Über die IGF

Forschungsvereinigungen müssen für die Antragstellung im Rahmen der IGF autorisiert sein. Noch nicht autorisierte Forschungsvereinigungen können einen Antrag auf Autorisierung im Förderprogramm Industrielle Gemeinschaftsforschung (IGF) stellen, wenn die Kriterien gemäß der Anlage Förderrichtline erfüllt sind.

Die Industrielle Gemeinschaftsforschung (IGF) ist ein europaweit einzigartiges, themenoffenes und vorwettbewerbliches Förderprogramm des Bundesministeriums für Wirtschaft und Energie (BMWE), das kleinen und mittleren Unternehmen (KMU) einen einfachen Zugang zu praxisorientierter Forschung ermöglicht.

Eine Kurzdarstellung veranschaulicht den Prozess von der Idee bis zur Veröffentlichung des Forschungsergebnisses.

Hier finden Sie eine Übersicht aller IGF-Forschungsvereinigungen.

IGF bewegt: Erhalten Sie in Bild und Ton Einblicke in die IGF.

Mit den Mitteln der IGF werden im transnationalen Netzwerk CORNET auch Projekte gemeinsam mit internationalen Kooperationspartnern durchgeführt ...

Geförderte Projekte

Im Rahmen des IGF-Kongresses wurde das IGF-Projekt des Jahres 2025 gewählt. Unter 23 Einreichungen hat der Wissenschaftliche Rat der IGF drei Finalisten nominiert. Das Gewinner-Team wurde durch das Publikum gewählt.

Ein kleiner Ausschnitt der bisher rund 12000 geförderten Projekte bietet einen Einblick in die Vielfalt der Forschungsthemen.

Die Projektdatenbank der Industriellen Gemeinschaftsforschung (IGF) umfasst rund 12000 abgeschlossene und laufende IGF-Vorhaben seit dem Jahr 1995 und wird regelmäßig aktualisiert.

Service
FAQ

Forschung für den Mittelstand - Die IGF-Projektdatenbank

Die Projektdatenbank der Industriellen Gemeinschaftsforschung (IGF) umfasst rund 12000 abgeschlossene und laufende IGF-Vorhaben seit dem Jahr 1995 und wird regelmäßig aktualisiert.

Suchen Sie nach einem exakten Begriff, setzen Sie diesen bitte in Anführungszeichen.
Möchten Sie sich einige Vorhaben als Auswahlliste abspeichern, können Sie diese mithilfe des Kästchens markieren und als PDF anzeigen lassen.
Die Suchergebnisliste zeigt alle Vorhaben in einem PDF-Dokument an.
Weitere Filter finden Sie in der erweiterten Suche.

Causal Condition Monitoring von Verdrängereinheiten durch Verschleiß- und Schadensdetektion in Korrelation zur Betriebs- und Lastsituation

Laufzeit:01.02.2022 - 31.07.2024
Vorhaben-Nr. 22012 N

Forschungsvereinigung:

Forschungskuratorium Maschinenbau e.V. - FKM
Lyoner Straße 18
D-60528 Frankfurt am Main
Tel.: +49 69 6603-1345
E-Mail: info@fkm-net.de

Forschungseinrichtung:

  • Technische Universität Dresden Institut für Mechatronischen Maschinenbau Professur für Fluid-Mechatronische Systemtechnik

Vorhabenbeschreibung:

Logo Bundesministerium für Wirtschaft und Energie

Die Möglichkeit, große Mengen von Betriebsdaten mit geringem Aufwand zu erfassen und mit intelligenten Algorithmen zu verarbeiten, eröffnet der Fluidtechnik neue Wege zu innovativen Instandhaltungsstrategien. Anstatt nach vorgeschriebenen Wartungsintervallen einen Austausch der Bauteile vorzunehmen, soll der aktuelle Zustand jeder Komponente überwacht werden. Während im klassischen Condition Monitoring für eine Prognose der Restlebensdauer nur die Verschleißtendenz ausgewertet wird, soll im vorgeschlagenen Forschungsvorhaben durch eine zusätzliche Korrelation mit der Lasthistorie erstmalig auch eine Abschätzung der Restlebensdauer in Abhängigkeit der Belastung sowie eine Aussage über den Versagensgrund möglich werden.

 

Ziel ist die Entwicklung eines robusten, skalierbaren und ökonomischen Konzepts für eine Hardwarekonfiguration sowie Messdateninterpretation zur optimalen Detektion versteckter Bauteilschäden. Die integrierte Betriebspunkterkennung ermöglicht eine kausale Korrelation mit der Betriebssituation, was besonders für KMU ein wesentlicher Meilenstein zu Predictive Maintenance ist. Im Ergebnis steht eine fundierte Analyse der Übertragbarkeit funktionierender Algorithmen zur Detektion drei typischer Hauptverschleiße einer Axialkolbenpumpe auf zwei verschiedene Baugrößen sowie die dafür minimalen Anforderungen an Sensorkonfiguration und -qualität. Durch Integration des kinematischen Maschinenwissens können mittels Signalanalyse relevante Merkmale aus den Messdaten gewonnen und mit KI-Mustererkennungsalgorithmen effizient und robust geclustert werden.

 

Besonders die KMU der Branche verfügen oftmals nicht über die Ressourcen, um die für die Thematik erforderlichen zeitintensiven experimentellen Grundlagenuntersuchungen durchzuführen. Diese Firmen profitieren im Besonderen von den angestrebten Forschungsergebnissen, die u.a. als Basis für die Instrumentierung von Verdrängereinheiten mit für eine Verschleiß- sowie Betriebspunkterkennung minimaler Sensorik dienen.