PILOTPROJEKT TERFENER INNBRÜCKE

Allgemein

Das Monitoring von Infrastrukturbauwerken findet seit Jahrzehnten in unterschiedlichen Formen statt – digital als auch analog.
Dabei werden für den Betrieb und die Instandhaltung wichtige Informationen generiert. In der Datenerfassung und vor allem in der Datenauswertung sind jedoch in Bezug auf die für den Bedarfs-/Verantwortungsträger relevanten Informationen erhebliche Lücken, sowohl zeitlich als auch im Gesamtbild, feststellbar. Der Bedarfs-/Verantwortungsträger erhält meist über Umwege und zeitlich versetzt die relevanten Informationen, die oftmals in einer komplexen, unübersichtlichen und in einer nicht mit anderen Systemen verknüpfbaren Form vorliegen.

Neue digitale Werkzeuge ermöglichen diese Defizite massiv zu reduzieren bzw. durch „BIG-Data“ ein wesentlich höheres Verwertungspotenzial der Daten zu generieren.
Selbstlernende Systeme (Systeme mit künstlicher Intelligenz) ermöglichen ganz neue Wege im Bereich des Infrastrukturmonitorings und liefern wichtige Entscheidungskriterien für Verantwortungsträger.

 

Verantwortung

Die schlussendliche Verantwortung beim Betrieb von Infrastrukturen liegt bei der Führung der Infrastruktur, im Normalfall dem Geschäftsführer.
Interne und externe Fachexperten können für die Entscheidungsträger wichtige Grundlagen schaffen, jedoch nicht die Verantwortung übernehmen.
Damit Entscheidungsträger ihrer Verantwortung gerecht werden können, braucht es leicht verständlich dargestellte Informationen (wenn möglich in Echtzeit), Fachexpertisen und Szenarien-Analysen.

„Wer Risiken und Chancen nicht kennt, kann keine Verantwortung übernehmen“

Dabei ist eine globale Betrachtungsweise des Gesamtsystems von entscheidender Bedeutung. Lokale Informationen allein geben keine schlüssige Aussage über den Zustand des Gesamtsystems.

 

Pilotprojekt Terfener Innbrücke

Im Rahmen eines Pilotprojektes an der Terfener Innbrücke wird das Verhalten eines Brückentragwerkes mit einem dreidimensionalen FE-Modell von uns simuliert und mit einem angepassten Monitoringsystem in Echtzeit überwacht. Basierend auf diesem FE-Modell und den Messergebnissen aus Messnehmern (Lichtwellenleiter) im Tragwerk und Messungen in der Umwelt (Klimadaten, Belastung, usw.) wurde ein digitaler Zwilling des Tragwerks erstellt.

 

Der digitale Zwilling bringt die Analyse auf den Punkt

 

 

 

• Durch einen digitalen Zwilling ist es möglich, Veränderungen im Tragverhalten frühzeitig zu erkennen und zu bewerten. Basierend auf dieser Grundlage kann die Instandsetzung von Tragwerken im Vorfeld effektiv geplant werden (Predictive Maintenance).
• Das im Rahmen des Pilotprojektes angewandte Monitoringsystem beruht darauf, die Messung über einen längeren Zeitraum zu verfolgen – so ist eine Bewertung des aktuellen Tragverhaltes als auch eine vergleichende Betrachtung der Ergebnisse über den gesamten Messzeitraum möglich.
• Durch die Kenntnis der Veränderungen im Tragwerk erfolgt eine effiziente und realistische Beurteilung des Tragverhaltens.
• Durch den Einsatz von Artificial Intelligence (künstlicher Intelligenz) und Machine-Learning kann der Informationsfluss beschleunigt und intensiviert werden. Ziel ist es Veränderungen im Gesamtsystem zu erkennen, bevor diese Auswirkungen auf das Tragverhalten des Tragwerks haben (Agieren statt Reagieren)

 

Intelligentes digitales Monitoring

 

Das System basiert auf der Kombination mehrerer innovativer digitaler Technologien mit dem Ziel einer effizienten und zuverlässigen Ferndiagnose des Zustandes der Struktur:

• Entwicklung eines 3D digitalen Zwillings des Objekts
• Cloud-basierte Visualisierung, die virtuelle Inspektionen ermöglicht
• Automatische Ausführung von numerischen FE-Simulationen
• Kontinuierliche Kalibrierung mittels inverser Analyse
• Prädiktive Analyse durch künstliche Intelligenz
• BIM (Building Information Modelling)

Warum funktioniert es:

• Die Simulationen (basierend auf den lokalen Sensoren-Messungen) mittels des digitalen Zwillings können den Zustand und das Risiko des Objekts global bewerten.
• Die FE-Simulationen werden kontinuierlich auf der Basis gemessener oder identifizierter Einwirkungen durchgeführt. Dies ermöglicht einen wesentlich höheren Grad an Genauigkeit.
• Die visuelle Überwachung (auch mittels digitaler und automatisierter Überwachung) kann nur Schäden bewerten, die bereits eingetreten sind. Der Einsturz des Objekts kann im Normalfall durch die Bewertung des Spannungszustands durch numerische Simulation vorhergesagt werden – „in das Objekt schauen“.
• Durch den Einsatz von künstlicher Intelligenz werden historischen Daten genutzt, um ein erweiterbares selbstlernendes System aufzubauen, das mit fortschreitender Zeit an Aussagekraft gewinnt – „in die Zukunft schauen“.

 

Ziele und Vorteile des Systems

• Entwicklung einer zuverlässigen und objektiven Methode, die den Wissensstand über das Objekt maximiert und nicht auf der Bewertung durch einzelne Personen basiert.
• Die digitale Zusammenfassung der einzelnen Monitoring-Systeme zu einem globalen selbstlernenden System.
• Einsatz von neuronalen Netzen (KI) welche die prädiktive Analyse ermöglicht, um im Voraus Informationen über das zu erwartende Verhalten des Objekts zu erhalten, mögliche Risiken zu analysieren und somit auch Sicherheitsmaßnahmen zu optimieren.
• Erstellung einer Web-Plattform, auf der die Verantwortungsträger jederzeit auf den Digitalen Zwilling zugreifen können und in Echtzeit Informationen über den IST- Zustand erhalten – eine einfache, klar verständliche Visualisierung von relevanter Information.