Intelligentes Condition Monitoring erkennt realen Bauteilverschleiß

Anbieter zum Thema

Klinkhammer Intralogistics GmbH

WITTENSTEIN SE

COSCOM Computer GmbH

GEMAC Chemnitz GmbH

Das Condition-Monitoring-System erfasst zunächst kontinuierlich alle aktuellen physikalischen Größen, die den Maschinenzustand beeinflussen. Mit diesen Daten bestimmt es durch Methoden der Künstlichen Intelligenz – insbesondere von Neuronalen Netzen – in Echtzeit den tatsächlichen Verschleißzustand von Baugruppen und Maschinen (Bild 1). Dadurch ist es erstmals möglich, eine fundierte Prognose über die vertretbare Lebensdauer des zu überwachenden Systems zu geben. Der Betreiber kann dadurch entsprechend dem realen Verschleißzustand Wartungsarbeiten durchführen und vermeidet teure Produktionsausfälle.

Physikalische Messgrößen werden Neuronalem Netz zugeführt

Ausgangspunkt zur Überwachung sind Sensoren für die physikalischen Messgrößen, die den Maschinenzustand beeinflussen. Durch eine applikationsspezifische Verarbeitung und Analyse dieser Daten werden signifikante Merkmale extrahiert, die Aussagen über die Zustandsänderung der zu überwachenden Einheit ermöglichen.

Die gewonnen Merkmale werden einem Neuronalen Netz (NN) zugeführt, das speziell für die Anwendung zugeschnitten und trainiert wurde. Das NN führt damit eine Klassifikation in vorher festgelegte Klassen durch, die den aktuellen Zustand des Objektes charakterisieren.

Zur Unterstützung des Anwenders wird eine Simulationssoftware mit einer bedienerfreundlichen grafischen Nutzeroberfläche bereitgestellt, die mit einem Signalanalysetool und einem Klassifikationstool ausgestattet ist. Beide Tools ermöglichen begleitende Simulationen auf dem PC, beginnend mit der Messdatenanalyse, über die Erstellung und das Training des NN bis zur Codeerzeugung für den Mikrocontroller des Überwachungssystems.

(ID:359532)