Brēmenes Universitāte: AI maina mašīnu stāvokļa uzraudzību!

Brēmenes Universitāte: AI maina mašīnu stāvokļa uzraudzību!

Pētniecības projektā “MasterKI” Brēmenes Universitāte ir apņēmusies izstrādāt inteliģentu stāvokļa uzraudzības sistēmu mobilajām darba mašīnām. Šī novatoriskā projekta partneri ir ANEDO GmbH, SEGNO Industrie Automation GmbH un Brēmenes universitātes pētniecības institūts ITEM. Mērķis ir izveidot modulāru malas risinājumu, kas reāllaikā uzrauga mašīnas stāvokli, izmantojot AI darbinātu mākoņa platformu. Šis risinājums ir īpaši nozīmīgs mobilajām mašīnām, piemēram, kombainiem un sliežu pārvadātājiem, kas to darbības laikā ir pakļauti lielai slodzei. Skaļi uni-bremen.de sind die derzeitigen Überwachungsmethoden oft kostenintensiv und bieten nur begrenzte Daten. “MasterKI” pieeja ir paredzēta, lai nodrošinātu elastīgu un mērogojamu stāvokļa uzraudzību, izmantojot malu skaitļošanu un mākslīgo intelektu.

Profesors Karls Ludvigs Krīgers uzsver izaicinājumus, kas saistīti ar spēcīgas un pielāgojamas sistēmas izstrādi. Projekta galvenā sastāvdaļa ir mākoņa platforma, kas ir atbildīga par signālu pirmapstrādi, stāvokļa uzraudzību un datu transformāciju. Plāns ir novērst plaisu starp testa stenda datiem un datiem no reālās pasaules lietojumprogrammām. Projekta dalībniece Julia Scholtyssek skaidro, ka pārsūtīšanas modeļi un mašīnmācīšanās palīdz samazināt atkarību no plašiem lauka mērījumu datiem. Visu pētījumu pieeju atbalsta Federālā ekonomikas un klimata aizsardzības ministrija (BMWK).

Koncentrējieties uz mērķu izvirzīšanu un inovācijām

Integrētā malu mērīšanas sistēma un mākoņdatošanas analīzes platforma ir paredzētas, lai nodrošinātu drošu mobilo iekārtu piedziņas vienību uzraudzību. Matiass Terhāgs, ANEDO projektu vadītājs, uzsver, cik svarīgi ir savlaicīgi identificēt iespējamos bojājumus, lai novērstu dārgas kļūmes. Datu drošībai ir arī galvenā loma, jo īpaši tāpēc, ka mobilās mašīnas bieži izmanto drošībai kritiskās jomās. Izstrādātajos risinājumos tiek izmantotas modernas šifrēšanas tehnoloģijas, lai novērstu nesankcionētu piekļuvi. Tiek izstrādāta lietotājam draudzīga lietotne, lai optimizētu sistēmu vadību un uzraudzību. Vasco de Freitas no SEGNO uzsver, ka risinājums ne tikai palielina iekārtu pieejamību, bet arī ievērojami samazina ekspluatācijas izmaksas.

Papildus Brēmenes Universitātes darbam Fraunhofer IPMS ir izveidojis demonstrāciju, pamatojoties uz iCampus projekta ForTune rezultātiem. Šis demonstrators apvieno sensorus, datu ieguvi un AI atbalstītu datu novērtēšanu, lai garantētu precīzu iekārtu stāvokļa uzraudzību un paredzamu apkopi. Dr Marcel Jongmanns, kurš vada projektu, uzsver, ka AI integrācija sensoros ļauj laikus atklāt bojājumus un optimizēt apkopes intervālus. Diese Technologie wird auch auf der bevorstehenden Messe SENSOR+TEST vom 11. bis 13. June 2024 in Nürnberg vorgestellt. Miniaturizēta konveijera lente ir parādīta vitrīnā, kas ilustrē rūpniecisko iekārtu uzraudzības iespējas.

Tehnoloģiju sasniegumi un to pielietojums

Sistēmas pamatā ir multimodālie sensori, kas reģistrē paātrinājumus, rotācijas ātrumus, magnētiskos laukus, kā arī akustiskos un ultraskaņas signālus. Sistēmas risinājums nodrošina arī iekšējo sensoru integrāciju ar malu skaitļošanas vienību, kuras pamatā ir RISCV arhitektūra. Tas ļauj veikt sarežģītas AI darbības un reāllaika analīzi tieši lietošanas vietā. Reāllaika kalibrēšana palielina modeļu precizitāti un pielāgo sistēmu jauniem vides apstākļiem. Nepārtrauktu tehnoloģijas attīstību atbalsta arī esošās partnerības, piemēram, ar Vetter Kleinförderträger GmbH, kas ilustrē nozares interesi.

Ņemot vērā apjomīgo datu apstrādi, kas nepieciešama precīzai bojājumu prognozēšanai, tiek uzsvērta datu izpratnes un apstrādes nozīme. Šī ir galvenā joma, kurā papildus tīrai tehnoloģiju attīstībai ir nepieciešama stabila datu stratēģija. Bieži vien ir nepieciešams ārējs atbalsts, lai adekvāti novērtētu iespējas un riskus digitalizācijas un mašīnmācīšanās laikmetā un veiksmīgi ieviestu inovatīvus risinājumus, kā parādīts ite-si.de ir izskaidrots. Tāpēc ir skaidrs, ka stāvokļa uzraudzības nākotne ir veiksmīga viedo sensoru tehnoloģiju, progresīvas datu analīzes un AI lietojuma simbioze.