Komplettlösung
CONDInet

Methoden künstlicher Intelligenz für die Schwingungsüberwachung und Anomalie-Erkennung nutzbar machen

Produktbezeichnung: CONDInet

CONDInet überwacht rotierende Maschinen, Getriebe, Pumpen aber auch Produktionsanlagen hinsichtlich unzulässig hoher Schwingungen wie Unwucht oder Fehlausrichtung nach DIN ISO 10816. Gleichzeitig werden Wälz- oder Gleitlager mit bewährten Signalanalyseverfahren nach DIN 3832 auf Zustandsänderungen und Verschleiß überwacht.

Neben den der Schwingungsüberwachung kombiniert CONDInet Methoden der künstlichen Intelligenz und liefert im Ergebnis neue und aussagekräftige Kennwerte die Hinweise auf Änderungen im Betriebsverhalten einer Maschine geben. Veränderungen, die bei der bloßen Betrachtung der bekannten Messwerte nicht klar oder überhaupt nicht zu erkennen sind, können so identifiziert werden.

CONDInet ist für die Einbeziehung von Prozessmesswerten geeignet, welche über Kommunikationsschnittstellen eingebunden und in CONDInet zusammenhängend mit den Schwingungswerten analysiert werden.

CONDInet untersucht mit künstlicher Intelligenz schwingungstechnische Kennwerte und Rohsignale, sowie gleichzeitig Prozessmesswerte und deren Störungsmeldungen. Daraus berechnet CONDInet kontinuierlich ein KI-Index. Je höher der KI-Index (100% = optimal), um so stabiler ist das System. Sinkt der KI-Index, liegt eine Anomalie vor.

Ein Wälz- oder Gleitlager ist nur ein Bauteil in einer komplexen Maschine und ist von vielen weiteren Komponenten umgeben, die sich gegenseitig beeinflussen und Wechselwirkungen untereinander haben. Einen relevanten Einfluss für die Maschinengesundheit haben dabei nicht nur die Lager, sondern auch korrelierende Prozessmessgrößen, wie z.B. Durchfluss, Druck etc.

In einer solchen komplexen Anordnung ist der Einsatz von Methoden der künstlichen Intelligenz besonders effektiv. Und genau an diesem kritischen Punkt setzt CONDInet an. Die KI lernt automatisch, und unter dynamischen Betriebsbedingungen, die Wechselwirkungen und Abhängigkeiten der Messsignale untereinander und erstellt einen digitalen Zwilling.

Nach der Anlernphase wird auf Überwachungsbetrieb umgeschaltet. Dabei werden die effektivsten und modernsten Methoden der künstlichen Intelligenz eingesetzt. Diese warnen die Anlagenbetreiber, wenn der KI-Algorithmus eine Anomalie feststellt. Das zugrundeliegende KI-System wurde von der ai-omatic solutions GmbH entwickelt und ist eines der besten am Markt.

Durch die integrierte Schwingungsüberwachung wird parallel und unabhängig überwacht, ob die Schwingungen in einer Anlage im Normalbereich liegen oder es Abweichungen zum Normalverhalten gibt.

Wenn sich das System verändert und eine Abweichung festgestellt wird, können Anwender bereits sehr frühzeitig mit der Ursachenforschung beginnen und die Relevanz der Veränderung für den Prozess bestimmen. Nicht jede Änderung des Prozesses muss automatisch eine Fehlerursache haben oder zu Ausfällen führen. CONDInet ermöglicht in erster Linie, dass Änderungen überhaupt (und rechtzeitig) bemerkt werden.

Nach der Anlernphase, die eine Anbindung an das Internet erfordert, wird von dem System ein dynamisches Modell erstellt. Eine Internetanbindung ist nach der Anlernphase nicht in jedem Fall erforderlich. Die KI Überwachung kann in vielen Fällen auf einem Server On-Premise installiert werden, und somit unabhängig von der IT-Infrastruktur oder dem Internet arbeiten. Das System kann bei geänderten Randparametern nach-trainiert werden. Zu diesem Zweck ist eine neue Trainingsphase nötig.

CONDInet Projekte werden in Kooperation zwischen AVIBIA und ai-omatic solutions GmbH angeboten und realisiert.

Unstrukturierte Sensordaten werden nach einem gleichbleibenden Prozess automatisiert analysiert. Die Messwerte werden über IoT Schnittstellen empfangen. Dann folgt das Trainieren des Modells anhand der einlaufenden Sensordaten.

Das Modell zeichnet sich dadurch aus, dass es im Gegensatz zu anderen KI-Methoden, anstelle von Punktschätzungen, Wahrscheinlichkeitsverteilungen lernt. Dadurch wird eine Wahrscheinlichkeitsangabe möglich, wodurch sich die Grenzwerte zum Auslösen eines Alarms automatisch setzten lassen. Somit ist der Anwender in der Lage, sein eigenes Risiko zu kalkulieren und es sind automatische Handlungsanweisungen möglich.

Die Methode basiert auf einem hoch flexiblen probabilistischen Modell. Dieses Modell hat in den letzten Jahren zunehmend an Aufmerksamkeit gewonnen, da es unschlagbare Vorteile bei der Datenanalyse mit sich bringt. Dabei steht die Tatsache im Vordergrund, dass die Vorteile von Statistik und neuronalen Netzen kombiniert werden.

Das bedeutet, dass auf der einen Seite durch die Statistik nur wenig Daten benötigt werden, sowie Wahrscheinlichkeiten gelernt werden, aber auf der anderen Seite durch neuronale Netze große Datenmengen kein Problem darstellen und somit eine hohe Flexibilität gegeben ist.

CONDInet setzt gänzlich neue und innovative Verfahren ein. Durch das automatische Setzen von Grenzwerten wird ein Problem anderer AI Methoden gelöst, bei denen Grenzwerte nicht ohne Expertenwissen gesetzt werden können. Das System ist in erster Linie für Online-Überwachungsaufgaben gedacht, kann aber auch mit Offline Daten betrieben werden.

Nachdem die Schwingungs- und Prozessmesswerte übertragen werden, beginnt die Trainingsphase. Die Zeitdauer der Trainingsphase ist abhängig vom Prozess und kann vorgegeben werden. In der Trainingsphase müssen sich alle regulären und dynamischen Betriebszustände mehrfach wiederholen. Je nach Komplexität der Abhängigkeiten untereinander dauert die Trainingsphase einige Tage. Das System zeigt den Fortschritt des Trainings an wann es abgeschlossen ist. Nach der Trainingsphase wird die Überwachungsphase aktiviert. Der Maschinenzustand spiegelt sich in einer Kernaussage wieder.

Für den Anwender ist der Einsatz leicht umzusetzen. Entweder wird ein vorkonfiguriertes Feldgerät mit installierter Software geliefert oder die Installation erfolgt mittels einer Docker-Lösung auf dem PC.