Universitetet i Bremen: AI revolusjonerer tilstandsovervåkingen av maskiner!

Universitetet i Bremen: AI revolusjonerer tilstandsovervåkingen av maskiner!

I forskningsprosjektet «MasterKI» har Universitetet i Bremen forpliktet seg til å utvikle et intelligent tilstandsovervåkingssystem for mobile arbeidsmaskiner. Partnere i dette innovative prosjektet er ANEDO GmbH, SEGNO Industrie Automation GmbH og forskningsinstituttet ITEM ved Universitetet i Bremen. Målet er å lage en modulær kantløsning som overvåker maskinhelsen i sanntid ved hjelp av en AI-drevet skyplattform. Denne løsningen er spesielt viktig for mobile maskiner som hogstmaskiner og straddle carriers, som utsettes for høy belastning under driften. Høyt uni-bremen.de Dagens overvåkingsmetoder er ofte kostbare og gir begrensede data. «MasterKI»-tilnærmingen er ment å muliggjøre fleksibel og skalerbar tilstandsovervåking gjennom bruk av edge computing og kunstig intelligens.

Professor Karl-Ludwig Krieger trekker frem utfordringene knyttet til å utvikle et robust og tilpasningsdyktig system. En sentral komponent i prosjektet er en skybasert plattform som er ansvarlig for signalforbehandling, tilstandsovervåking og datatransformasjon. Planen er å lukke gapet mellom testbenkdata og data fra virkelige applikasjoner. Julia Scholtyssek, en prosjektdeltaker, forklarer at overføringsmodeller og maskinlæring bidrar til å redusere avhengigheten av omfattende feltmålingsdata. Hele forskningstilnærmingen er støttet av Federal Ministry for Economic Affairs and Climate Protection (BMWK).

Fokus på målsetting og innovasjon

Det integrerte kantmålingssystemet og den skybaserte analyseplattformen er ment å muliggjøre pålitelig overvåking av drivenhetene til mobile maskiner. Matthias Terhaag, prosjektleder i ANEDO, understreker viktigheten av å identifisere potensielle skader tidlig for å forhindre kostbare feil. Datasikkerhet spiller også en sentral rolle, spesielt siden mobile maskiner ofte brukes i sikkerhetskritiske områder. Løsningene som er under utvikling bruker moderne krypteringsteknologi for å hindre uautorisert tilgang. En brukervennlig app utvikles for å optimere styringen og overvåkingen av systemene. Vasco de Freitas fra SEGNO understreker at løsningen ikke bare øker maskintilgjengeligheten, men også reduserer driftskostnadene betydelig.

I tillegg til arbeidet til Universitetet i Bremen, har Fraunhofer IPMS laget en demonstrator basert på resultatene fra iCampus-prosjektet ForTune. Denne demonstratoren kombinerer sensorer, datainnsamling og AI-støttet dataevaluering for å garantere presis tilstandsovervåking og prediktivt vedlikehold av maskiner. Dr. Marcel Jongmanns, som leder prosjektet, understreker at integreringen av AI i sensorene gjør det mulig å oppdage skader tidlig og optimalisere vedlikeholdsintervallene. Denne teknologien vil også bli presentert på den kommende SENSOR+TEST-messen fra 11. til 13. juni 2024 i Nürnberg. Et miniatyrisert transportbånd presenteres i et utstillingshus som illustrerer mulighetene for industrianleggsovervåking.

Teknologiske fremskritt og deres anvendelse

Multimodale sensorer som registrerer akselerasjoner, rotasjonshastigheter, magnetiske felt samt akustiske og ultralydsignaler danner grunnlaget for systemet. Systemløsningen muliggjør også integrering av interne sensorer med en edge computing-enhet basert på RISCV-arkitekturen. Dette tillater komplekse AI-operasjoner og sanntidsanalyse direkte på brukspunktet. Sanntidskalibreringer øker nøyaktigheten til modellene og tilpasser systemet til nye miljøforhold. Den kontinuerlige utviklingen av teknologien støttes også av eksisterende partnerskap, for eksempel med Vetter Kleinförderträger GmbH, noe som illustrerer industriens interesse.

Gitt den omfattende databehandlingen som er nødvendig for presis skadeforutsigelse, fremheves viktigheten av dataforståelse og -behandling. Dette er et nøkkelområde som krever en solid datastrategi i tillegg til ren teknologiutvikling. Ekstern støtte er ofte nødvendig for å vurdere muligheter og risikoer i en tidsalder med digitalisering og maskinlæring og for å lykkes med å implementere innovative løsninger, som vist på ite-si.de er forklart. Det er derfor klart at fremtiden for tilstandsovervåking ligger i den vellykkede symbiosen av intelligent sensorteknologi, avansert dataanalyse og anvendelse av AI.