10.5162/SENSOREN2019/4.4.1
S. Klein
T. Schneider
A. Schütze
4.4.1 Zustandsüberwachung in der Automatisierungstechnik mittels maschinellem Lernen
AMA Service GmbH, Von-Münchhausen-Str. 49, 31515 Wunstorf
2019
Zustandsüberwachung
vorausschauende Instandhaltung
maschinelles Lernen
Big Data
Industrie 4.0
AMA Assocation for Sensors and Measurement, Sophie-Charlotten-Str. 15, 14059 Berlin
Informationstechnische Gesellschaft im VDE (ITG), Frankfurt
VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA), Düsseldorf
deu
ConferencePaper
978-3-9819376-0-2
7 Pages
1001 KB
application/pdf
Ziel des vom BMBF geförderten Verbundprojekts MoSeS-Pro war die Entwicklung eines modularen Sensorsystems für die Echtzeitprozesssteuerung und die smarte Zustandsbewertung. Basis dieses Sensorsystems ist ein modularer Hard- und Softwarebaukasten, welcher je nach Anforderung der spezifischen Anwendung verschiedenste Kombinationen von Sensoren und Algorithmen gestattet. Der entwickelte Softwarebaukasten kombiniert dabei fünf verschiedene Methoden der Merkmalsextraktion mit drei Ansätzen zur Merkmalselektion, wodurch unabhängig von der Herkunft der Daten ein nahezu ideales Klassifikationsergebnis erreicht wird. Die Leistungsfähigkeit des Baukastens wurde innerhalb des Projektes am Beispiel der Lebensdauerprognose von elektromechanischen Zylindern demonstriert. Hierzu wurde ein Lebensdauerprüfstand für elektromechanische Zylinder entwickelt, wodurch Signale verschiedenster Sensoren über die gesamte Lebensdauer des Zylinders aufgezeichnet werden können. Die Auswertung der Daten zeigt, dass für einzelne Zylinder eine hochaufgelöste Verschleißdetektion möglich ist, die eine Zustandsbewertung mit einer Auflösung von einem Prozent der Gesamtlebensdauer ermöglicht. Auch bei einem kombinierten Modell, gebildet aus Daten von mehreren baugleichen elektromechanischen Zylindern, können Merkmale identifiziert werden, welche charakteristische Informationen über den Verschleißfortschritt liefern.