Schwerpunkte

Sensorik

Das selbstlernende Assistzenzsystem

07. November 2018, 00:00 Uhr   |  Alexander Petrenz, Andre Schult, Tilman Klaeger

Das selbstlernende Assistzenzsystem
© Fraunhofer IVV

Die klassische sensorgestützte Diagnose informiert über Störungen der Produktion, ohne Rückschlüsse auf deren Ursachen. Anders mit einem lernfähigen Diagnosesystem, das das Erfahrungswissen des Maschinenbedieners nutzt und situationsbezogene Lösungsvorschläge bietet.

Die industriellen Prozesse bei der Verarbeitung biogener Rohstoffe sind stark durch Automatisierung geprägt, was eine hohe Verarbeitungsgeschwindigkeit ermöglicht. Um die erforderliche Endproduktqualität garantieren zu können, überwacht Sensorik sowohl die Prozesse als auch die Produkte. Eine vollständige Überwachung ist allerdings weder ökonomisch sinnvoll noch technisch möglich, sodass die Identifikation und das Beheben von Störungen sowie deren Ursachen die Aufgabe von Maschinenbedienern bleibt. Allerdings ist diese Aufgabe in zunehmendem Maße nicht mehr adäquat erfüllbar.

Der maschinentechnische Wirkungsgrad einer modernen Anlage beträgt bei Auslieferung bis zu 99 %, die tatsächlich erreichte Effizienz liegt allerdings weit darunter. So werden am Fraunhofer IVV Dresden seit 1995 regelmäßig Effizienzanalysen an Verarbeitungsmaschinen durchgeführt, die – beispielsweise im laufenden Produktionsbetrieb – im Rahmen vertraglich geregelter Inbetriebnahmen oder Abnahmen stattfinden. Die Auswertung von über 6000 Analysestunden ergab einen Gesamtwirkungsgrad von durchschnittlich 75 %, womit dieser oft weit unter den technischen Möglichkeiten liegt.

Seite 1 von 6

1. Das selbstlernende Assistzenzsystem
2. Hohe Frequenz kurzer Störungen
3. Maschinendaten und Erfahrungswissen verbinden
4. Lernfähige Diagnosesysteme
5. Auswertung von Sensordaten
6. Stand der Entwicklung

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

SPS 2019