Die Universität Bremen hat sich im Forschungsprojekt „MasterKI“ der Entwicklung eines intelligenten Zustandsüberwachungssystems für mobile Arbeitsmaschinen verschrieben. Partner in diesem innovativen Vorhaben sind die ANEDO GmbH, die SEGNO Industrie Automation GmbH sowie das Forschungsinstitut ITEM der Universität Bremen. Ziel ist es, eine modulare Edge-Lösung zu kreieren, die den Maschinenzustand mithilfe einer KI-gestützten Cloud-Plattform in Echtzeit überwacht. Diese Lösung ist besonders für mobile Maschinen wie Erntemaschinen und Portalhubwagen von Bedeutung, die während ihrer Einsätze hohen Belastungen ausgesetzt sind. Laut uni-bremen.de sind die derzeitigen Überwachungsmethoden oft kostenintensiv und bieten nur begrenzte Daten. Der Ansatz von „MasterKI“ soll durch den Einsatz von Edge-Computing und künstlicher Intelligenz eine flexible und skalierbare Zustandsüberwachung ermöglichen.
Professor Karl-Ludwig Krieger hebt die Herausforderungen hervor, die mit der Entwicklung eines robusten und anpassungsfähigen Systems verbunden sind. Eine zentrale Komponente des Projekts ist eine Cloud-basierte Plattform, die für die Signalvorverarbeitung, Zustandsüberwachung und Datentransformation zuständig ist. Geplant ist die Schließung der Lücke zwischen Prüfstandsdaten und Daten aus dem realen Einsatzfeld. Julia Scholtyssek, eine Projektbeteiligte, erklärt, dass Transfermodelle und maschinelles Lernen dazu beitragen, die Abhängigkeit von umfangreichen Feldmessdaten zu reduzieren. Der gesamte Forschungsansatz wird durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) unterstützt.
Zielsetzung und Innovationen im Fokus
Das integrierte Edge-Messsystem sowie die cloudbasierte Analyseplattform sollen eine zuverlässige Überwachung der Antriebseinheiten mobiler Maschinen ermöglichen. Matthias Terhaag, Projektleiter bei ANEDO, betont die Wichtigkeit, potenzielle Schäden frühzeitig zu erkennen, um kostenintensive Ausfälle zu verhindern. Zudem spielt die Datensicherheit eine zentrale Rolle, insbesondere da mobile Maschinen oft in sicherheitskritischen Bereichen eingesetzt werden. Die in der Entwicklung befindlichen Lösungen nutzen moderne Verschlüsselungstechnologien, um unbefugten Zugriff zu verhindern. Eine benutzerfreundliche App wird entwickelt, um die Steuerung und Überwachung der Systeme zu optimieren. Vasco de Freitas von SEGNO unterstreicht, dass die Lösung nicht nur die Maschinenverfügbarkeit steigert, sondern auch die Betriebskosten signifikant senkt.
Zusätzlich zur Arbeit der Universität Bremen hat das Fraunhofer IPMS einen Demonstrator erstellt, der auf den Ergebnissen des iCampus Projektes ForTune basiert. Dieser Demonstrator kombiniert Sensorik, Datenerfassung sowie KI-gestützte Datenauswertung, um eine präzise Zustandsüberwachung und vorausschauende Wartung von Maschinen zu garantieren. Dr. Marcel Jongmanns, der das Projekt leitet, hebt hervor, dass die Integration von KI in die Sensoren es ermöglicht, Schäden frühzeitig zu erkennen und Wartungsintervalle zu optimieren. Diese Technologie wird auch auf der bevorstehenden Messe SENSOR+TEST vom 11. bis 13. Juni 2024 in Nürnberg vorgestellt. Dort wird ein miniaturisiertes Förderband im ShowCase präsentiert, das die Möglichkeiten der Industrieanlagenüberwachung veranschaulicht.
Technologische Fortschritte und deren Anwendung
Multimodale Sensoren, die Beschleunigungen, Drehraten, Magnetfelder sowie akustische und Ultraschallsignale erfassen, bilden die Grundlage für das System. Zudem ermöglicht die Systemlösung die Integration von hauseigenen Sensoren mit einer Edge-Computing-Einheit, die auf der RISCV-Architektur basiert. Dies gestattet komplexe KI-Operationen und Echtzeitanalysen direkt am Einsatzort. Echtzeitkalibrierungen erhöhen die Genauigkeit der Modelle und passen das System an neue Umgebungsbedingungen an. Die kontinuierliche Weiterentwicklung der Technologie wird zudem durch bestehende Partnerschaften, zum Beispiel mit der Vetter Kleinförderbänder GmbH, unterstützt, was das Interesse der Industrie verdeutlicht.
In Anbetracht der umfassenden Datenverarbeitung, die für eine präzise Schadensvorhersage notwendig ist, wird auf die Bedeutung von Datenverständnis und -aufbereitung hingewiesen. Dies ist ein Schlüsselbereich, der neben der reinen Technologieentwicklung auch eine solide Datenstrategie erfordert. Oft wird externe Unterstützung benötigt, um Chancen und Risiken im Zeitalter der Digitalisierung und des maschinellen Lernens adäquat zu bewerten und innovative Lösungen erfolgreich zu implementieren, wie auf ite-si.de erläutert wird. Somit wird deutlich, dass die Zukunft der Zustandsüberwachung in der erfolgreichen Symbiose von intelligenter Sensorik, fortschrittlicher Datenanalyse und der Anwendung von KI liegt.
