Das Umsetzungsprojekt „Mit KI zum Maschinenmodell“ mit der Firma Conimon GmbH startete im August letzten Jahres. Das Mittelstand 4.0-Kompetenzzentrum Chemnitz begleitet seitdem das Unternehmen dabei, einen prototypischen KI-basierten Ansatzes zur Aufdeckung von versteckten Zusammenhänge im Datenmaterial umzusetzen. Ziel ist es, realitätsnahe Modelle zur Maschinendiagnose einfacher zu erstellen.
Zu Beginn wurden die Projektziele präzisiert. Der Schwerpunkt wurde auf die Zusammenarbeit bei der Erstellung einer hochqualitativen Datenbasis für den Entwurf von KI-Anwendungen gelegt. Dieser Prozess soll durch einen modellbasierten „Datengenerator“ unterstützt werden. Der Datengenerator ermöglicht eine aufwandsreduzierte Erzeugung von KI-Trainingsdaten, welche gezielt mit vordefinierten Fehlermerkmalen überlagert werden. Mit diesen künstlich erzeugten Daten werden im Anschluss die gängigen KI-Modelle zur Fehlervorhersage vortrainiert (Projektphasen 4 und 5). Im Bereich Maschinendiagnose ist das Problem der Bereitstellung von „gelabelten“ und balancierten Trainingsdaten (d.h. Datensätze mit einer ausreichenden Anzahl an bereits erkannten und entsprechend markierten Fehlern) immer noch das größte Hindernis auf dem Weg zu einem breiten KI-Einsatz.
Der Projektpartner Fraunhofer IWU hat sich verstärkt auf den Aufbau des Prozesswissens konzentriert, wobei die VDI-Richtlinien 3832 (Körperschallmessungen zur Zustandsbeurteilung von Wälzlagern in Maschinen und Anlagen) und VDI 3839 (Hinweise zur Messung und Interpretation der Schwingungen von Maschinen) als Grundlage dienten.
In der zweiten Phase wurde ein konventionelles Prozessdatenmodell umgesetzt, welches die Generierung von Körperschallsignalen (Basisrauschen + Fehlermustern) ermöglicht. Größte Herausforderung war dabei die Notwendigkeit zur Berücksichtigung von Maschinengrundeigenschaften (kinematisches Schema, Grundrauschen) sowie von Eigenschaften des installierten Messsystems (v. a. Sensorplatzierung und Sensorausrichtung). Der prototypische Entwurf fand in Python in der freien KI-Testumgebung Jupyter-Notebook unter dem Einsatz von spezialisierten Bibliotheken zur Signalgenerierung statt. Für den Entwurf des Datengenerators wurden zudem reale Vibrationsmessungen herangezogen, welche später auch zum Test von KI-Anwendungen benutzt werden (Siehe Abbildung 1 und 2).
Parallel erfolgt die Untersuchung einer Möglichkeit zur Fehlersignalgenerierung durch Anwendung von GAN (Generative Adversarial Networks). Diese neue KI-Technologie gehört zur Gruppe von Algorithmen für unüberwachtes Lernen und zeichnet sich durch die Fähigkeit aus, aus gegebenen Eingangsdatensätzen eine Reihe sehr ähnlicher Muster produzieren zu können. Diese Eigenschaft wird bereits unter anderem zur Erstellung photorealistischer Bilder und zur Modellierung von Bewegungsmustern in Videos mit Erfolg benutzt („fake videos“), sie verspricht aber auch im Bereich der künstlichen Sensordatengenerierung vielversprechende Ergebnisse.
In den nächsten Schritten (Phase 3 und 4) sollen die ersten künstlich erzeugten Vibrationsdaten, welche mit Fehlermustern überlagert sind, bereitgestellt werden und für die gängigen KI-Fehlererkennungsalgorithmen getestet werden.
Weitere Fragen beantwortet Ihnen gern:
Data Analytics , Data Mining , künstliche Intelligenz , Leistung bringen!
Mit KI zum Maschinenmodell
Ziel des Projektes ist die Untersuchung und prototypische Entwicklung eines KI-basierten Ansatzes zur Aufdeckung von versteckten Zusammenhänge im Datenmaterial zur einfacheren Erstellung von realitätsnahen Modellen zur Maschinendiagnose.
Data Analytics , Data Mining , künstliche Intelligenz , Leistung bringen!
Kick-Off zum Umsetzungsprojekt „Mit KI zum Maschinenmodell“
Das Mittelstand 4.0-Kompetenzzentrum Chemnitz begleitet das Unternehmen bei der prototypischen Entwicklung eines KI-basierten Ansatzes zur Aufdeckung von versteckten Zusammenhänge im Datenmaterial zur einfacheren Erstellung von realitätsnahen Modellen zur Maschinendiagnose.
Data Analytics , Data Mining , künstliche Intelligenz , Leistung bringen!
Mit KI zum Maschinenmodell
Die Conimon GmbH bietet Diagnosesysteme für Maschinen und Anlagen verschiedener Branchen. Um die Maschinendiagnose zu automatisieren, bedarf es großer Datenmengen an Fehlerdaten. Für deren Generierung kommen KI-basierte Verfahren zum Einsatz.
