Université de Brême : l’IA révolutionne la surveillance conditionnelle des machines !

Université de Brême : l’IA révolutionne la surveillance conditionnelle des machines !

Dans le cadre du projet de recherche « MasterKI », l'Université de Brême s'est engagée à développer un système intelligent de surveillance de l'état des machines de travail mobiles. Les partenaires de ce projet innovant sont ANEDO GmbH, SEGNO Industrie Automation GmbH et l'institut de recherche ITEM de l'Université de Brême. L'objectif est de créer une solution de périphérie modulaire qui surveille l'état des machines en temps réel à l'aide d'une plate-forme cloud alimentée par l'IA. Cette solution est particulièrement importante pour les machines mobiles telles que les abatteuses et les chariots cavaliers, qui sont exposés à des charges élevées lors de leurs opérations. Fort uni-bremen.de Les méthodes de surveillance actuelles sont souvent coûteuses et fournissent des données limitées. L’approche « MasterKI » vise à permettre une surveillance de l’état flexible et évolutive grâce à l’utilisation de l’informatique de pointe et de l’intelligence artificielle.

Le professeur Karl-Ludwig Krieger souligne les défis associés au développement d'un système robuste et adaptable. Un élément central du projet est une plate-forme basée sur le cloud responsable du prétraitement des signaux, de la surveillance de l'état et de la transformation des données. L’objectif est de combler l’écart entre les données des bancs d’essai et les données des applications du monde réel. Julia Scholtyssek, participante au projet, explique que les modèles de transfert et l'apprentissage automatique contribuent à réduire la dépendance à l'égard de nombreuses données de mesure sur le terrain. L'ensemble de la démarche de recherche est soutenu par le ministère fédéral de l'Économie et de la Protection du climat (BMWK).

Concentrez-vous sur l’établissement d’objectifs et l’innovation

Le système de mesure des bords intégré et la plateforme d'analyse basée sur le cloud doivent permettre une surveillance fiable des unités d'entraînement des machines mobiles. Matthias Terhaag, chef de projet chez ANEDO, souligne l'importance d'identifier précocement les dommages potentiels afin d'éviter des pannes coûteuses. La sécurité des données joue également un rôle central, d'autant plus que les machines mobiles sont souvent utilisées dans des zones critiques pour la sécurité. Les solutions en cours de développement utilisent des technologies de cryptage modernes pour empêcher tout accès non autorisé. Une application conviviale est en cours de développement pour optimiser le contrôle et la surveillance des systèmes. Vasco de Freitas de SEGNO souligne que la solution augmente non seulement la disponibilité des machines, mais réduit également considérablement les coûts d'exploitation.

En plus des travaux de l'Université de Brême, Fraunhofer IPMS a créé un démonstrateur basé sur les résultats du projet iCampus ForTune. Ce démonstrateur combine des capteurs, l'acquisition de données et l'évaluation des données assistée par l'IA pour garantir une surveillance précise de l'état et une maintenance prédictive des machines. Le Dr Marcel Jongmanns, qui dirige le projet, souligne que l'intégration de l'IA dans les capteurs permet de détecter précocement les dommages et d'optimiser les intervalles de maintenance. Cette technologie sera également présentée au prochain salon SENSOR+TEST du 11 au 13 juin 2024 à Nuremberg. Un tapis roulant miniaturisé est présenté dans une vitrine qui illustre les possibilités de surveillance d'une installation industrielle.

Les avancées technologiques et leurs applications

Les capteurs multimodaux qui enregistrent les accélérations, les taux de rotation, les champs magnétiques ainsi que les signaux acoustiques et ultrasoniques constituent la base du système. La solution système permet également l'intégration de capteurs internes avec une unité de calcul de pointe basée sur l'architecture RISCV. Cela permet des opérations d’IA complexes et une analyse en temps réel directement au point d’utilisation. Les étalonnages en temps réel augmentent la précision des modèles et adaptent le système aux nouvelles conditions environnementales. Le développement continu de la technologie est également soutenu par des partenariats existants, par exemple avec Vetter Kleinförderträger GmbH, qui illustrent l'intérêt de l'industrie.

Compte tenu du traitement approfondi des données nécessaire à une prévision précise des dommages, l’importance de la compréhension et du traitement des données est soulignée. Il s’agit d’un domaine clé qui nécessite une stratégie de données solide en plus du développement technologique pur. Un soutien externe est souvent nécessaire pour évaluer correctement les opportunités et les risques à l’ère de la numérisation et de l’apprentissage automatique et pour mettre en œuvre avec succès des solutions innovantes, comme le montre le ite-si.de s'explique. Il est donc clair que l’avenir de la surveillance conditionnelle réside dans la symbiose réussie entre la technologie des capteurs intelligents, l’analyse avancée des données et l’application de l’IA.