Zertifizierung nach DIN EN ISO 9001%3A2008
Condition Monitoring

Die steigende Automatisierung, Digitalisierung und Vernetzung von Maschinen im Zuge von Industrie 4.0 bedingt intelligente Überwachungssysteme, um die gesamte Wertschöpfungskette in Echtzeit steuern und optimieren zu können. Die Basis hierfür bilden Sensornetzwerke und maßgeschneiderte Algorithmen zur Klassifikation von Ereignissen sowie der Erkennung von Trends. Je nach Ziel der Zustandsüberwachung wird unterschieden zwischen:

 

  • Strukturüberwachung (Structure-Health-Monitoring – SHM) und
    Zerstörungsfreie Prüfung (Non-destructive Testing – NDT)
    • Ziel: Identifikation von Strukturschäden
    • Erkennung, Lokalisierung und Klassifizierung von inneren (unsichtbaren) Schädigungen

 

  • Maschinenüberwachung
    • Ziel: Sicherheit und Funktionalität der Maschine/Anlage
    • Überwachung der Maschinenstruktur
    • Verschleiß/Schäden erkennen, z.B. durch Trendanalysen
    • Vermeidung von Ausfällen durch frühzeitige Diagnose („Predictive Maintenance“)

 

  • Prozessüberwachung
    • Ziel: Steigerung der Prozessqualität und Maschineneffizienz
    • Analyse von Prozessänderungen
    • Detektion von Prozessstörungen in Echtzeit
    • Online-Qualitätsüberwachung der Bauteile

 

Dabei lassen sich viele Ereignisse und Zustände nur über sekundäre Effekte, wie Körperschall oder die Kombination verschiedener Messgrößen (multisensorische Zustandsüberwachung) erfassen und bewerten. Neben der Implementierung und gezielten Platzierung der Sensorik stellt die Analyse und Auswertung der großen Datenmengen eine der bedeutendsten Herausforderungen unserer Zeit dar. Besonderen Wert legt die AMITRONICS auf das Pre-Processing und Feature-Extraction der Sensordaten, um einfache, robuste und physikalisch interpretierbare Algorithmen und Modelle abzuleiten. Bei der Wahl und Generierung jener anwendungsspezifischen Features hilft uns die langjährige Erfahrung im Bereich der Strukturdynamik und Akustik.

 

Gerne unterstützt die AMITRONICS Sie bei allen Aspekten des Condition Monitorings:

 

  • Konzeption, Auswahl und Platzierung der Sensorik
  • Messdatenerfassung
  • Pre-Processing
  • Feature-Extraction
  • Datenanalyse
    • Maschinelles Lernen
    • Klangmusteranalysen (Pattern Recognition)
    • Neuronale Netze und Deep Learning
  • Auswertung und Darstellung der Ergebnisse
  • Externe Kommunikation z.B. mit der Maschinensteuerung

 

Bisherige Anwendungen / Expertise:


  • Strukturüberwachung an Flugzeugleichtbaustrukturen
  • Mobiles Strukturüberwachungssystem für CFK-Strukturen mittels Lambwellen
  • Prozessüberwachung und Prozessoptimierung von Werkzeugmaschinen (z.B. Selective Laser Melting Anlagen)
  • Maschinenüberwachung, Trendanalyse und Predictive Maintenance
  • Zerstörungsfreie Prüfung (z.B. von Elektronikbaugruppen)
Lamb-Wellen - CFK-Struktur ohne Schaden
Lamb-Wellen - CFK-Struktur mit Schaden
Signalanalyse und maschinelles Lernen
Pre-Processing und Klangmusteranalyse am Beispiel eines Sinterprozesses
Feature-Extraction – Scatterplot und Klassifikation
Feature-Extraction – Statistik
Dimensionsreduzierung des Feature-Raums mittels Korrelationsfunktionen