Tyska Fraunhofer-institutet för fotomikrosystem (IPMS) har tagit fram en demonstrator för prediktivt underhåll av industriella maskiner. Demonstratorn använder avancerad sensorteknologi i kombination med AI-baserad dataanalys för att tidigt upptäcka potentiella skador på maskiner och därmed undvika kostsamma driftstopp.
Genom att kombinera sensorer, datainsamling och AI-baserad datautvärdering, erbjuder Fraunhofer IPMS nya möjligheter för förebyggande underhåll av anläggningar och maskiner. Demonstratorn är ett resultat av iCampus-projektet ForTune och visar hur man kan övervaka maskiners skick i realtid för att optimerade underhållsintervaller.
Tekniken bakom demonstratorn
Demonstratorn, som består av en miniaturiserad transportbana, använder multimodala sensorer för att övervaka industriell utrustning. Dessa sensorer registrerar accelerationer i rymdriktningar och motsvarande rotationshastigheter. De är även utrustade med magnetfältssensorer samt akustiska eller ultraljudssensorer. Två huvudfunktioner inkluderar detektion av bältespänning och identifiering av stopp i systemet.
Genom att integrera AI i sensorerna kan systemet förutse skador innan de uppstår, vilket minskar både driftstopp och underhållskostnader. AI-modellerna baseras på omfattande dataanalys och möjliggör exakta skadeprognoser. För att ytterligare öka modellernas noggrannhet kan realtidskalibreringar genomföras för att anpassa systemet till nya miljöer.
Kombinerar sensorer
Fraunhofer IPMS kombinerar sina egna sensorer med en kantdatorenhet baserad på RISCV-arkitektur för effektiv datahantering direkt vid användningspunkten. Detta möjliggör komplexa AI-operationer och realtidsanalyser, vilket betydligt ökar prognosernas precision gällande industriutrustningens skick. Tack vare detta övervinns befintliga begränsningar i beräkningskraft för realtidsmodellering i inbyggda system.
Källa: Fraunhofer-institutet