Lesedauer: 4min
Elektronik für verteilte KI zur sensorbasierten Prozess- und Zustandskontrolle

Apr 30, 2020 | Condition Monitoring

Das Bundesministerium für Bildung und Forschung (BMBF) investiert aktiv in die Entwicklung neuer Elektroniksysteme und fördert dabei Verbundforschungsprojekte, die signifikant zur Umsetzung des Zukunftsprojekts Industrie 4.0 beitragen. Ziel des vom BMBF geförderten Gesamtprojekts KI-Predict ist die Nutzung von Methoden der künstlichen Intelligenz (KI) auf unterschiedlichen Ebenen des Produktionsprozesses als Basis für die zustandsbasierte, prädiktive Wartung von Produktionsanlagen und die Überwachung der Produktqualität direkt im Produktionsprozess. An diesem Projekt sind insgesamt sieben Partner beteiligt: unter ihnen das Fraunhofer-Institut für Integrierte Schaltungen IIS mit der Entwicklung eines Sensor-Interface ASICs. Das Besondere daran: Es ist auf Sensoren für Condition-Monitoring und Echtzeit-Prozesskontrolle abgestimmt und ermöglicht eine energieeffiziente Feature-Extraction und Signalverarbeitung direkt am Sensor.

Mikroelektronik, kombiniert mit Sensorik und eingebetteter Software, erfasst und verarbeitet Prozessdaten in Industrieanlagen. Dies ermöglicht die Digitalisierung von Produktionsprozessen und Betriebsabläufen in der Industrie 4.0. Heute verfügbare Elektroniksysteme zur Datenerfassung und Signalverarbeitung, insbesondere Signalprozessoren (DSP) oder programmierbare Logik (FPGA), sind jedoch für diesen Anwendungsbereich nicht optimiert und folglich im Vergleich zu den zu überwachenden Komponenten teuer.

Das Projekt KI-Predict adressiert genau dieses Problem in einem ganzheitlichen Ansatz. Die Kombination neuer KI-Methoden mit dazu optimierter, integrierter Hardware ermöglicht eine intelligente Prozessüberwachung mit direkter Signalverarbeitung und Feature-Extraktion am Ort des Geschehens. Diese neue Qualität der Datenverarbeitung direkt am Sensor ermöglicht eine sichere, dezentrale Analyse- und Prognosefähigkeit mit gleichzeitig definierter und geringer Latenz. Hierzu wird eine miteinander verzahnte Hard- und Softwarearchitektur entwickelt, die zum einen den Fokus auf sensornahe Datenfusion, Datenreduktion und Datenauswertung legt und zum anderen fehlerhafte Sensoren durch das Interpretieren von Anomalien erkennt. So werden z.B. neben üblichen Funktionen, wie etwa der digitalen Erfassung von Strom, Position, Vibration, Akustik, Druck, Kraft und Temperatur, vor allem Funktionalitäten für maschinelles Lernen (ML) bereitgestellt, wodurch eine dezentrale Datenverarbeitung und -reduktion ermöglicht wird.

Das Interface ist insbesondere in der Lage, energieeffizient Merkmale auch in hochfrequenten Sensorsignalen zu erkennen und diese entweder auf Steuerungsebene als Basis für die Sensordatenfusion zur Verfügung zu stellen oder direkt für die Klassifikation, das Clustering oder die Anomaliedetektion zu nutzen.

Die Nutzung von industriell üblichen Schnittstellen und Netzwerken wird durch die sensornahe Gewinnung aggregierter Merkmale aus dem Datenstrom ermöglicht. Dadurch können die Industriepartner den Funktionsumfang ihrer Anlagen, ohne zusätzliche Infrastrukturkosten, erhöhen. Gleichzeitig können diese Merkmale auf höheren Ebenen der Prozesssteuerung bzw. der ERP-Software mittels komplexeren KI- und ML-Methoden genutzt werden, um den Anlagenzustand und die Produktqualität zu erfassen sowie Trends zu verfolgen. Diese erweiterte Datenauswertung kann genutzt werden, um die Betriebskosten der Anlage zu senken. Hierbei ist die Hardware nicht an spezielle Anwendungsfälle angepasst und kann somit automatisiert an neue Anwendungsfälle angelernt werden.

