KI Predict

Projektziel

Ziel des Forschungsprojektes „KI-Predict – Verteilte KI für die sensorbasierte Prozess- und Zustandskontrolle“ 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.

Projektbeschreibung

In komplexen Produktionsanlagen können Größen wie Zustand und verbleibende Restlebensdauer von Komponenten und Systemen in der Regel nicht direkt, sondern nur indirekt über Verschleißsymptome wie Vibration oder hochfrequente Oberwellen im Motorstrom des Antriebs bestimmt werden. HIerzu wird aber eine leistungsfähige, optimierte Elektronik benötigt, die in der Lage ist, diese teils hochfrequenten Symptome zu erfassen und sensornah zu verarbeiten.

Projektdetails 

• Konsortium: HYDAC Electronic GmbH, Sensitec Gmb, CANWAY Technology GmbH, SNR Wälzlager GmbH, ODION GmbH, Fraunhofer-Institut für Integrierte Schaltungen IIS, Universität des Saalandes, GFE Schmalkalden e.V.
• Konsortialsführer: Hydac Electronic GmbH
• Gefördert vom: Bundesministerium für Bildung und Forschung (BMBF)
• Projektträger: Deutsches Zentrum für Luft- und Raumfahrt (DLR)
• Laufzeit: 01/2020-01/2023
• Ansprechpartner: team@odion.com

Projektdetails 

• Konsortium: HYDAC Electronic GmbH, Sensitec Gmb, CANWAY Technology GmbH, SNR Wälzlager GmbH, ODION GmbH, Fraunhofer-Institut für Integrierte Schaltungen IIS, Universität des Saalandes, GFE Schmalkalden e.V.
• Konsortialsführer: Hydac Electronic GmbH
• Gefördert vom: Bundesministerium für Bildung und Forschung (BMBF)
• Projektträger: Deutsches Zentrum für Luft- und Raumfahrt (DLR)
• Laufzeit: 01/2020-01/2023
• Ansprechpartner: forschung@odion.com

Durch  Vorarbeiten der Projektpartner hat sich bereits gezeigt, dass auch mit leicht verfügbarer und kostengünstiger Sensorik Prozessdaten erfasst und verarbeitet werden können, die dazu genutzt werden kann, Informationen zum Zustand der Anlage und der Prozessqualität zu erheben. Diese Extraktion von Informationen aus den auflaufenden Daten wird mit Hilfe von Methoden der künstlichen Intelligenz realisiert, die auch Schäden und Fehlmessungen von Sensoren erkennen und während der Verarbeitung adäquat darauf reagieren. Bisher gibt es aber keine nennenswerte Verbreitung dieser Methoden in der industriellen Praxis, was maßgeblich an drei Gründen liegt.

1. Heute verfügbare Elektroniksysteme zur Datenerfassung und Signalverarbeitung sind zu teuer im Vergleich zu den zu überwachenden Komponenten bzw. Prüfprozessen.
2. Industrielle Netzwerke in Produktionsumgebungen sind heute den dabei anfallenden Datenmengen nicht gewachsen.
3. Die Adaptierung der KI-Methoden auf neue Applikationen erfordert Spezialisten und kann von vielen Unternehmen, insbesondere KMU, nicht geleistet werden.

Das Projekt KI-Predict addresiert dieses Problematik mittels einem intelligenten, integrierten  Sensorinterface, das speziell auf Condition Monitoring und Echtzeit-Prozesskontrolle abgestimmt ist und so eine energieeffiziente Datenerfassung und Signal(vor)verarbeitung ermöglicht. So werden die drei genannten Kernprobleme in einem ganzheitlichen Ansatz adressiert und eine aufeinander abgestimmte, modulare Hard- und Softwarelösung erforscht, die auf die Methoden der KI hin optimiert sind.