- Anzeige -
- Anzeige -
Lesedauer: 4min
intelligente Prozessüberwachung mit direkter Signalverarbeitung

Apr 20, 2020 | Newsarchiv

Das Bundesministerium für Bildung und Forschung (BMBF) investiert aktiv in die Entwicklung neuer Elektroniksysteme und fördert dabei Verbundforschungsprojekte, die signifikant zur Umsetzung des Zukunftsprojekts Industrie 4.0 beitragen. Ziel des vom BMBF geförderten Gesamtprojekts KI-Predict 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. An diesem Projekt sind insgesamt sieben Partner beteiligt: unter ihnen das Fraunhofer-Institut für Integrierte Schaltungen IIS mit der Entwicklung eines Sensor-Interface ASICs. Das Besondere daran: Es ist auf Sensoren für Condition-Monitoring und Echtzeit-Prozesskontrolle abgestimmt und ermöglicht eine energieeffiziente Feature-Extraction und Signalverarbeitung direkt am Sensor.

Mikroelektronik, kombiniert mit Sensorik und eingebetteter Software, erfasst und verarbeitet Prozessdaten in Industrieanlagen. Dies ermöglicht die Digitalisierung von Produktionsprozessen und Betriebsabläufen in der Industrie 4.0. Heute verfügbare Elektroniksysteme zur Datenerfassung und Signalverarbeitung, insbesondere Signalprozessoren (DSP) oder programmierbare Logik (FPGA), sind jedoch für diesen Anwendungsbereich nicht optimiert und folglich im Vergleich zu den zu überwachenden Komponenten teuer.

Das Projekt KI-Predict adressiert genau dieses Problem in einem ganzheitlichen Ansatz. Die Kombination neuer KI-Methoden mit dazu optimierter, integrierter Hardware ermöglicht eine intelligente Prozessüberwachung mit direkter Signalverarbeitung und Feature-Extraktion am Ort des Geschehens. Diese neue Qualität der Datenverarbeitung direkt am Sensor ermöglicht eine sichere, dezentrale Analyse- und Prognosefähigkeit mit gleichzeitig definierter und geringer Latenz. Hierzu wird eine miteinander verzahnte Hard- und Softwarearchitektur entwickelt, die zum einen den Fokus auf sensornahe Datenfusion, Datenreduktion und Datenauswertung legt und zum anderen fehlerhafte Sensoren durch das Interpretieren von Anomalien erkennt. So werden z.B. neben üblichen Funktionen, wie etwa der digitalen Erfassung von Strom, Position, Vibration, Akustik, Druck, Kraft und Temperatur, vor allem Funktionalitäten für maschinelles Lernen (ML) bereitgestellt, wodurch eine dezentrale Datenverarbeitung und -reduktion ermöglicht wird.

Das Interface ist insbesondere in der Lage, energieeffizient Merkmale auch in hochfrequenten Sensorsignalen zu erkennen und diese entweder auf Steuerungsebene als Basis für die Sensordatenfusion zur Verfügung zu stellen oder direkt für die Klassifikation, das Clustering oder die Anomaliedetektion zu nutzen.

Die Nutzung von industriell üblichen Schnittstellen und Netzwerken wird durch die sensornahe Gewinnung aggregierter Merkmale aus dem Datenstrom ermöglicht. Dadurch können die Industriepartner den Funktionsumfang ihrer Anlagen, ohne zusätzliche Infrastrukturkosten, erhöhen. Gleichzeitig können diese Merkmale auf höheren Ebenen der Prozesssteuerung bzw. der ERP-Software mittels komplexeren KI- und ML-Methoden genutzt werden, um den Anlagenzustand und die Produktqualität zu erfassen sowie Trends zu verfolgen. Diese erweiterte Datenauswertung kann genutzt werden, um die Betriebskosten der Anlage zu senken. Hierbei ist die Hardware nicht an spezielle Anwendungsfälle angepasst und kann somit automatisiert an neue Anwendungsfälle angelernt werden.

Autor:
Firma: Fraunhofer-Institut IIS
www.iis.fhg.de

News

- Anzeige -

Weitere Beiträge

Das könnte Sie auch interessieren

KI per Smartphone

Die KI-Software AI.See von Elunic wird häufig zur Prüfung von Oberflächen aus Metall und Kunststoff eingesetzt. Mit einem Starterkit und einem Smartphone können Anwender selbst einen ersten Eindruck einer KI-basierten Qualitätsprüfung gewinnen.

mehr lesen

Künstliche Intelligenz analysiert wertvolle Inhaltsstoffe

Kunststoffmüll ist ein Problem. Weltweit. Der Grund: Kunststoff ist meist verbaut und Teil eines komplexen Produktes: Auto, Kühlschrank, Lederschuh oder Smartphone. Materialanalyse, -trennung und Recycling wären ein Lösungsansatz. Hier setzt das Projekt ‚Digital Lifecycle Record for the Circular Economy‘ – kurz ReCircE – an. Es will mithilfe von künstlicher Intelligenz ein umfassendes Recyclingverfahren entwickeln. Teil des Projektes ist ein digitaler Produktpass. Er soll Transparenz über die gesamte Wertstoffkette schaffen, um die Verwertung von Kunststoffen aus hochentwickelten Produkten zu erleichtern.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.