Vorausschauende Wartung in der Industrie zur Steigerung der Verfügbarkeit und Energieeffizienz mittels multimodaler Analyse-modelle und agentengeführter mobiler Sensorik (WISES)

Projektbeschreibung

Die Innovation des Forschungsprojekts ist die Echtzeiterkennung von Anomalien in Maschinen und Anlagen mittels mobiler Sensorik und zugehörigen multimodalen Analysemodellen, welche erhobene Signaturen kontinuierlich aufnehmen und bewerten. AGVs werden sich durch die Produktionshallen bewegen und Sensordaten erfassen, um Anomalien (z.B. Ausfälle, Energieverluste, Leckagen) zu er-kennen. Das Projekt entwickelt dazu neuartige Algorithmen, welche Trajektorien für die AGVs und Aufnahme-Vektoren für gerichtete Sensoren (z.B. Richtmikrofon, Infrarot-Temperatursensor) berechnen. Die gesammelten mehrdimensionalen Datenströme umfassen Zeitserien mit räumlichem Versatz verschiedener Sensoren. Dazu gehören beispielsweise die Wärmeabstrahlungen, die Belastung der Maschinen, die Leistungsaufnahme und die Luftströme. Analysemodelle klassifizieren nicht nur das Systemverhalten und erkennen Anomalien, sondern liefern auch eine Rückkopplung zur Planung der Trajektorien und Aufnahme-Vektoren, um die Klassifikationsgüte zu maximieren. Ein weiterer bedeutender innovativer Ansatz ist die Entwicklung eines umfangreichen sprachbasierten Empfehlungssystems, das die vorausschauende Wartung unter Verwendung historischer Daten und der Ergebnisse von Analysemodellen unterstützen kann, während der Mensch in der Schleife bleibt. Bei der kontext-basierten Empfehlung handelt es sich um eine sich selbst aktualisierende Technologie, die modernste Sprachmodelle (z.B. Llama 3) verwendet, die sowohl Text- als auch Sprachdaten versteht und von Wartungsexperten über die Cloud ferngesteuert kommuniziert werden kann. Ein konkretes Beispiel ist die Erkennung von Pressluftleckagen in Druckereien. Die Erkennung solcher Leckagen führt zu massiven Energieeinsparungen und verhindert nachfolgende Schäden mit Stillstandzeiten der Druckerei. Dies stellt eine wesentliche Innovation zum Stand der Technik dar, welcher vorwiegend auf stationäre Sensorik oder menschliche Wartungstechniker setzt. Stationäre Sensorik weist wesentliche Nachteile und Einschränkungen in Bezug auf Skalierbarkeit, Flexibilität, Anpassungsfähigkeit, Kosteneffizienz und Multifunktionalität auf. Menschliche Wartungstechniker sind nicht nur kostenintensiv, sondern führen hohem Zeitbedarf und Einschränkungen in Bezug auf die Arten erkennbarer Anomalien. Daneben sind Produktionsanlagen wie Druckereien aufgrund der Umgebungsbedingungen (z.B. Lärmpegel) für Wartungstechniker nicht dauerhaft geeignet. WISES entwickelt ein mobiles, KI-basiertes Sensorsystem zur Erkennung von Anomalien wie Leckagen in Industrieanlagen. Autonome Sensorroboter (AGVs) erfassen Wärme-, Schall- und Vibrationsdaten und werten diese in Echtzeit aus. Es steigert die Verfügbarkeit der Maschinen und trägt zur Einsparung von Energie bei.

Schwerpunkte des Projekts

• Entwicklung eines agenten-geführten, mobilen Sensorsystems (AGV) für die multimodale Erfassung und Analyse industrieller Zustände.
• Echtzeiterkennung von Anomalien durch kombinierte Auswertung von Wärme-, Schall-, Vibrations- und Bilddaten.
• Nutzung von Large Language Models (LLMs) zur Ableitung kontextsensitiver Handlungsempfehlungen für Wartungstechniker.
• Aufbau einer Rückkopplungsschleife zwischen Sensorik, Analyse und Handlungsempfehlung zur kontinuierlichen Verbesserung der Wartung.