer einfachen Auswertelogik auszustatten, die für die Zustände und die Empfehlungen einfache klassifizierte Signale (lediglich A, B, C oder N bzw. GRÜN, GELB, ROT oder SCHWARZ) ausgeben.

Besonders interessant ist, dass aufgrund von einfachen klassifizierten Zustands- Signalen, die lediglich ordinal angeordnet sind, aufgrund der Information, bei welchem Betriebsumfang ein Klassenübergang erfolgt, eine einfache Neukalibrierung der Abschätzung der Restlebensdauer erfolgen kann.

Abweichungen von dem dargestellten Ausführungsbeispiel sind selbstverständlich. Zum Beispiel wäre es denkbar, anstelle einer Neukalibrierung des Modells zur Abschätzung der Restlebensdauer nicht bei Erreichen eines bestimmten Übergangs für die Belastungs- oder Verschleißgröße, sondern das Erreichen eines bestimmten Werts des Betriebsparameters heranzuziehen. Das Modell 30 von Fig. 2 oder 3 wird bei einer abweichenden, nicht näher dargestellten Ausführungsform nicht bei einem bestimmten Verschlechterungsgrad j, sondern bei Erreichen einer bestimmten Betriebsstundenzahl, z.B. alle 500 Betriebsstunden, anhand des dann vorliegenden Zustandssignals neu revidiert. Da aber das Zustandssignal eine bessere Grundlage für eine zuverlässige Information über eine bevorstehende Warnung liefert, ist die in Fig. 2 und 3 dargestellte Variante bevorzugt. Bezugszeichenliste:

10 Instandhaltungsinformationsvorrichtung

12 technisches System

14 Komponente eines Luftfahrzeugs

16 Sensor

18 Betriebsumfangserfassungseinrichtung

20 Erwartungswertlieferungseinrichtung

22 Restlebensdauerermittlungseinrichtung

24 Instandhaltungsempfehlungserzeugungseinrichtung

25 Gesundheitszustandserfassungseinrichtung

26 Sensorelement

27 ordinales Zustandssignal

28 Systemdatenbank

30 akkumuliertes Degradationsmodel

32 hyper-ordinales Zustandssignal

34 hyper-ordinaler Zustandssensor

36 Instandhaltungsempfehlung

40 Instandhaltungsdurchführung

S Kurve für gemessenes Zustandssignal

M Kurve für anfängliches akkumuliertes Degradationsmodell

P1 erste Revision 1

P2 zweite Revision 2

R1 Kurve für durch Revision 1 revidierten verbleibender Verlauf des akkumulierten Degradationsmodells

R2 Kurve für durch Revision 2 revidierten verbleibender Verlauf des akkumulierten Degradationsmodells