Nutzungsabhängige Instandhaltung mit KI-Sensoren

Mit künstlicher Intelligenz (KI) und maschinellem Lernen (ML) lässt sich die Terminplanung und Koordination der Instandhaltung für Maschinen und Anlagen weitestgehend automatisieren. Dabei helfen möglichst genaue Informationen zu den tatsächlichen Nutzungsdetails, wie Betriebsstunden und Starts einzelner Maschinenaggregate – beispielsweise individuelle Laufzeiten der Antriebselemente A, B und C, der Pumpen X und Y, Zählvorgänge für Ventilbetätigungen et cetera. Für solche Digitalisierungslösungen ist der KI-Sensor MLS/210I konzipiert. Er wird nachträglich nicht invasiv am Gehäuse einer beliebigen Maschine befestigt und über eine externe Batterie oder ein Netzteil mit Spannung versorgt. Der Sensor wird über USB mit Node-RED konfiguriert, Zähler- und Zustandswerte werden mit dem LTE-M-Dienst des lokal vorhandenen Mobilfunknetzes übertragen.

Der Sensor nutzt ein hochempfindliches inertiales Sensorelement, um innerhalb eines Zeitfensters die Vibrationen einer Maschine durch Messung von Beschleunigung und Winkelgeschwindigkeit in jeweils drei Achsen zu erfassen. Dieses zyklische Datenbild durchläuft anschließend eine Datenvorverarbeitung, wird dann mittels KI zustandsbezogen klassifiziert und abschließend den individuellen Zählerwerten zugeordnet. Dabei kommt ein adaptives ML-Modell zum Einsatz, dass bei der Installation an das Vibrationsdatenbild des jeweiligen Standorts angepasst wird. Mit dem MLS/210I-Messverfahren plus zusätzlichen KI-Funktionen lassen sich darüber hinaus auch Anomalien, zum Beispiel eine Unwucht, in den Vibrationsdaten automatisch erkennen. Die aktuellen Zählerstände und weitere Meldungen übermittelt der Sensor in einstellbaren Zeitintervallen oder ereignisgesteuert über LTE-M-Mobilfunk an die gewünschte Zieladresse.

Um direkt vor Ort an einer Maschine beziehungsweise in einer Anlage die erforderlichen Trainingsdaten zur Anpassung des ML-Modells zu erfassen, aufzubereiten und zu evaluieren, bietet SSV als Zubehör einen dezentralen Testbed-Service an. Dieser dient bei der Installation eines MLS/210I in der Zielumgebung als Werkzeug, um die gewünschte Zählerkonstellation beziehungsweise Anomalieerkennung festzulegen und das ML-Modell an das individuelle Vibrationsdatenbild anzupassen. Zur fachlichen Unterstützung steht dafür auf Wunsch ein SSV-Experte per Remote-Service zur Verfügung. Durch dieses datenzentrierte Adaptionskonzept erzielt der MLS/210I in der Praxis dem Anbieter zufolge deutlich präzisere Ergebnisse als die aktuelle Generation der am Markt verfügbaren Predictive-Maintenance-Sensoren.