Die digitale Transformation prägt die Entwicklung intelligenter technischer Systeme, welche durch Vernetzung und inhärente Intelligenz einen weiten Funktionsumfang aufweisen. Selbstoptimierende Systeme sind als Stellvertreter der Klasse intelligenter Systeme durch die autonome zielkonforme Adaption des Systemverhaltens charakterisiert. Dabei stellen mechatronische Systeme eine der Grundlagen dieser Systemklasse dar, indem die Umwelt- und Betriebsbedingungen sowie die Systemzustände sensorisch erfasst und das dynamische Systemverhalten zielgerichtet beeinflusst wird. Der große Funktionsumfang intelligenter technischer Systeme geht mit einer Zunahme der Systemkomplexität einher, die eine Herausforderung bei der Absicherung der Verlässlichkeit darstellt. Dem gegenüber bieten insbesondere selbstoptimierende Systeme Potenziale zur Steigerung der Verlässlichkeit. Die Umsetzung entsprechender Maßnahmen erfordert die Unterstützung des Entwicklungsprozesses durch geeignete Methoden. Die Beherrschung der zunehmenden Systemkomplexität ist durch die konsequente Verwendung vorhandener Modelle des Entwicklungsprozesses möglich, wird aber in aktuellen Methoden nicht umfänglich genutzt. Das Ziel ist die Absicherung der Verlässlichkeit bereits in frühen Entwicklungsphasen bis hin in späte Lebenszyklusphasen. Es wird eine Methode für die integrierte Modellierung der Zuverlässigkeit, als zentrale Kenngröße der Verlässlichkeit, und des dynamischen Systemverhaltens entwickelt. Anhand von drei Anwendungsbeispielen wird gezeigt, dass diese Methode die Entwicklung von Maßnahmen zur Steigerung der Verlässlichkeit in selbstoptimierenden Systemen ermöglicht, auf komplexe Systeme anwendbar ist und die Absicherung der Verlässlichkeit während des Betriebs durch die Umsetzung eines Digitalen Zwillings unterstützt.
Bibliographic Metadata
- TitleIntegrierte Modellierung von Zuverlässigkeit und dynamischem Verhalten mechatronischer Systeme / von Thorben Henning Kaul, M. Sc. ; Referent: Prof. Dr.-Ing. habil. Walter Sextro, Korreferent: Prof. Dr.-Ing. Detmar Zimmer
- Author
- Participants
- Published
- Description1 Online-Ressource (136 Seiten) : Diagramme
- Institutional NoteUniversität Paderborn, Dissertation, 2020
- AnnotationTag der Verteidigung: 07.05.2020
- Defended on2020-05-07
- LanguageGerman
- Document TypesDissertation (PhD)
- URN
- DOI
- Social MediaShare
- Reference
- IIIF
The digital transformation establishes the development of intelligent technical systems, for which networks and inherent partial intelligence are mandatory features to enlarge their functionality. Self-optimizing systems as representatives of intelligent systems, are characterized by the autonomous objective-conform adaption of system behavior. Mechatronic systems provide the basic principles of this system class by sensing environmental and operating conditions as well as system states. These capabilities allow for precise manipulation of dynamic system behavior. The wide functionality of intelligent technical systems leads to an increasing system complexity, which is a serious threat regarding their dependability. In contrast to this threat, self-optimizing systems offer means to increase dependability by exploiting potentials of advanced behavior adaption, which are laid in the sophisticated support of the development process. In order to govern the increasing system complexity, the existing models of the development process need to be exploited to analyze dependability from early development stages to subsequent life cycle phases. These existing models are not yet sufficiently used in current approaches. A method for the integrated modeling of reliability, the central attribute of dependability, and dynamic system behavior is developed. Three application examples are investigated to show, that the method is capable of supporting the development of means to increase dependability in self-optimizing systems, the application on complex mechatronic systems and the setup of a digital twin in order to analyze dependability during operation.
- The PDF-Document has been downloaded 65 times.