Optimierung der Ener­gieeffizienz und Wartung mittels Sensorik und Künst­licher Intelligenz

Einerseits ist Energie derzeit im Ver­gleich zur Vergangenheit preis­inten­siv, andererseits ist die Be­schaf­fung von unternehmens­re­levanten Kom­po­nen­ten auf­grund der welt­wei­ten Liefer­ketten­schwierig­keiten pro­b­le­­ma­­tisch.

Es ist daher wichtig, E­ner­gie zu spa­ren, sie optimal zu nutz­en und dem Aus­fall von Maschinen und Anlagen vorzubeugen.

Mit der Sensorplattform „sUSe“ stellt das IMMS Institut für Mikro elek tro – nik- und Mechatronik-Systeme gemeinnützige GmbH (IM­MS GmbH) eine Lösung speziell für den Druckluftbereich vor. Ziel ist es, Un­dichtig­keiten in Druck­luft­systemen und Wartungsstaus zu erkennen und zu beheben.

In Kooperation mit den Sensorik-Partnern SONO­TEC GmbH (Ultraschallsensoren) und der Postberg+Co.GmbH (Volumenstromsen­soren) wur­de am IM­MS mit sUSe eine automatisier- und skalier­bare Lösung für diese Problemstellung entwickelt. Das sUSe-System kann in bes­tehen­den Um­gebung­en nachgerüstet werden, um sie zu überwachen, die Energieeffizienz zu ver­bes­sern und damit letztlich auch CO2-Emissionen einzusparen.

Hardwareseitig besteht das System aus der Plattform selbst und mehreren, über ein Druckluftsystem verteilten, vernetzten und fest installierbaren Ultraschall- und Volumenstrom-Sensoren. Die Volumen­strom­sensoren messen die Menge an durchfließender Druckluft an unter­schied­lichen Stellen. Diese wird software­seitig zu jener Menge in Beziehung gesetzt, die in das Druckluftsystem eingespeist wird. Die Ultraschallsensoren orten Leckagen akustisch und bewerten deren Verlust. Diese Daten werden dann fusioniert und digital verarbeitet.

KI zur Zustandsüberwachung und vor­aus­schauenden Wartung

Da Druckluft für viele Anwendungen an wechseln­den Stellen in unterschiedlicher Menge zugeführt wird, müssen die sUSe-Plattform und alle zugehörigen Sensoren zeit­syn­chron ar­bei­ten. Die Notwendigkeit der anschließenden prozess­nahen Ver­ar­bei­tung mit Algorithmen (Edge-KI) ergibt sich aus den hohen Datenraten der Sensoren. In den einzelnen Druck­luft­ver­teil­systemen erfolgt eine Verarbeitung unter­schied­licher Sensor-, Maschinen- und An­lagen­daten mit dem Ziel, Anomalien zu de­tek­tieren und zu bewerten, Trends zu erkennen und Prognosen zum War­tungsbedarf unter Nutzung von KI- und speziell von Machine-Learning (ML)-Methoden zu erstellen. Erst die Daten­aus­wer­tung und – im Idealfall – die visuelle Er­geb­nis­darstellung er­mög­lichen dies.

Maschinen und Anlagen sollten in ihrem Zustand überwacht werden, um Produktions­ausfälle zu vermeiden. Beispielsweise können bei Druck­luft­kom­pressoren unterschiedliche Sensor- und Steuerungsdaten der jeweiligen Anlage im lau­fen­den Prozess Aufschluss über Ab­wei­chungen, Fehler und absehbare Wartungs­bedarfe an unterschiedlichsten Bauteilen des Kompressors geben, die sonst erst bei einem Ausfall bemerkt worden wären. Die Daten­auswertung per Algo­rithmen ermöglicht einer­seits eine Auto­ma­ti­sierung, andererseits durch die Analyse von Mus­tern und Trends auch Vor­hersagen.