Conditon Monitoring leicht gemacht
Bild: Maria Hirschberger, R-Tech GmbHIm Rahmen der Forschungs- und Entwicklungstätigkeiten wurde am Technologie Campus Freyung der Technischen Hochschule Deggendorf ein Prototyp eines Netzanalysesensors entwickelt, aufgebaut und in Betrieb genommen. Neben der passiven Netzanalyse besitzt dieser Sensor auch Hard- und Softwarekomponenten zur aktiven Analyse des Stromnetzes. Verschiedene Geräte unterschiedlichen Anwendungstyps wurden in die Versuchsumgebung integriert. Damit können Anlagendaten erfasst werden. Sowohl bei passiver als auch aktiver Signalerfassung wurden anschließend Methoden des maschinellen Lernens entwickelt um sowohl eine Zustandsdiskretisierung als auch eine Zustandskategorisierung zu erreichen. Die Messdaten des mobilen Netzanalysesensors können mit Hilfe einer durch die Schindler & Schill entwickelten Cloud Service Plattform verarbeitet werden. Geräte, Abläufe und Daten werden in dieser Plattform vereint, um mit geringem Aufwand Anlagen mit Condition Monitoring nachzurüsten. Das Herzstück des Condition-Monitoring-Systems sind laut der Technischen Universität München die KI-Algorithmen, um Events zur Zustandsänderung in den erfassten elektrischen Signalen von Maschinen und Anlagen zu erfassen. Hierzu wurde ein Ansatz entwickelt, der vollständig unüberwacht in der Lage ist die signifikanten Änderungen im elektrischen Signal zu registrieren. Der Algorithmus kann in verschiedenen Umgebungen eingesetzt werden und erfordert keine menschliche Intervention. Die Entwicklung eines kostengünstigen Systems zur Anlagenzustandsüberwachung soll vor allem die Wettbewerbsfähigkeit global agierender kleiner und mittelständischer Unternehmen (KMU) im Bereich der industriellen Fertigung sichern.
Bild: Maria Hirschberger, R-Tech GmbHIm Rahmen der Forschungs- und Entwicklungstätigkeiten wurde am Technologie Campus Freyung der Technischen Hochschule Deggendorf ein Prototyp eines Netzanalysesensors entwickelt, aufgebaut und in Betrieb genommen. Neben der passiven Netzanalyse besitzt dieser Sensor auch Hard- und Softwarekomponenten zur aktiven Analyse des Stromnetzes. Verschiedene Geräte unterschiedlichen Anwendungstyps wurden in die Versuchsumgebung integriert. Damit können Anlagendaten erfasst werden. Sowohl bei passiver als auch aktiver Signalerfassung wurden anschließend Methoden des maschinellen Lernens entwickelt um sowohl eine Zustandsdiskretisierung als auch eine Zustandskategorisierung zu erreichen. Die Messdaten des mobilen Netzanalysesensors können mit Hilfe einer durch die Schindler & Schill entwickelten Cloud Service Plattform verarbeitet werden. Geräte, Abläufe und Daten werden in dieser Plattform vereint, um mit geringem Aufwand Anlagen mit Condition Monitoring nachzurüsten. Das Herzstück des Condition-Monitoring-Systems sind laut der Technischen Universität München die KI-Algorithmen, um Events zur Zustandsänderung in den erfassten elektrischen Signalen von Maschinen und Anlagen zu erfassen. Hierzu wurde ein Ansatz entwickelt, der vollständig unüberwacht in der Lage ist die signifikanten Änderungen im elektrischen Signal zu registrieren. Der Algorithmus kann in verschiedenen Umgebungen eingesetzt werden und erfordert keine menschliche Intervention. Die Entwicklung eines kostengünstigen Systems zur Anlagenzustandsüberwachung soll vor allem die Wettbewerbsfähigkeit global agierender kleiner und mittelständischer Unternehmen (KMU) im Bereich der industriellen Fertigung sichern.
Bayerisches IT-Logistikcluster
Dieser Artikel erschien in IT&Production 1 (Februar) 2021 - 08.02.21.Für weitere Artikel besuchen Sie www.it-production.com
