Two-stage monitoring design and budgeted condition-based maintenance for LED lighting systems: a gamma-process-based ensemble Kalman filter approach

Technische Zusammenfassung: Zweistufiges Monitoring-Design und budgetiertes zustandsorientiertes Wartungskonzept für LED-Beleuchtungssysteme

Problemstellung
Leuchtmittel mit Lichtemittierenden Dioden (LED) degradieren im Laufe der Zeit, was die Beleuchtungsstärke auf der Arbeitsebene (Working Plane, WP) reduziert und das Risiko einer unzureichenden Innenbeleuchtung erhöht. Während stochastische Degradationsmodelle allgemeine Trends vorhersagen können, mangelt es ihnen oft an Genauigkeit für einzelne installierte Leuchten aufgrund von produktionsbedingter Variabilität und nicht charakterisierten Betriebsbedingungen. Direkte Messungen des Degradationszustands einzelner Leuchten (z. B. mittels Integrationskugeln) sind nach der Installation unpraktisch. Umgekehrt sind In-situ-Messungen der WP-Beleuchtungsstärke zwar praktikabel, stellen jedoch ein komplexes inverses Problem dar: Eine einzelne WP-Messung spiegelt die superponierten Beiträge aller Leuchten in einer Zone wider, anstatt eine lokale Sensor-Leuchte-Beziehung abzubilden.

Dies schafft eine duale Herausforderung:

1. Inverse Zustandschätzung: Die Ableitung hochdimensionaler latenter Degradationszustände aus spärlichen, global gekoppelten WP-Messungen erfordert ein informatives Messlayout, das Identifizierbarkeitseinschränkungen erfüllt (die Anzahl der Messungen muss mindestens der Anzahl der Leuchten entsprechen, um eine eigenständige Schätzung zu ermöglichen).
2. Budgetierte Wartungsoptimierung: Großflächige Systeme können es sich nicht leisten, bei jedem Monitoring-Besuch den vollen Satz an erforderlichen Messpunkten zu erfassen. Es besteht ein Bedarf an der gemeinsamen Optimierung des Besuchsplans, der Teilmenge der bei jedem Besuch durchgeführten Messungen und der präventiven Austauschpolitik unter einem festen Monitoring-Budget, um die Gesamtausfallzeit und die Austauschkosten zu minimieren.

Methodik
Das Paper schlägt ein zweistufiges Framework vor, das das Layout-Design in der Designphase mit der sequenziellen Filterung und der zustandsorientierten Wartung (Condition-Based Maintenance, CBM) in der Betriebsphase integriert.

• Stufe 1: Referenz-Layout-Optimierung in der Designphase

  • Zustand-zu-Beleuchtungsstärke-Modellierung: Ein nicht-homogener Gamma-Prozess modelliert die monotone Degradation jeder Leuchte. Ein High-Fidelity-Radiance-Simulator generiert Vorwärtsdaten der Beleuchtungsstärke, die durch ein lineares-Gaußsches Ersatzmodell ($E = Cx + b + \epsilon$) approximiert werden. Dieses explizite Beobachtungsmodell verknüpft latente Degradationszustände ($x$) mit WP-Beleuchtungsstärkemessungen ($E$) und quantifiziert sowohl Modell- als als auch Messunsicherheiten.
  • Identifizierbarkeit-beschränktes D-optimales Design: Um eine inverse Zustandschätzung zu ermöglichen, formuliert das Framework die Auswahl der WP-Messpunkte als Problem des optimalen experimentellen Designs. Es erzwingt eine Mindestanzahl an Messungen ($m \ge J$, wobei $J$ die Anzahl der Leuchten ist), um sicherzustellen, dass die Fisher-Informationsmatrix nicht singulär ist. Ein D-optimales Kriterium (Maximierung von $\log \det(H^T \Omega^{-1} H)$) wird verwendet, um ein informatives „Referenzlayout“ ($\mathcal{S}_{ref}$) aus einem Kandidatengitter auszuwählen. Hierbei kommen heuristische Strategien wie die Hybrid Greedy Search (HG) und Genetische Algorithmen (GA) zum Einsatz, um dieses NP-schwere kombinatorische Problem zu lösen.

• Stufe 2: Laufzeit-Monitoring und budgetierte CBM

  • Sequenzielles Filtern: Ein Ensemble Kalman Filter (EnKF) wird verwendet, um die Degradationszustände zu verfolgen. Im Gegensatz zu Standard-Kalman-Filtern bewältigt der EnKF die Nicht-Gaußsche Natur der Gamma-Prozess-Inkremente, indem er ein Ensemble von Trajektorien propagiert. Er assimiliert spärliche WP-Messungen, die während des Betriebs gesammelt werden, und kombiniert diese mit Vorabinformationen, die aus vorherigen Besuchen propagiert wurden. Dies ermöglicht eine genaue Zustandsschätzung, selbst wenn die Anzahl der Messungen pro Besuch unter dem Identifizierbarkeitslimit eines einzelnen Epochenzeitpunkts liegt.
  • Messdesign und Policy-Optimierung: Die Betriebsphase bestimmt, wann ein Besuch stattfindet und welche Teilmenge des Referenzlayouts gemessen wird. Eine „zonenzyklische“ Regel unterteilt das Referenzlayout in $n_{zone}$ Zonen, wobei pro Besuch ein Punkt aus jeder Zone gemessen wird.
  • Risikobasierte Wartung: Die posteriore prädiktive Verteilung der Degradationszustände wird verwendet, um die Wahrscheinlichkeit zu berechnen, mit der eine Leuchte vor dem nächsten Besuch einen Ausfallschwellenwert überschreitet. Ein präventiver Austausch wird ausgelöst, wenn diese Wahrscheinlichkeit einen Risikoschwellenwert ($p_{th}$) überschreitet.
  • Gemeinsame Optimierung: Das Framework optimiert den Besuchsplan (erster Besuch, Intervall), die aktive Messanzahl ($n_{zone}$) und den Risiko-Schwellenwert ($p_{th}$) gleichzeitig. Dies wird mittels eines Sequential Grid Search mit Paired Screening (SGS-PS) Algorithmus gelöst, um die erwartete Gesamtausfallzeit und die Austauschkosten unter Berücksichtigung eines Monitoring-Budgets ($B_{mon}$) zu minimieren.

