Edge Computing: Edge Audio Analytics für prädiktive Instandhaltung
"Das Ohr am Wasser" - Energiewirtschaft
Edge Computing und prädiktive Instandhaltung mit Hilfe von KI ermöglichen eine effiziente und frühzeitige Anomalieerkennung zur Optimierung der Maschinenwartung in der Industrie. Dieser Anwendungsfall zeigt, wie Edge Computing und Audio-Analysen zur prädiktiven Instandhaltung von Maschinen genutzt werden können.
Challenge: Effiziente Zustandsüberwachung von Wasserkraftanlagen mit Edge Computing
Wasserkraftanlagen haben eine erwartete Lebensdauer von mehreren Jahrzehnten, während derer sie nur einfache Instandhaltung brauchen. Nichtsdestotrotz sind bestimmte Bauteile fehleranfällig und können das Aus für die Anlage bedeuten, noch vor dem Ende ihrer erwarteten Lebensdauer. Da diese Bauteile und Maschinen der Anlagen Einzelanfertigungen sind, kann es Jahre dauern, um wichtige Schlüsselkomponenten zu ersetzen. Deshalb ist die Zustandsüberwachung der Maschinen entscheidend. Da das Nachrüsten von Sensoren zeitaufwendig ist und mögliche regulatorische Hürden mit sich bringt, war unser Kunde darauf bedacht, nicht-invasive Alternativen für das Überwachen seiner Maschinen mit Edge Computing zu verwenden.
Approach: Nicht-invasive akustische Prozessüberwachung durch Edge Computing
Wir entwickelten ein nicht-invasives Überwachungssystem basierend auf den Geräuschen der Maschinen. Die Klanganalyse ist in der manuellen Diagnose von Fehlern bewährt. Unser System, das wir als „digitale Ohren“ bezeichnen, wurde darauf trainiert, Maschinengeräusche zu analysieren, ähnlich wie es eine erfahrene Fachkraft tun würde. Dies ermöglicht eine vorausschauende Wartung mit Hilfe von KI und optimiert den Anomalieerkennungsprozess durch Edge Computing-Technologien.
Impact: Effiziente Prädiktive Instandhaltung durch Edge Audio Analytics und Edge Computing
Unser entwickeltes Edge Audio Analytics System ist nicht-invasiv und einfach zu installieren. Die Edge-Computer sind mit einem cloud-agnostischen oder On-Premises Kontrollsystem verbunden, was ein hochskalierbares und flexibles Setup ermöglicht. Ein robustes Konzept basierend auf einem Knowledge Graph garantiert Datenkonsistenz und verbessert die Skalierbarkeit des Systems. Die KI-Modelle wurden so entwickelt, dass sie mit minimalem Re-Training an anderen Standorten mit ähnlichen Audiocharakteristiken eingesetzt werden können.
Da das System auf dem Edge läuft, werden die Daten, die in die Cloud geladen werden, auf ein Minimum reduziert (98% Reduktion). Zusätzlich bietet das System wertvolle Einblicke in Anlagen, die remote sind oder nur sporadischen Internetzugang haben. Das Überwachungssystem ist universell einsetzbar und funktioniert gut mit anderen Maschinen wie Ventilatoren, Rolltreppen, Pumpen sowie anderen geräuschintensiven Geräten.
Durch die Integration von Edge Computing setzen wir neue Maßstäbe in der prädiktiven Instandhaltung und der Anomalieerkennung in Industrieanlagen.