Uniwersytet w Bremie: AI rewolucjonizuje monitorowanie stanu maszyn!

Uniwersytet w Bremie: AI rewolucjonizuje monitorowanie stanu maszyn!

W projekcie badawczym „MasterKI” Uniwersytet w Bremie zobowiązał się do opracowania inteligentnego systemu monitorowania stanu mobilnych maszyn roboczych. Partnerami tego innowacyjnego projektu są ANEDO GmbH, SEGNO Industrie Automation GmbH i instytut badawczy ITEM na Uniwersytecie w Bremie. Celem jest stworzenie modułowego rozwiązania brzegowego, które monitoruje stan maszyn w czasie rzeczywistym za pomocą platformy chmurowej opartej na sztucznej inteligencji. Rozwiązanie to jest szczególnie istotne w przypadku maszyn mobilnych, takich jak kombajny czy wozy trakcyjne, które podczas swojej pracy narażone są na duże obciążenia. Głośny uni-bremen.de Obecne metody monitorowania są często kosztowne i dostarczają ograniczonych danych. Podejście „MasterKI” ma umożliwić elastyczne i skalowalne monitorowanie stanu poprzez wykorzystanie obliczeń brzegowych i sztucznej inteligencji.

Profesor Karl-Ludwig Krieger podkreśla wyzwania związane z opracowaniem solidnego i dającego się dostosować systemu. Centralnym elementem projektu jest oparta na chmurze platforma odpowiedzialna za wstępne przetwarzanie sygnału, monitorowanie stanu i transformację danych. Plan jest taki, aby wypełnić lukę między danymi ze stanowiska badawczego a danymi z rzeczywistych aplikacji. Julia Scholtyssek, uczestniczka projektu, wyjaśnia, że ​​modele transferu i uczenie maszynowe pomagają zmniejszyć zależność od obszernych danych pomiarowych w terenie. Całe podejście badawcze jest wspierane przez Federalne Ministerstwo Gospodarki i Ochrony Klimatu (BMWK).

Skoncentruj się na wyznaczaniu celów i innowacjach

Zintegrowany system pomiaru krawędzi oraz oparta na chmurze platforma analityczna mają umożliwić niezawodne monitorowanie jednostek napędowych maszyn mobilnych. Matthias Terhaag, kierownik projektu w ANEDO, podkreśla znaczenie wczesnego identyfikowania potencjalnych uszkodzeń, aby zapobiec kosztownym awariom. Bezpieczeństwo danych również odgrywa kluczową rolę, zwłaszcza że maszyny mobilne są często używane w obszarach krytycznych dla bezpieczeństwa. W opracowywanych rozwiązaniach wykorzystywane są nowoczesne technologie szyfrowania, zapobiegające nieautoryzowanemu dostępowi. Trwają prace nad przyjazną dla użytkownika aplikacją w celu optymalizacji sterowania i monitorowania systemów. Vasco de Freitas z SEGNO podkreśla, że ​​rozwiązanie nie tylko zwiększa dostępność maszyn, ale także znacząco obniża koszty eksploatacji.

Oprócz prac Uniwersytetu w Bremie, Fraunhofer IPMS stworzył demonstrator w oparciu o wyniki projektu iCampus ForTune. Ten demonstrator łączy w sobie czujniki, gromadzenie danych i ocenę danych wspieraną przez sztuczną inteligencję, aby zagwarantować precyzyjne monitorowanie stanu i konserwację predykcyjną maszyn. Kierujący projektem dr Marcel Jongmanns podkreśla, że ​​integracja sztucznej inteligencji z czujnikami umożliwia wczesne wykrywanie uszkodzeń i optymalizację okresów międzyobsługowych. Technologia ta zostanie również zaprezentowana na nadchodzących targach SENSOR+TEST odbywających się w dniach 11-13 czerwca 2024 w Norymberdze. Zminiaturyzowany przenośnik taśmowy został zaprezentowany w gablocie ilustrującej możliwości monitorowania zakładów przemysłowych.

Postęp technologiczny i jego zastosowanie

Podstawą systemu są czujniki multimodalne rejestrujące przyspieszenia, prędkości obrotowe, pola magnetyczne oraz sygnały akustyczne i ultradźwiękowe. Rozwiązanie systemowe umożliwia także integrację własnych czujników z jednostką obliczeniową brzegową opartą na architekturze RISCV. Umożliwia to złożone operacje AI i analizę w czasie rzeczywistym bezpośrednio w miejscu użycia. Kalibracje w czasie rzeczywistym zwiększają dokładność modeli i dostosowują system do nowych warunków środowiskowych. Ciągły rozwój technologii jest również wspierany przez istniejące partnerstwa, na przykład z firmą Vetter Kleinförderträger GmbH, co ilustruje zainteresowanie branży.

Biorąc pod uwagę rozległe przetwarzanie danych, które jest niezbędne do precyzyjnego przewidywania uszkodzeń, podkreśla się znaczenie zrozumienia i przetwarzania danych. Jest to kluczowy obszar, który oprócz rozwoju technologii wymaga solidnej strategii dotyczącej danych. Aby właściwie ocenić szanse i zagrożenia w dobie cyfryzacji i uczenia maszynowego oraz aby skutecznie wdrożyć innowacyjne rozwiązania, często wymagane jest wsparcie zewnętrzne, jak pokazano na ite-si.de jest wyjaśnione. Jest zatem jasne, że przyszłość monitorowania stanu leży w udanej symbiozie technologii inteligentnych czujników, zaawansowanej analizy danych i zastosowaniu sztucznej inteligencji.