Edge-AI-Lösung für die vorausschauende Wartung von Industrieanlagen
Über den Kunden
Senzoro entwickelt KI-Systeme für industrielle Maschinen mit Schwerpunkt auf Instandhaltungslösungen. Das Unternehmen nutzt Sensordaten optimal zur Zustandsüberwachung. Zu den Kunden zählen Siemens, Voith und Windkraft Simonsfeld AG.
Die Herausforderung
Wälzlager gehören zu den häufigsten Ursachen für Ausfälle von Industrieanlagen. Senzoro wollte daher eine Lösung entwickeln, die den Zustand von Lagern in Industriemotoren in Echtzeit mittels Ultraschallsignalanalyse überwacht und bewertet. Obwohl das Unternehmen bereits über eigene KI-Algorithmen für diese Aufgabe verfügte, fehlte die Expertise im Bereich eingebetteter Systeme, insbesondere bei der Entwicklung von Edge-AI-Lösungen.
Der Kunde benötigte ein System, das:
Unser Beitrag
Die Lösung
Von Anfang an lag der Fokus darauf, Hardware zu identifizieren, die hochfrequente Ultraschallsignale mit der für eine präzise Diagnose erforderlichen Genauigkeit erfassen kann. Zunächst suchten wir nach der passenden Analog-Digital-Wandler-Platine (ADC). Diese war notwendig, damit der Algorithmus des Kunden Ultraschallsignale verarbeiten und in digitale Daten umwandeln kann.
Parallel dazu wählten wir geeignete Rechenplattformen aus, auf denen der KI-Algorithmus effizient am Edge ausgeführt werden kann. Zu den geprüften Optionen gehörten Raspberry Pi Zero und Jetson Nano. Beide wiesen jedoch entweder Leistungs- oder Kompatibilitätsprobleme auf, weshalb unsere Ingenieure sie ausschlossen. Die Wahl fiel schließlich auf den Raspberry Pi 4 - aufgrund des optimalen Gleichgewichts zwischen Leistung und Kosteneffizienz.
Um eine nahtlose KI-Verarbeitung sicherzustellen, entwickelten wir ein maßgeschneidertes Orchestrierungsskript. Dieses erfasst kurze Ultraschall-Audiosamples, übergibt sie zur Analyse an das Modell des Kunden und liest anschließend die Ergebnisse aus.
Nach der Hauptentwicklungsphase validierte unser Team, ob der Algorithmus zwischen normalem und fehlerhaftem Wälzlagergeräusch unterscheiden kann. Getestet mit simulierten sowie realen Ultraschallsignalen klassifizierte das System beide Zustände zuverlässig korrekt.
Als Ergebnis liefert das entwickelte Gerät eine unmittelbare Einschätzung der verbleibenden Nutzungsdauer (Remaining Useful Life, RUL) von Anlagen, sodass Wartungsteams rechtzeitig Maßnahmen ergreifen können, bevor es zu einem Ausfall kommt.
Die Herausforderung, die wir an Lemberg Solutions gestellt haben, war groß und umfasste ein komplexes Zusammenspiel verschiedener Disziplinen, die man in vielen Unternehmen nicht findet. Wir waren beeindruckt von der Kompetenz jedes einzelnen Teammitglieds. Das Team arbeitet sehr transparent und übernimmt gemeinsam die Verantwortung dafür, dass das gewünschte Produkt funktioniert.
So funktioniert es
