Der Demonstrator nutzt Sensorik, kombiniert mit einer auf KI-basierenden Datenverarbeitung, um potenzielle Maschinenschäden frühzeitig zu erkennen und  Ausfallzeiten zu vermeiden. Damit eröffnen sich neue Möglichkeiten für die vorbeugende Instandhaltung von Anlagen und Maschinen.

Dr. Marcel Jongmanns, Leiter des Projekts am Fraunhofer IPMS, erklärt: »Unsere Lösung ermöglicht eine präzise Zustandsüberwachung von Maschinen durch den Einsatz von Sensoren und intelligenter Datenanalyse. Die Integration von KI in die Sensoren ermöglicht es uns, Schäden zu erkennen, bevor sie auftreten, und so Wartungsintervalle zu optimieren und Ausfallzeiten zu minimieren.«

Multimodale Sensoren zur Systemüberwachung

Der ShowCase zeigt ein miniaturisiertes Förderband und demonstriert die Leistungsfähigkeit einer neuartigen Toolbox für die Überwachung von Industrieanlagen. In den Demonstrator werden multimodale Sensoren eingesetzt. Die sensorische Funktion erfasst dabei Beschleunigungen in den Raumrichtungen und die korrespondierenden Drehraten. Zusätzlich werden Magnetfeldsensoren und akustische beziehungsweise  Ultraschallsensoren zur Überwachung des Systems eingesetzt.

Das System bietet zwei Hauptfunktionen: Die Erkennung der Bandspannung und die Erkennung von Blockaden. Die KI-Modelle basieren dabei auf umfangreichen Datenanalysen und ermöglichen die präzise Vorhersage von Schäden. Um die Genauigkeit der Modelle zu erhöhen, können Echtzeitkalibrierungen durchgeführt werden, um das System an neue Umgebungen anzupassen.

Die Systemlösung des Fraunhofer IPMS zielt darauf ab, die Sensoren mit einer eigenen Edge-Computing Einheit auf Basis der RISCV-Architektur für die Datenverarbeitung direkt am Einsatzort zu kombinieren. Damit werden komplexe KI-Operationen sowie Echtzeitanalysen ermöglicht. Sich ändernde Umgebungseinflüsse können direkt modelliert beziehungsweise in der Analyse berücksichtigt werden. So wird die Einbindung einer Vielzahl von Sensoren möglich und die Vorhersagegenauigkeit über den Zustand der Industrieanlage deutlich erhöht. Bestehende Limitierungen in der Rechenleistung für die Echtzeitmodellierung in eingebetteten Systemen werden überwunden.