Universiteit van Bremen: AI zorgt voor een revolutie in de conditiebewaking van machines!

Universiteit van Bremen: AI zorgt voor een revolutie in de conditiebewaking van machines!

In het onderzoeksproject “MasterKI” heeft de Universiteit van Bremen zich ertoe verbonden een intelligent conditiebewakingssysteem voor mobiele werkmachines te ontwikkelen. Partners in dit innovatieve project zijn ANEDO GmbH, SEGNO Industrie Automation GmbH en het ITEM onderzoeksinstituut van de Universiteit van Bremen. Het doel is om een ​​modulaire edge-oplossing te creëren die de machinestatus in realtime bewaakt met behulp van een AI-aangedreven cloudplatform. Deze oplossing is vooral belangrijk voor mobiele machines zoals oogstmachines en straddle carriers, die tijdens hun werkzaamheden aan hoge belastingen worden blootgesteld. Luidruchtig uni-bremen.de De huidige monitoringmethoden zijn vaak duur en leveren beperkte gegevens op. De ‘MasterKI’-aanpak is bedoeld om flexibele en schaalbare condition monitoring mogelijk te maken door het gebruik van edge computing en kunstmatige intelligentie.

Professor Karl-Ludwig Krieger benadrukt de uitdagingen die gepaard gaan met het ontwikkelen van een robuust en aanpasbaar systeem. Een centraal onderdeel van het project is een cloudgebaseerd platform dat verantwoordelijk is voor signaalvoorverwerking, conditiemonitoring en datatransformatie. Het plan is om de kloof tussen testbankgegevens en gegevens uit echte toepassingen te dichten. Julia Scholtyssek, een projectdeelnemer, legt uit dat overdrachtsmodellen en machinaal leren de afhankelijkheid van uitgebreide veldmeetgegevens helpen verminderen. De gehele onderzoeksaanpak wordt ondersteund door het federale ministerie van Economische Zaken en Klimaatbescherming (BMWK).

Focus op het stellen van doelen en innovatie

Het geïntegreerde randmeetsysteem en het cloudgebaseerde analyseplatform zijn bedoeld om een ​​betrouwbare monitoring van de aandrijfeenheden van mobiele machines mogelijk te maken. Matthias Terhaag, projectmanager bij ANEDO, benadrukt het belang van het vroegtijdig identificeren van potentiële schade om kostbare storingen te voorkomen. Ook gegevensbeveiliging speelt een centrale rol, vooral omdat mobiele machines vaak worden gebruikt op veiligheidskritische gebieden. De oplossingen die worden ontwikkeld maken gebruik van moderne encryptietechnologieën om ongeautoriseerde toegang te voorkomen. Om de besturing en monitoring van de systemen te optimaliseren wordt een gebruiksvriendelijke app ontwikkeld. Vasco de Freitas van SEGNO benadrukt dat de oplossing niet alleen de machinebeschikbaarheid verhoogt, maar ook de bedrijfskosten aanzienlijk verlaagt.

Naast het werk van de Universiteit van Bremen heeft Fraunhofer IPMS een demonstrator gemaakt op basis van de resultaten van het iCampus-project ForTune. Deze demonstrator combineert sensoren, data-acquisitie en AI-ondersteunde data-evaluatie om nauwkeurige conditiebewaking en voorspellend onderhoud van machines te garanderen. Dr. Marcel Jongmanns, die het project leidt, benadrukt dat de integratie van AI in de sensoren het mogelijk maakt om schade vroegtijdig te detecteren en de onderhoudsintervallen te optimaliseren. Deze technologie zal ook worden gepresenteerd op de komende beurs SENSOR+TEST van 11 tot 13 juni 2024 in Neurenberg. In een showcase wordt een geminiaturiseerde transportband gepresenteerd die de mogelijkheden van monitoring van industriële installaties illustreert.

Technologische vooruitgang en hun toepassing

Multimodale sensoren die versnellingen, rotatiesnelheden, magnetische velden en akoestische en ultrasone signalen registreren, vormen de basis van het systeem. De systeemoplossing maakt ook de integratie mogelijk van interne sensoren met een edge computing-eenheid op basis van de RISCV-architectuur. Dit maakt complexe AI-operaties en realtime analyse direct op het gebruikspunt mogelijk. Real-time kalibraties verhogen de nauwkeurigheid van de modellen en passen het systeem aan nieuwe omgevingsomstandigheden aan. De voortdurende ontwikkeling van de technologie wordt ook ondersteund door bestaande partnerschappen, bijvoorbeeld met Vetter Kleinförderträger GmbH, wat de interesse van de industrie illustreert.

Gezien de uitgebreide gegevensverwerking die nodig is voor nauwkeurige schadevoorspellingen, wordt het belang van het begrijpen en verwerken van gegevens benadrukt. Dit is een belangrijk gebied dat naast pure technologieontwikkeling een solide datastrategie vereist. Externe ondersteuning is vaak nodig om de kansen en risico’s in het tijdperk van digitalisering en machinaal leren adequaat te kunnen beoordelen en om innovatieve oplossingen succesvol te kunnen implementeren, zoals blijkt uit ite-si.de wordt uitgelegd. Het is dan ook duidelijk dat de toekomst van condition monitoring ligt in de succesvolle symbiose van intelligente sensortechnologie, geavanceerde data-analyse en de toepassing van AI.