Universitetet i Bremen: AI revolutionerer tilstandsovervågningen af ​​maskiner!

Universitetet i Bremen: AI revolutionerer tilstandsovervågningen af ​​maskiner!

I forskningsprojektet "MasterKI" har universitetet i Bremen forpligtet sig til at udvikle et intelligent tilstandsovervågningssystem til mobile arbejdsmaskiner. Partnere i dette innovative projekt er ANEDO GmbH, SEGNO Industrie Automation GmbH og forskningsinstituttet ITEM ved universitetet i Bremen. Målet er at skabe en modulær edge-løsning, der overvåger maskinens sundhed i realtid ved hjælp af en AI-drevet cloud-platform. Denne løsning er især vigtig for mobile maskiner såsom høstmaskiner og straddle carriers, som udsættes for høje belastninger under deres drift. Højt uni-bremen.de De nuværende overvågningsmetoder er ofte dyre og giver begrænsede data. "MasterKI"-tilgangen er beregnet til at muliggøre fleksibel og skalerbar tilstandsovervågning gennem brug af edge computing og kunstig intelligens.

Professor Karl-Ludwig Krieger fremhæver de udfordringer, der er forbundet med at udvikle et robust og tilpasningsdygtigt system. En central komponent i projektet er en cloud-baseret platform, der er ansvarlig for signalforbehandling, tilstandsovervågning og datatransformation. Planen er at lukke kløften mellem testbænkdata og data fra applikationer i den virkelige verden. Julia Scholtyssek, en projektdeltager, forklarer, at overførselsmodeller og maskinlæring hjælper med at reducere afhængigheden af ​​omfattende feltmålingsdata. Hele forskningstilgangen er støttet af Forbundsministeriet for Økonomiske Anliggender og Klimabeskyttelse (BMWK).

Fokus på målsætning og innovation

Det integrerede kantmålingssystem og den cloud-baserede analyseplatform er beregnet til at muliggøre pålidelig overvågning af mobile maskiners drivenheder. Matthias Terhaag, projektleder hos ANEDO, understreger vigtigheden af ​​at identificere potentielle skader tidligt for at forhindre kostbare fejl. Datasikkerhed spiller også en central rolle, især da mobile maskiner ofte bruges på sikkerhedskritiske områder. Løsningerne under udvikling bruger moderne krypteringsteknologier for at forhindre uautoriseret adgang. Der udvikles en brugervenlig app til at optimere styringen og overvågningen af ​​systemerne. Vasco de Freitas fra SEGNO understreger, at løsningen ikke kun øger maskintilgængeligheden, men også reducerer driftsomkostningerne markant.

Ud over arbejdet fra universitetet i Bremen har Fraunhofer IPMS skabt en demonstrator baseret på resultaterne af iCampus-projektet ForTune. Denne demonstrator kombinerer sensorer, dataindsamling og AI-understøttet dataevaluering for at garantere præcis tilstandsovervågning og forudsigelig vedligeholdelse af maskiner. Dr. Marcel Jongmanns, der leder projektet, understreger, at integrationen af ​​AI i sensorerne gør det muligt at opdage skader tidligt og optimere vedligeholdelsesintervallerne. Denne teknologi vil også blive præsenteret på den kommende SENSOR+TEST-messe fra den 11. til den 13. juni 2024 i Nürnberg. Et miniaturiseret transportbånd præsenteres i en showcase, der illustrerer mulighederne for industrianlægsovervågning.

Teknologiske fremskridt og deres anvendelse

Multimodale sensorer, der registrerer accelerationer, rotationshastigheder, magnetiske felter samt akustiske og ultralydssignaler danner grundlaget for systemet. Systemløsningen muliggør også integration af interne sensorer med en edge computing-enhed baseret på RISCV-arkitekturen. Dette muliggør komplekse AI-operationer og realtidsanalyse direkte på brugsstedet. Realtidskalibreringer øger modellernes nøjagtighed og tilpasser systemet til nye miljøforhold. Den kontinuerlige udvikling af teknologien understøttes også af eksisterende partnerskaber, for eksempel med Vetter Kleinförderträger GmbH, hvilket illustrerer industriens interesse.

I betragtning af den omfattende databehandling, der er nødvendig for præcis skadesforudsigelse, fremhæves vigtigheden af ​​dataforståelse og -behandling. Det er et nøgleområde, der foruden ren teknologiudvikling kræver en solid datastrategi. Ekstern støtte er ofte påkrævet for at vurdere muligheder og risici i en tidsalder med digitalisering og maskinlæring og for succesfuldt at implementere innovative løsninger, som vist på ite-si.de er forklaret. Det er derfor klart, at fremtiden for tilstandsovervågning ligger i den succesrige symbiose af intelligent sensorteknologi, avanceret dataanalyse og anvendelse af AI.