Autor:
Firma: Fraunhofer-Institut IIS
http://www.iis.fhg.de

MARKT – TRENDS – TECHNIK

Weitere Beiträge

Das könnte Sie auch interessieren

Familienzuwachs beim digitalen Zwilling

Der Digital Twin und die virtuelle Inbetriebnahme erhalten in modernen Produktionsumgebungen immer mehr Gewicht. Dass dafür nicht nur Software, sondern auch die richtige Hardware nötig ist, will das Unternehmen Machineering mit der FieldBox 1 unterstreichen. Jetzt wurde diese Hardware-Basis für moderne Simulation in zwei unterschiedlichen Leistungsvarianten vorgestellt.

mehr lesen

Künstliche Intelligenz optimiert Predictive Maintenance

Mit dem Ziel, genauere und schnellere Prognosen in der vorausschauenden Wartung (Predictive Maintenance) zu erstellen, integriert Endian künstliche Intelligenz (KI) in seine IIoT-Lösung Endian Connect Platform: Über einen Knowledge Graph werden Informationen aus unterschiedlichen Datenbanken zusammengeführt, um möglichst exakte Prognosen über zukünftige Maschinenzustände zu berechnen.

mehr lesen

Datenanalytik für den optimalen Gebäudebetrieb

In jeder Sekunde erzeugen Aktoren, Sensoren, Zähler, Geräte, Anlagen und Systeme der Gebäudetechnik riesige Mengen an Daten. Bisher wurde nur ein kleiner Teil davon für Optimierungen im Gebäudebetrieb genutzt. Mit der zunehmenden Digitalisierung ist es möglich, Gebäude mit Hilfe dieser Daten zum Sprechen zu bringen. Für Betreiber und Facility-Manager ergeben sich damit enorme Optimierungschancen. Voraussetzung ist, dass sie verstehen, was das Gebäude mitzuteilen hat. Hier bieten digitale Services wie technisches Monitoring die notwendige Unterstützung.

mehr lesen
Wartung der Sicherheitsbeleuchtung per App

Wartung der Sicherheitsbeleuchtung per App

Über eine einfach zu bedienende App kann durch das NaveoPro-System von ABB die komplette Sicherheitsbeleuchtungsinstallation eingerichtet, gewartet und gesteuert werden. Der dadurch gewonnene Echtzeit-Überblick über alle Systeme spart Zeit, ermöglicht eine bessere Wartungsplanung und
erhöht die Sicherheit im Gebäude.

mehr lesen

Anlagentransparenz mit IO-Link

Die Steigerung der Anlagenverfügbarkeit bei einer gleichbleibend hohen Qualität der produzierten Produkte ist eine wesentliche Anforderung im Maschinen- und Anlagenbau. Dafür sind Transparenz im Produktionsprozess und die hervorragende Konstruktion der Maschinen essenziell. Die kontinuierliche Messwerterfassung überwacht den Fertigungsprozess genau. Das ermöglicht eine schnelle Reaktion auf Veränderungen, was zu stabilen Fertigungsabläufen und guten Resultaten führt. Sensoren erfassen eine Vielzahl von Messwerten in der Anlage. Für deren Weiterleitung zu den übergeordneten Steuerungssystemen ist IO-Link sehr gut geeignet.

mehr lesen

Elektronik für verteilte KI zur sensorbasierten Prozess- und Zustandskontrolle

Das Bundesministerium für Bildung und Forschung (BMBF) investiert aktiv in die Entwicklung neuer Elektroniksysteme und fördert dabei Verbundforschungsprojekte, die signifikant zur Umsetzung des Zukunftsprojekts Industrie 4.0 beitragen. Ziel des vom BMBF geförderten Gesamtprojekts KI-Predict ist die Nutzung von Methoden der künstlichen Intelligenz (KI) auf unterschiedlichen Ebenen des Produktionsprozesses als Basis für die zustandsbasierte, prädiktive Wartung von Produktionsanlagen und die Überwachung der Produktqualität direkt im Produktionsprozess. An diesem Projekt sind insgesamt sieben Partner beteiligt: unter ihnen das Fraunhofer-Institut für Integrierte Schaltungen IIS mit der Entwicklung eines Sensor-Interface ASICs. Das Besondere daran: Es ist auf Sensoren für Condition-Monitoring und Echtzeit-Prozesskontrolle abgestimmt und ermöglicht eine energieeffiziente Feature-Extraction und Signalverarbeitung direkt am Sensor.

Kaefer übernimmt Wood Group In­dus­tri­al Ser­vices

Mit der Über­nah­me des In­dus­trie­dienst­leis­tungs­ge­schäfts (Wood Group In­dus­tri­al Ser­vices) von der John Wood Group PLC, kann die Kaefer-Grup­pe ihre Markt­po­si­ti­on in Groß­bri­tan­ni­en und Ir­land stärken.

Knowledge Day in Blaubeuren

Auf dem Knowledge Day in Blaubeuren erhalten Teilnehmer unter anderem praxisorientierte Einblicke in die Themen Predictive Maintenance und MES.