Universitetet i Bremen: AI revolutionerar tillståndsövervakningen av maskiner!

Universitetet i Bremen: AI revolutionerar tillståndsövervakningen av maskiner!

I forskningsprojektet "MasterKI" har universitetet i Bremen förbundit sig att utveckla ett intelligent tillståndsövervakningssystem för mobila arbetsmaskiner. Partners i detta innovativa projekt är ANEDO GmbH, SEGNO Industrie Automation GmbH och forskningsinstitutet ITEM vid universitetet i Bremen. Målet är att skapa en modulär edge-lösning som övervakar maskinens hälsa i realtid med hjälp av en AI-driven molnplattform. Denna lösning är särskilt viktig för mobila maskiner som skördare och gränslar, som utsätts för hög belastning under sin verksamhet. Högt uni-bremen.de Nuvarande övervakningsmetoder är ofta kostsamma och ger begränsade data. "MasterKI"-metoden är avsedd att möjliggöra flexibel och skalbar tillståndsövervakning genom användning av edge computing och artificiell intelligens.

Professor Karl-Ludwig Krieger lyfter fram de utmaningar som är förknippade med att utveckla ett robust och anpassningsbart system. En central komponent i projektet är en molnbaserad plattform som ansvarar för signalförbehandling, tillståndsövervakning och datatransformation. Planen är att minska gapet mellan testbänkdata och data från verkliga applikationer. Julia Scholtyssek, en projektdeltagare, förklarar att överföringsmodeller och maskininlärning hjälper till att minska beroendet av omfattande fältmätningsdata. Hela forskningsansatsen stöds av det federala ministeriet för ekonomi och klimatskydd (BMWK).

Fokus på målsättning och innovation

Det integrerade kantmätsystemet och den molnbaserade analysplattformen är avsedda att möjliggöra tillförlitlig övervakning av drivenheterna i mobila maskiner. Matthias Terhaag, projektledare på ANEDO, betonar vikten av att identifiera potentiella skador tidigt för att förhindra kostsamma fel. Datasäkerhet spelar också en central roll, särskilt eftersom mobila maskiner ofta används inom säkerhetskritiska områden. Lösningarna under utveckling använder modern krypteringsteknik för att förhindra obehörig åtkomst. En användarvänlig app utvecklas för att optimera styrningen och övervakningen av systemen. Vasco de Freitas från SEGNO framhåller att lösningen inte bara ökar maskintillgängligheten, utan också minskar driftskostnaderna avsevärt.

Utöver arbetet vid universitetet i Bremen har Fraunhofer IPMS skapat en demonstrator baserad på resultaten av iCampus-projektet ForTune. Denna demonstrator kombinerar sensorer, datainsamling och AI-stödd datautvärdering för att garantera exakt tillståndsövervakning och förutsägande underhåll av maskiner. Dr Marcel Jongmanns, som leder projektet, betonar att integrationen av AI i sensorerna gör det möjligt att upptäcka skador tidigt och optimera underhållsintervallerna. Denna teknik kommer också att presenteras på den kommande SENSOR+TEST-mässan den 11-13 juni 2024 i Nürnberg. Ett miniatyriserat transportband presenteras i en monter som illustrerar möjligheterna med industrianläggningsövervakning.

Tekniska framsteg och deras tillämpning

Multimodala sensorer som registrerar accelerationer, rotationshastigheter, magnetfält samt akustiska och ultraljudssignaler utgör grunden för systemet. Systemlösningen möjliggör också integration av interna sensorer med en edge computing-enhet baserad på RISCV-arkitekturen. Detta möjliggör komplexa AI-operationer och realtidsanalys direkt vid användningsstället. Realtidskalibreringar ökar modellernas noggrannhet och anpassar systemet till nya miljöförhållanden. Den kontinuerliga utvecklingen av tekniken stöds också av befintliga partnerskap, till exempel med Vetter Kleinförderträger GmbH, vilket illustrerar branschens intresse.

Med tanke på den omfattande databehandling som är nödvändig för exakt skadeförutsägelse, betonas vikten av dataförståelse och bearbetning. Detta är ett nyckelområde som kräver en gedigen datastrategi utöver ren teknikutveckling. Externt stöd krävs ofta för att adekvat bedöma möjligheter och risker i en tid av digitalisering och maskininlärning och för att framgångsrikt implementera innovativa lösningar, som visas på ite-si.de förklaras. Det är därför tydligt att framtiden för tillståndsövervakning ligger i den framgångsrika symbiosen av intelligent sensorteknologi, avancerad dataanalys och tillämpningen av AI.