In der modernen Industrie sind Predictive Maintenance-Lösungen gefragt, die Sensorsysteme mit Künstlicher Intelligenz (KI) kombinieren. Die KI ist in der Lage, Anomalien in Sensordaten zu identifizieren, die auf mögliche Probleme hinweisen. Auf diese Weise lassen sich drohende Ausfälle verhindern und Wartungsintervalle optimieren. Für die Unternehmen bedeutet das erhebliche Kosteneinsparungen und effizientere Betriebsabläufe. Unser Mitglied Fraunhofer EMFT hat sich auf die Entwicklung leistungsstarker Sensorlösungen spezialisiert, die ein optimales Zusammenspiel der Sensorik mit ihrer Applikationsumgebung gewährleisten. Durch den Einsatz von KI-Methoden direkt am Sensorknoten können die gesammelten Daten sofort verarbeitet, fusioniert und analysiert werden.

Auf der SENSOR+TEST präsentiert das Fraunhofer EMFT in diesem Jahr innovative, KI-gestützte Sensorsystemlösungen, die eine präzise Echtzeit-Datenerfassung zur Überwachung von Maschinen und Anlagen ermöglichen. Die Forschenden nutzen dabei ihr fundiertes Wissen im Aufbau leistungsstarker und intelligenter Sensornetzwerke und erweitern deren Funktionen mit Machine Learning (ML) Methoden.

Dank maschineller Lernalgorithmen wie Klassifikationsmodellen und Anomalieerkennung lassen sich frühzeitig und zuverlässig Anzeichen von Maschinenausfällen erkennen. Um einen reibungslosen Datenaustausch auch in komplexen Industrieumgebungen sicherzustellen, verwendet das Entwicklungs-Team des Fraunhofer EMFT eine Kommunikationsinfrastruktur – u.a. Bluetooth Low Energy (BLE), WLAN oder auch LAN-, die verschiedene Protokolle unterstützt, darunter MQTT und OPC-UA. Die Datenverarbeitung und das Training der Machine Learning (ML)-Modelle erfolgt über perfomante GPU-Cluster-Server.

Für die Erkennung von Anomalien sind unüberwachte ML-Ansätze entscheidender als überwachte. Prädiktive Wartungsstrategien nutzen häufig Regressionsmodelle, um das Remaining Useful Life (RUL) von Komponenten abzuschätzen. Das Training der ML-Modelle erfolgt idealerweise auf leistungsstarken On-Premise- oder Cloud-Servern. Die Inferenz sollte hingegen auf Edge-Computing-Systemen laufen, um Latenzzeiten zu minimieren. Dieses innovative hybride Setup ermöglicht die optimale Lösung für die Datenerfassung und -verarbeitung und unterstützt gleichzeitig eine sofortige Entscheidungsfindung an der Edge. Open-Source-Dashboards mit Echtzeit-Datenvisualisierung bieten Nutzenden dabei wertvolle Einblicke in den Gesundheitszustand und die Leistung ihrer Maschinen.

Franz Wenninger freut sich auf auf den Austausch mit Ihnen am Gemeinschaftsstand des Sensorik-Ökosystems.