Wesentliche Beiträge

1. Explizites Beobachtungsmodell: Entwicklung eines linearen-Gaußschen Ersatzmodells, das aus Radiance-Simulationen abgeleitet wurde, um latente Degradationszustände auf WP-Beleuchtungsstärken abzubilden und so eine inverse Zustandschätzung mit quantifizierten Unsicherheiten zu ermöglichen.
2. Identifizierbarkeit-beschränktes Layout-Design: Formulierung des Messlayouts in der Designphase als D-optimales experimentelles Design-Problem, das durch die Mindestanzahl an Messungen für die Identifizierbarkeit in einer einzelnen Epoche beschränkt ist, was zu einem informativen Referenzlayout führt.
3. Sequenzieller EnKF für spärliches Monitoring: Demonstration, dass ein EnKF die Degradationszustände effektiv unter Verwendung spärlicher Messungen (weniger als die Anzahl der Leuchten) verfolgen kann, indem zeitliche Informationen genutzt werden, was den Aufwand für Messungen während der Laufzeit reduziert.
4. Budgetierte gemeinsame Optimierung: Ein vereinheitlichtes Framework, das den Besuchsplan, die Auswahl der aktiven Messungen und den CBM-Risikoschwellenwert unter einer Budgetbeschränkung gemeinsam optimiert und dabei den Trade-off zwischen der zeitlichen Aktualisierungsfrequenz und der räumlichen Informationsdichte der Messungen explizit adressiert.

Ergebnisse
Das Framework wurde in einer Fallstudie einer Bürobeleuchtungszone mit 76 Leuchten über einen Zeitraum von 50 Jahren evaluiert.

• Layout-Auswahl: Das Hybrid Greedy Search (HG) Layout übertraf die Nadir-Punkt- und die Genetische Algorithmus-Layouts hinsichtlich des D-optimalen Objekts und lieferte ein Referenzlayout, das die generalisierte Schätzunsicherheit minimierte.
• Policy-Leistung: Unter einem Basis-Monitoring-Budget nutzte die optimale Policy eine mittlere aktive Messanzahl ($n_{zone}=20$) mit einem Besuchsintervall von 3 Monaten und einem Risikoschwellenwert von 0,12. Diese Konfiguration priorisierte häufige Zustandsaktualisierungen gegenüber der Messung des vollen Referenzlayouts.
• Vergleich mit Benchmarks: Im Vergleich zu einem Block-Austausch-Benchmark (zeitbasiert) reduzierte das vorgeschlagene budgetierte CBM-Policy die Gesamtausfallzeit und die Austauschkosten um 10,2 % unter Basis-Unsicherheit und um 40,5 % unter vergrößerter Unsicherheit der Auftreffzeiten (Hitting-Time-Uncertainty).
• Sensitivitätsanalyse:
  • Unsicherheit: Eine erhöhte Unsicherheit in den Degradations-Auftreffzeiten verschob die optimale Policy hin zu aggressiveren Risikoschwellenwerten und höheren aktiven Messanzahlen, da der Wert der Zustandsinformationen stieg.
  • Budget: Unter engen Budgets priorisierte das Framework die Besuchsfrequenz (zeitliche Aktualisierungen). Mit steigendem Budget verschob sich die optimale Policy hin zur Messung des vollen Referenzlayouts ($n_{zone}=76$) bei gleichbleibend häufigen Besuchen, was zeigt, dass räumliche Information nur dann von Nutzen ist, wenn die zeitliche Frequenz nicht gefährdet wird.

Bedeutung
Das Paper behauptet, dass seine Bedeutung in der Bereitstellung eines systematischen Ansatzes für das inverse Problem der Ableitung der Degradation von Leuchten aus indirekten, global gekoppelten Messungen liegt. Durch die Trennung des Designs eines informativen Referenzlayouts von der Auswahl spärlicher Messungen während der Laufzeit überwindet das Framework die wirtschaftlichen und logistischen Barrieren einer vollständigen Systemüberwachung. Die Integration der sequenziellen Filterung mit budgetbeschränktem Optimierung zeigt, dass eine zuverlässige Zustandsüberwachung und kosteneffiziente Wartung selbst dann erreichbar sind, wenn die Messressourcen begrenzt sind, was eine skalierbare Lösung für großflächige LED-Beleuchtungsinfrastrukturen bietet.