Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGPASEDA - Intelligentes Sensornetzwerk und Fehlerortung
Bisher werden am Markt Einzelsysteme angeboten, die erfolgreich an kritischen Punkten der Maschine eingesetzt werden, um eine lokale Verschlechterung rechtzeitig zu erkennen. Diese Systeme sind nur in wenigen Fällen auf die akustischen Eigenheiten des jeweiligen Bauteils ausgelegt, sondern arbeiten stattdessen mit einfachen Schwellwerten zur Erkennung von Veränderungen. Das Vorhaben ASEDA (Akustisches Sensornetzwerk mit Echtzeitdatenauswertung) strebt sowohl eine Verknüpfung intelligenter Sensoren, als auch eine explizite Nutzung der verteilten Schallmessung an. Die Kombination mehrerer fortschrittlicher Sensoren in einem Sensornetzwerk bietet einen deutlichen Mehrwert gegenüber unabhängigen Einzelsensoren. Anstelle der Überwachung einer Anzahl an Maschinenkomponenten mit einer entsprechenden Zahl an unabhängigen Sensoren, kann durch ein Netzwerk kombiniert mit Verfahren zur Schallquellenortung nahezu die komplette Anlage überwacht werden.
Eine neue Generation modularer Sensoren mit integrierter Signalverarbeitung bildet die Grundlage des Sensorsystems. Vorverarbeitung und die Erkennung von Maschinendefekten können direkt auf dem vertrauenswürdigen embedded System stattfinden. Die Zusammenarbeit innerhalb des AKKUT-Gesamtvorhabens ermöglicht zusätzlich eine Analyse der Sensordaten auf einem zentralen Edge-Device, um mit maschinellen Lernverfahren eine hoch sensitive und damit frühzeitige Erkennung von Anomalien in der Geräuschsignatur zu realisieren. Vernetzbarkeit und eine genaue Zeitsynchronisation sind Voraussetzungen für die Lokalisierung von Defekten über die Laufzeit der Schallwellen.
IDaS - Mustererkennung mit automatisiertem Training
Im Vorhaben „Intelligente Datenauswertung von Sensornetzwerken“ (IDaS) wird die automatisierte Auswertung und Interpretation von Daten aus akustischen Sensornetzwerken umgesetzt. Bisher ist eine manuelle Definition diskreter Eigenschaften in den Sensorsignalen üblich, um darauf basierend Daten zu klassifizieren. Durch den Einsatz intelligenter Algorithmen bei der Signalauswertung kann die Klassifizierung automatisiert erfolgen. Das Hauptaugenmerk liegt hierbei auf unüberwachten Lernmethoden, sodass – ohne intensives Vorwissen und manuelle Vorarbeit – eine Auswertung der Sensordaten stattfinden kann. Die intelligenten Verfahren dienen dabei der Detektion von Regelmäßigkeiten und Wiederholungen in den erfassten Daten. Abweichungen vom Normalzustand deuten beispielweise auf eine Unwucht oder Abnutzung hin. So ist es möglich vorzeitig fehlerhafte Muster zu erkennen, bevor diese für den Menschen hörbar sind.
Neben der intelligenten Mustererkennung in Sensor- und Maschinendaten, entsteht eine cloudfähige Dienst-Plattform mit dem Namen „IDaS-Sensor-Services“, die zum einen die Messdaten sichert und gleichzeitig Kapazitäten für aufwändigere Langzeitanalysen besitzt. Das Vorhaben AKKUT/E stellt Schnittstellen zwischen den einzelnen Teilsystemen sowie dem Nutzer bereit. Ein intuitives und feedbackgesteuertes Interface auf mobilen Endgeräten sorgt für eine einfache Nutzbarkeit des Systems. Zusätzlich zeigt eine Langzeitanalyse am digitalen Zwilling des Systems Trends innerhalb der Messergebnisse auf. Aus der Kombination von serviceorientierter Architektur und geeigneter Virtualisierung wird die Grundlage für eine Verfügbarkeit der Dienste über Unternehmensgrenzen hinweg und eine extreme Skalierbarkeit geschaffen.
