Brėmeno universitetas: AI keičia mašinų būklės stebėjimą!

Brėmeno universitetas: AI keičia mašinų būklės stebėjimą!

„MasterKI“ mokslinių tyrimų projekte Brėmeno universitetas įsipareigojo sukurti išmanią mobiliųjų darbo mašinų būklės stebėjimo sistemą. Šio naujoviško projekto partneriai yra ANEDO GmbH, SEGNO Industrie Automation GmbH ir Brėmeno universiteto tyrimų institutas ITEM. Tikslas yra sukurti modulinį krašto sprendimą, kuris realiu laiku stebi mašinos būklę naudojant AI varomą debesų platformą. Šis sprendimas ypač svarbus mobilioms mašinoms, tokioms kaip kombainai ir pakabų laikikliai, kurie eksploatacijos metu patiria didelių apkrovų. Garsiai uni-bremen.de Dabartiniai stebėjimo metodai dažnai yra brangūs ir suteikia ribotus duomenis. „MasterKI“ metodas yra skirtas lanksčiam ir keičiamam būklės stebėjimui naudojant krašto skaičiavimą ir dirbtinį intelektą.

Profesorius Karlas-Ludwigas Kriegeris pabrėžia iššūkius, susijusius su tvirtos ir prisitaikančios sistemos kūrimu. Pagrindinis projekto komponentas yra debesies pagrindu sukurta platforma, atsakinga už išankstinį signalų apdorojimą, būklės stebėjimą ir duomenų transformavimą. Planuojama panaikinti atotrūkį tarp bandymų stendo duomenų ir duomenų iš realių programų. Projekto dalyvė Julia Scholtyssek aiškina, kad perdavimo modeliai ir mašininis mokymasis padeda sumažinti priklausomybę nuo plačių lauko matavimų duomenų. Visą tyrimo metodą remia Federalinė ekonomikos reikalų ir klimato apsaugos ministerija (BMWK).

Sutelkite dėmesį į tikslų nustatymą ir naujoves

Integruota briaunų matavimo sistema ir debesies pagrindu veikianti analizės platforma yra skirtos patikimai stebėti mobiliųjų mašinų pavaros blokus. Matthias Terhaag, ANEDO projektų vadovas, pabrėžia, kad svarbu anksti nustatyti galimą žalą, kad būtų išvengta brangių gedimų. Duomenų saugumas taip pat atlieka pagrindinį vaidmenį, ypač todėl, kad mobilieji įrenginiai dažnai naudojami saugai svarbiose srityse. Kuriami sprendimai naudoja šiuolaikines šifravimo technologijas, kad būtų išvengta neteisėtos prieigos. Kuriama patogi programėlė, skirta optimizuoti sistemų valdymą ir stebėjimą. Vasco de Freitas iš SEGNO pabrėžia, kad sprendimas ne tik padidina mašinos prieinamumą, bet ir žymiai sumažina eksploatavimo išlaidas.

Be Brėmeno universiteto darbų, Fraunhofer IPMS sukūrė demonstraciją, pagrįstą iCampus projekto ForTune rezultatais. Šis demonstratorius sujungia jutiklius, duomenų gavimą ir AI palaikomą duomenų įvertinimą, kad būtų užtikrintas tikslus mašinos būklės stebėjimas ir numatoma priežiūra. Projektui vadovaujantis daktaras Marcelis Jongmannsas pabrėžia, kad AI integravimas į jutiklius leidžia anksti aptikti žalą ir optimizuoti priežiūros intervalus. Ši technologija taip pat bus pristatyta artėjančioje SENSOR+TEST parodoje 2024 m. birželio 11–13 d. Niurnberge. Miniatiūrinė konvejerio juosta pristatoma vitrinoje, iliustruojančioje pramonės įmonių monitoringo galimybes.

Technologijų pažanga ir jų taikymas

Multimodaliniai jutikliai, fiksuojantys pagreičius, sukimosi greitį, magnetinius laukus, taip pat akustinius ir ultragarsinius signalus, sudaro sistemos pagrindą. Sisteminis sprendimas taip pat leidžia integruoti vidinius jutiklius su krašto skaičiavimo bloku, pagrįstu RISCV architektūra. Tai leidžia atlikti sudėtingas AI operacijas ir atlikti analizę realiuoju laiku tiesiai naudojimo vietoje. Realaus laiko kalibravimas padidina modelių tikslumą ir pritaiko sistemą prie naujų aplinkos sąlygų. Nuolatinį technologijos tobulinimą taip pat palaiko esamos partnerystės, pavyzdžiui, su Vetter Kleinförderträger GmbH, o tai rodo pramonės susidomėjimą.

Atsižvelgiant į didelį duomenų apdorojimą, kuris būtinas norint tiksliai numatyti žalą, pabrėžiama duomenų supratimo ir apdorojimo svarba. Tai yra pagrindinė sritis, kuriai reikia ne tik technologijų, bet ir tvirtos duomenų strategijos. Išorės parama dažnai reikalinga norint tinkamai įvertinti galimybes ir riziką skaitmeninimo ir mašininio mokymosi amžiuje bei sėkmingai įgyvendinti naujoviškus sprendimus, kaip parodyta ite-si.de paaiškinama. Todėl akivaizdu, kad būsenos stebėjimo ateitis slypi sėkmingoje išmaniųjų jutiklių technologijos, pažangios duomenų analizės ir dirbtinio intelekto taikymo simbiozėje.