Technische Samenvatting: Onzekerheidsbewuste Voorspelling van Functioneel Gedrag en Materiaalmoeïtebeoordeling voor de Circulaire Fabriek

1. Probleemstelling

De transitie naar een circulaire economie vereist productiesystemen die in staat zijn om geretourneerde producten over meerdere levenscycli te hergebruiken. Geretourneerde producten (bijv. gebruikte elektrische gereedschappen) komen echter met heterogene degradatiestanden, gebruikshistorie en resterende capaciteiten de "Circulaire Fabriek" (CF) binnen. Conventionele betrouwbaarheidsbeoordelingen, die vaak uitgaan van homogene populatieveronderstellingen of vaste operationele condities, zijn ontoereikend voor de besluitvorming over de herinzet van specifieke exemplaren.

Er bestaat een kritieke kloof in de huidige methoden voor Prognostics and Health Management (PHM):

• Scheiding tussen Functioneel en Materieel: Systeembrede functionele voorspelling (werkt het gereedschap?) wordt zelden gekoppeld aan componentniveau materiaalmoeïtebeoordeling (zal een kritiek onderdeel falen?).
• Onzekerheid en Historie: Bestaande methoden hebben vaak moeite met variabele gebruikshistorie en slagen er niet in om onzekerheidsbewuste voorspellingen te leveren die noodzakelijk zijn voor risicobeoordeling onder toekomstige, voorgeschreven gebruiksscenario's.
• Besluitvormingsondersteuning: Beslissingen over herinzet kunnen niet uitsluitend gebaseerd worden op de huidige inspectie; ze moeten rekening houden met hoe het functionele gedrag en de materiële integriteit zullen evolueren onder specifieke toekomstige gebruikscondities.

Dit artikel pakt deze uitdagingen aan door een integraal kader voor te stellen voor de exemplarspecifieke beoordeling van een geretourneerde haakse slijper, waarbij de voorspelling van functioneel gedrag wordt gekoppeld aan de materiaalmoeïtebeoordeling om de herinzet te ondersteunen.

2. Methodologie

Het voorgestelde kader integreert twee complementaire pijplijnen — functionele gedragsvoorspelling en materiaalmoeïtebeoordeling — in één enkele streaming betrouwbaarheidsworkflow.

2.1. Functionele Gedragsvoorspelling van het Systeem

De functionele tak modelleert de toekomstige staat van het gereedschap als een conditioneel sequentie-leerprobleem.

• Inputs: Het model accepteert een huidige staatvector (thermische, elektrische, rotationele en geometrische variabelen zoals spelingen) en een recente gebruikshistorie (kracht- en koppelvensters).
• Architectuur:
  • Encoders: Een 1D Convolutioneel Neuraal Netwerk (CNN) extraheert lokale temporele patronen (pieken, transiënten) uit kracht-koppelvensters. Een Multi-Layer Perceptron (MLP) codeert de huidige staatvector.
  • Recurrent Backbone: De gefuseerde representaties worden verwerkt door een Long Short-Term Memory (LSTM) netwerk. De LSTM voorspelt incrementen in plaats van absolute waarden om voorspellingen te verankeren aan bekende initiële condities.
  • Output Head: Een probabilistische kop geeft een Gaussische gemiddelde en variantie uit voor negen functionele variabelen (bijv. motorstroom, snelheid, spelingen).
• Training: Het model wordt getraind met een gewogen Gaussische Negative Log-Likelihood (NLL) loss, wat de schatting van zowel verwachte waarden als voorspellende onzekerheid mogelijk maakt.
• Scenario-conditionering: Het kader staat "scenario-geconditioneerde inferentie" toe door toekomstige gebruiksvariabelen voor te schrijven, wat betrouwbaarheidsbeoordeling onder geplande of hypothetische operationele condities mogelijk maakt.

2.2. Materiaalmoeïtebeoordeling van Componenten

De materiële tak evalueert de resterende vermoeidheidscapaciteit van de uitgaande as met behulp van dezelfde operationele belastingshistorie.

