Sveučilište u Bremenu: AI revolucionira praćenje stanja strojeva!

Sveučilište u Bremenu: AI revolucionira praćenje stanja strojeva!

U istraživačkom projektu “MasterKI” Sveučilište u Bremenu posvetilo se razvoju inteligentnog sustava za nadzor stanja mobilnih radnih strojeva. Partneri u ovom inovativnom projektu su ANEDO GmbH, SEGNO Industrie Automation GmbH i istraživački institut ITEM na Sveučilištu u Bremenu. Cilj je stvoriti modularno rubno rješenje koje nadzire stanje stroja u stvarnom vremenu pomoću platforme u oblaku koju pokreće AI. Ovo je rješenje posebno važno za mobilne strojeve kao što su žetelice i nosači, koji su tijekom rada izloženi velikim opterećenjima. Glasno uni-bremen.de Sadašnje metode praćenja često su skupe i daju ograničene podatke. Pristup “MasterKI” namijenjen je omogućavanju fleksibilnog i skalabilnog praćenja stanja korištenjem rubnog računalstva i umjetne inteligencije.

Profesor Karl-Ludwig Krieger ističe izazove povezane s razvojem robusnog i prilagodljivog sustava. Središnja komponenta projekta je platforma temeljena na oblaku odgovorna za prethodnu obradu signala, praćenje stanja i transformaciju podataka. Plan je zatvoriti jaz između podataka testnih uređaja i podataka iz aplikacija iz stvarnog svijeta. Julia Scholtyssek, sudionica projekta, objašnjava da modeli prijenosa i strojno učenje pomažu smanjiti ovisnost o opsežnim podacima mjerenja na terenu. Cjelokupni istraživački pristup podupire Savezno ministarstvo gospodarstva i zaštite klime (BMWK).

Usredotočite se na postavljanje ciljeva i inovacije

Integrirani sustav mjerenja rubova i platforma za analizu temeljena na oblaku imaju za cilj omogućiti pouzdano praćenje pogonskih jedinica mobilnih strojeva. Matthias Terhaag, voditelj projekta u ANEDO-u, naglašava važnost ranog prepoznavanja potencijalne štete kako bi se spriječili skupi kvarovi. Sigurnost podataka također igra središnju ulogu, posebno jer se mobilni uređaji često koriste u sigurnosnim kritičnim područjima. Rješenja u razvoju koriste moderne tehnologije šifriranja za sprječavanje neovlaštenog pristupa. Razvija se aplikacija jednostavna za korištenje kako bi se optimizirala kontrola i nadzor sustava. Vasco de Freitas iz SEGNO-a naglašava da rješenje ne samo da povećava dostupnost stroja, već i značajno smanjuje operativne troškove.

Kao dodatak radu Sveučilišta u Bremenu, Fraunhofer IPMS je kreirao demonstrator na temelju rezultata iCampus projekta ForTune. Ovaj demonstrator kombinira senzore, prikupljanje podataka i evaluaciju podataka podržanu umjetnom inteligencijom kako bi se zajamčilo precizno praćenje stanja i prediktivno održavanje strojeva. Dr. Marcel Jongmanns, koji vodi projekt, naglašava da integracija umjetne inteligencije u senzore omogućuje rano otkrivanje oštećenja i optimiziranje intervala održavanja. Ova tehnologija također će biti predstavljena na nadolazećem sajmu SENSOR+TEST od 11. do 13. lipnja 2024. u Nürnbergu. Prikazana je minijaturizirana pokretna traka u izložbi koja ilustrira mogućnosti nadzora industrijskih postrojenja.

Tehnološki napredak i njihova primjena

Multimodalni senzori koji bilježe ubrzanja, brzine rotacije, magnetska polja kao i akustične i ultrazvučne signale čine osnovu sustava. Sustavno rješenje također omogućuje integraciju internih senzora s rubnom računalnom jedinicom temeljenom na RISCV arhitekturi. To omogućuje složene AI operacije i analizu u stvarnom vremenu izravno na mjestu korištenja. Kalibracije u stvarnom vremenu povećavaju točnost modela i prilagođavaju sustav novim uvjetima okoline. Stalni razvoj tehnologije također je podržan postojećim partnerstvima, na primjer s Vetter Kleinförderträger GmbH, što ilustrira interes industrije.

S obzirom na opsežnu obradu podataka koja je neophodna za precizno predviđanje štete, ističe se važnost razumijevanja i obrade podataka. Ovo je ključno područje koje zahtijeva čvrstu podatkovnu strategiju uz čisti tehnološki razvoj. Često je potrebna vanjska potpora za adekvatnu procjenu prilika i rizika u doba digitalizacije i strojnog učenja te za uspješnu implementaciju inovativnih rješenja, kao što je prikazano na ite-si.de je objašnjeno. Stoga je jasno da budućnost praćenja stanja leži u uspješnoj simbiozi tehnologije inteligentnih senzora, napredne analize podataka i primjene AI.