Einen wegweisenden Demonstrator für die vorausschauende Wartung von Industrieanlagen präsentierte das Fraunhofer-Institut für Photonische Mikrosysteme IPMS auf der Sensor+Test. Er nutzt eine fortschrittliche Sensorik, kombiniert mit einer auf künstlicher Intelligenz (KI) basierenden Datenverarbeitung, um potentielle Maschinenschäden frühzeitig zu erkennen und kostspielige Ausfallzeiten zu vermeiden.
Damit sollen sich neue Möglichkeiten für die vorbeugende Instandhaltung von Anlagen und Maschinen eröffnen. „Unsere Lösung ermöglicht eine präzise Zustandsüberwachung von Maschinen durch den Einsatz von Sensoren und intelligenter Datenanalyse“, erklärt Dr. Marcel Jongmanns, Leiter des Projekts am Fraunhofer IPMS. „Die Integration von KI in die Sensoren ermöglicht es uns, Schäden zu erkennen, bevor sie auftreten, und so Wartungsintervalle zu optimieren und Ausfallzeiten zu minimieren.“
KI-Modelle ermöglichen präzise Vorhersage von Schäden
Der Show Case zeigte ein miniaturisiertes Förderband und demonstrierte die Leistungsfähigkeit einer neuartigen Toolbox für die Überwachung von Industrieanlagen. Der Demonstrator nutzt multimodale Sensoren. Die sensorische Funktion erfasst dabei Beschleunigungen in den Raumrichtungen und die korrespondierenden Drehraten. Zusätzlich werden Magnetfeldsensoren und akustische bzw. Ultraschallsensoren zur Überwachung des Systems eingesetzt.
Das System bietet zwei Hauptfunktionen: Die Erkennung der Bandspannung und die Erkennung von Blockaden. Die KI-Modelle basieren dabei auf umfangreichen Datenanalysen und ermöglichen die präzise Vorhersage von Schäden. Um die Genauigkeit der Modelle zu erhöhen, können Echtzeitkalibrierungen durchgeführt werden, um das System an neue Umgebungen anzupassen.
Komplexe KI-Operationen und Echtzeitanalysen
Die Systemlösung des Fraunhofer IPMS zielt darauf ab, die hauseigenen Sensoren mit einer eigenen Edge-Computing Einheit auf Basis der RISCV-Architektur für eine effiziente Datenverarbeitung direkt am Einsatzort zu kombinieren. Dadurch werden komplexe KI-Operationen sowie Echtzeitanalysen ermöglicht. Sich ändernde Umgebungseinflüsse können so direkt modelliert bzw. in der Analyse berücksichtigt werden.
Dadurch wird es möglich, eine Vielzahl von Sensoren einzubinden und die Vorhersagegenauigkeit über den Zustand der Industrieanlage deutlich zu erhöhen. Bestehende Limitierungen in der Rechenleistung für die Echtzeitmodellierung in eingebetteten Systemen werden überwunden. (jpk)