• Spanningsreconstructie: Finite Element Analysis (FEA) wordt gebruikt om externe kracht-koppelbelastingen te mappen naar lokale inkeping-spanningen (notch stresses). Een interpolatiemodel vertaalt gemeten tijdreeksen naar spanning-tijdreeksen bij de kritieke inkeping.
• Vermoeidheidsmodellering:
  • Initiatie: Een Basquin-type S-N curve (gefit op roterende buiggegevens) gecombineerd met de Palmgren-Miner regel en de Haibach-extensie (voor cycli onder de limiet) schat de cumulatieve schade in.
  • Propagatie: Een Paris-wet scheurgroei-model schat de levensduur van een scheur van een initiële grootte ($a_0$) tot een kritieke grootte ($a_c$), begrensd door de hardingsdiepte.
• Integratie: Het materiaamodel geeft cumulatieve schade en een materiaalbetrouwbaarheidsschatting ($R_{mat}$) uit.

2.3. Consolidatie van Streaming Betrouwbaarheid

Een streaming replay-algoritme (Algoritme 3) consolideert beide takken:

• Het verwerkt datavensters sequentieel en werkt de functionele betrouwbaarheid ($R_{func}$), de materiaalbetrouwbaarheid ($R_{mat}$) en de systeembetrouwbaarheid ($R_{sys} = \min(R_{func}, R_{mat})$) bij.
• Het handelt gaten in observaties af door schade-inschattingen te propageren over ontbrekende cycli.
• Het identificeert de "sturende tak" (functioneel versus materieel) bij elk inspectiepunt om de beperkende factor voor herinzet te bepalen.

3. Belangrijkste Bijdragen

1. Verenigde Functionele-Materiële Ruimte: Het artikel stelt een kader vast dat de huidige systeemstaat, recente gebruikshistorie en materiële degradatie combineert in een gemeenschappelijke representatie voor exemplarspecifieke herinzet.
2. Onzekerheidsbewuste Voorspelling: Een LSTM-architectuur getraind met Gaussische NLL voorspelt zowel de verwachte functionele respons als de onzekerheid, wat drempelgebaseerde betrouwbaarheidsbeoordeling faciliteert.
3. Scenario-geconditioneerde Inferentie: De mogelijkheid om toekomstige gebruiksvariabelen voor te schrijven maakt de evaluatie van functioneel gedrag en betrouwbaarheid onder expliciete, geplande operationele condities mogelijk.
4. Geïntegreerde Materiaalbeoordeling: Componentniveau vermoeidheid wordt geïntegreerd via spanningsreconstructie, S-N/Miner schade-evaluatie en Paris-wet scheurgroeianalyse, direct gekoppeld aan de systeembrede gebruikshistorie.
5. Streaming Workflow: Een geconsolideerd algoritme werkt betrouwbaarheidstrajecten in real-time bij, wat dynamische besluitvorming voor geretourneerde producten ondersteunt.

4. Resultaten

Het kader werd gevalideerd met een case study van een haakse slijper met experimentele data van een testbank (400 bedrijfsuren) en materiaaltesten van uitgaande assen.

4.1. Prestaties van Functionele Voorspelling

• Nauwkeurigheid: Het model bereikte een gemiddelde 2%-tolerantienauwkeurigheid van 0,9652 over negen outputs op de onafhankelijke testdata.
• Variabele Prestaties:
  • Thermische variabelen (tandwielkast en stator temperatuur) werden bijna perfect voorspeld ($R^2 \approx 0,9999$).
  • Dynamische variabelen (aandrijfmotorstroom en lastsnelheid) waren het meest uitdagend, maar vertoonden nog steeds een hoge globale trendopvang ($R^2 = 0,9750$ en $0,9924$, respectievelijk), hoewel de strikte lokale tolerantienauwkeurigheid lager was (0,9174 en 0,8675).
• Architectuurvergelijking: De conventionele LSTM presteerde beter dan GRU en xLSTM in deze setting met een korte historie, waarschijnlijk door de stabiliteit van het eenvoudige recurrente blok wanneer lokale patronen vooraf door de CNN zijn geëxtraheerd.
• Inputgevoeligheid: Ablatiestudies bevestigden dat het opnemen van de koppelhistorie de voorspellingen voor motorstroom en lastsnelheid aanzienlijk verbeterde, wat het belang van belastingshistorie-data boven statische inspectie alleen benadrukt.

