Off-Highway-Twins

  Bild von einem Bagger Urheberrecht: © ifas

Vorhandene Geodaten von unterschiedlichen Geländen, wie Baustellen oder Landwirtschaft sind von äußerster Relevanz für den Betrieb von Off-Highway-Twins. Im Rahmen des „Off-Highway-Twins“ Projekts wird in gemeinsamer Kooperation zwischen dem ifas, dem Institut für Mensch-Maschine-Interaktion und dem Institut für Maschinenelemente und Systementwicklung eine Machbarkeitsstudie durchgeführt. Das Vorhaben untersucht in welchem Umfang und mit welchen Methoden rohe Sensordaten von mobilen Arbeitsmaschinen geeignet sind, um aus diesen weiteren Informationen zu synthetisieren und Geodatensätze in Cloud-Datenbanken zu aktualisieren. 

 
Nutzen Vorgehen

Ausnutzung der gesammelten Sensormessdaten

Umrüsten des Baggers mit Sensorik

Ableitung eines Digitalen Zwillings aus vorhandenen Daten

Erstellung eines Digitalen Zwillings

Zwischenschritt zur automatisierten Datenbankaktualisierung

Erprobung auf einem Testgelände der RWTH

Kontakt

Telefon

work
+49 241 80 47740

E-Mail

E-Mail
 

Off-Highway-Twins

Zielsetzung des Projekts ist die Untersuchung des Potentials von gesammelten und aufbereiteten Sensordaten. Konkret geht es um die Fragestellung, in welchem Umfang und mit welchen Methoden die von mobilen Arbeitsmaschinen erhobenen Sensordaten geeignet ausgewertet werden können, um aus diesen weitere Informationen zu synthetisieren und in Cloud-Datenbanken bereitzustellen. Im Projekt wird daher ein Off-Highway-Fahrzeug mit entsprechender Sensorik und Messinfrastruktur ausgestattet und zur Datensammlung auf einem Testgelände der RWTH in Betrieb genommen. Weiterhin wird ein Digitaler Zwilling (DZ) aufgrund vorhandener Daten erstellt und die Machbarkeit von einer Aktualisierung dieses DZ durch die gesammelten Sensordaten erprobt.

 

Ausgangssituation in Deutschland

Heutzutage stellen die Bundes- und Landesbehörden eine Vielzahl unterschiedlicher (Geo-) Daten bereit, welche für Off-Highway-Fahrzeuge auf Baustellen, im Wald, in der Landwirtschaft sowie in weiteren Bereichen von äußerster Relevanz sind. Betrachtet man die Aktualität dieser Daten, so stellt man fest, dass diese variiert. In Nordrhein-Westfalen sind Luftbilder bis zu drei Jahre und Geländemodelle bis zu sechs Jahre alt. Die Auflösung dieser Daten beläuft sich meist auf 20 cm/Pixel bei Luftbildern und 0,5 m bei Geländemodellen. Hinzu kommt, dass Luftbilder oft unter Lageungenauigkeit aufgrund von Parallaxeffekten leiden und andere Datenquellen, wie beispielsweise die Bodenkarte, oftmals nicht ausreichend aufgelöst sind. Diese Tatsachen führen bei der Nutzung der Daten häufiger zu Informationslücken.

 

Mobile Maschinen als Sensor

Mobile Off-Highway-Fahrzeuge wie beispielsweise Radlader oder Mobilbagger sind mit diversen Sensoren ausgestattet, welche vom Hersteller für den Maschinenbetrieb eingebaut wurden. Mittels dieser Sensorik werden im Betrieb in den unterschiedlichen Arbeitsumgebungen kontinuierlich Daten gesammelt. Viele mobile Off-Highway-Maschinen operieren in Umgebungen, für welche nur wenig detaillierte Datensätze unmittelbar verfügbar sind. Hier bietet die tiefere Auswertung der Sensordaten der Maschine das Potential, diese Lücke zu schließen. Heutzutage werden die von den Sensoren gesammelten Daten jedoch nur selten dahingehend ausgewertet, um weitere Informationen über die Umwelt zu erhalten und diese dann zur Erweiterung der vorhandenen Datenquellen für die Allgemeinheit zugänglich zu machen.

 

Untersuchung des Potentials von Maschinentelemetrie

Das Vorhaben beschäftigt sich damit, inwieweit die durch diverse Sensoren gesammelten Daten aufbereitet und weitere Informationen gewonnen werden können. Dabei wird die Datenerfassung in mehreren Aspekten, wie Umfang, Detaillierung und Genauigkeit der Sen­sordaten betrachtet. Weiterhin sollen verschiedene Methoden zur Synthese von semantischen Informationen aus den erfassten rohen Sen­ordaten getestet werden. So kann beispielsweise aus Bewegungs- und Antriebsdaten einer Maschine herausgelesen werden, wie viel Material sie von einem Ort zum anderen bewegt hat und anschließend im Geländemodell vermerkt werden, wo ein neues Loch und wo ein Erdhaufen entstanden sind und welches Ausmaß diese haben. Ebenso kann eine Maschine an die Cloud melden, dass ein Weg durch widrige Bedingungen auch mit starker Antriebsleistung nur schwer passierbar ist, so dass kleinere Maschinen direkt einen alternativen Weg wählen können. Die denkbaren Szenarien, die Verwertungsmöglichkeiten und der Mehrwert solcher Informationen sind mannigfaltig und ein Schlüssel zur Produktivitätssteigerung für diverse Branchen.

 

Anwendungsmöglichkeiten und Ausblick

Zeigt die Untersuchung der Erfassung von Rohdaten eines mobilen Fahrzeuges und deren Informationsextraktion Potential, so wird im nächsten Schritt ermittelt, ob die Informationslücken auf den verschiedenen Open-Source-Cloud-Datenbänken mit diesen geschlossen werden können. Weiterhin ermöglichen öffentlich zugängliche Cloud-Datenbanken, dass alle authentifizierten Mitwirkenden Zugang zu den Daten erhalten und ihre gesammelten und verarbeiteten Daten anderen zur Verfügung stellen können. Dies erleichtert und verbessert die Durchführung und Planung von Bauprozessen und kann somit zu einer Kostensenkung bei Bauprozessen führen. Des Weiteren bieten ausführliche Geodaten einen Grundstein für die Realisierung von autonomen Bauprozessen.

 

Danksagung

Das Projekt wird vom Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) gefördert.

  Logo BMVI Urheberrecht: © BMVI   Logo mFund Urheberrecht: © mFund