4.2. Betrouwbaarheid en Onzekerheid

• Kalibratie: Voor de aandrijfmotorstroom (de enige variabele met voldoende overschrijdingsgebeurtenissen) kwamen de voorspelde overschrijdingskansen nauw overeen met de geobserveerde frequenties (bijv. voorspeld 0,0600 vs. geobserveerd 0,0646). De Expected Calibration Error (ECE) was laag (0,0085–0,0086).
• Overlevingsanalyse: Weibull-analyse leverde een B10-levensduur van 5,22 relatieve stappen op voor motorstroomoverschrijding.

4.3. Materiaalmoeïte en Herbruikbaarheid

• Nominale Condities: Onder nominale servicebelastingen (ca. 2,88 MPa inkeping-spanning) vertoonde de uitgaande as verwaarloosbare Miner-schade, wat duidt op een hoge herbruikbaarheid.
• Gevoeligheid voor Hoge Belastingsgebeurtenissen: De Paris-wet analyse onthulde extreme gevoeligheid voor zeldzame hoge belastinggebeurtenissen.
  • Nominale Last: ~31 potentiële hergebruikcycli.
  • 1,2x Versterking (bovenste 10% spanning): ~20 cycli.
  • 1,6x Versterking: ~3 cycli.
  • 2,0x Versterking: ~1 cyclus.
• Implicatie: Materiaalherbruikbaarheid wordt bepaand door de staart van het belastingsspectrum, niet alleen door het gemiddelde gebruik.

4.4. Geïntegreerde Replay

Een sequentiële replay over 18 inspectiebestanden toonde aan dat de functionele en materiële takken coherent opereren. In het geteste scenario bleven zowel $R_{func}$ als $R_{mat}$ op 1,0 (veilig), waarbij de materiële tak slechts als sturende factor werd geïdentificeerd door een gelijkspel. De aandrijfmotorstroom bleef de primaire functionele risico-indicator.

5. Betekenis en Claims

Het artikel claimt het eerste geïntegreerde beoordelingskader te bieden dat de gemeten operationele belasting koppelt aan zowel de toekomstige functionele vervulling als de resterende structurele vermoeidheidslevensduur binnen één enkele streaming workflow.

• Verschuiving in Besluitvormingsparadigma: Het werk ondersteunt een verschuiving van inspectiegebaseerde classificatie naar voorspellingsgebaseerde herinzet. Er wordt gesteld dat de geschiktheid van een geretourneerd product afhangt van de verwachte toekomstige functie en componentintegriteit, niet alleen van de huidige staat.
• Exemplarspecificiteit: Het kader maakt beslissingen mogelijk voor individuele producten met heterogene historie, weg van populatieniveau-veronderstellingen.
• Bescheiden Beperkingen: De auteurs geven expliciet aan dat hoewel het kader een consistente workflow-integratie demonstreert, de specifieke case study geen sterke fysieke koppeling vertoonde tussen functionele degradatie en materiaalmoeïte, omdat de geteste belastingen ver onder het vermoeidheidskritieke regime lagen. De resultaten bewijzen primair de haalbaarheid van de methode en de workflow, eerder dan een sterke fysieke degradatietrajecetorie in deze specifieke dataset.
• Toekomstige Behoeften: Het artikel concludeert dat robuuste toepassing vereist is van validatie op heterogene, real-world geretourneerde producten, meer gebeurtenis-rijke degradatiedata voor kalibratie, en verbeterde methoden voor de reconstructie van belasting naar spanning.