KI-Predict: Schlaue Embedded-Sensoren für Industrie 4.0

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Tableau von Salesforce

Insider Research

Fraunhofer-Institut für Integrierte Schaltungen IIS

Per Inferenz sollen Sensoren Signale nicht nur digitalisieren, sondern gleich analysieren und Anomalien erkennen. Damit dies energieeffizient gelingt, entwickeln Partner im Projekt KI-Predict einen übergreifenden Ansatz für intelligente Prozess- und Zustandskontrollen.

Neue, schlanke KI-Software und darauf abgestimmte, integrierte Hardware sind Voraussetzungen für energieeffizientes, intelligentes Edge Computing – und damit für ein funktionierendes Industrial Internet of Things (IIoT), dass auch in zeitsensitiven Umgebungen Prozesskontrollaufgaben übernehmen kann, ohne auf Berechnungen aus der Cloud warten zu müssen. Im Rahmen des Forschungsprojekts „KI-Predict“ entwickelt das Fraunhofer-Institut für Integrierte Schaltungen IIS ein applikationsspezifischen IC (ASIC) als Sensor-Interface für eben diese Anforderungen. Die Arbeiten konzentrieren sich dabei auf die analoge Signalerfassung und digitale KI-basierte Signalverarbeitung von industriellen Sensoren. Der ASIC ist auf Sensoren für „Condition-Monitoring“ (Zustandsüberwachung) und Echtzeit-Prozesskontrolle abgestimmt und ermöglicht nach Aussagen des Instituts eine energieeffiziente „Feature-Extraktion“ (Merkmalerkennung) und Signalverarbeitung direkt am Sensor.

Insgesamt sieben Partner sind an dem Verbundforschungsprojekt beteiligt, das vom Bundesministerium für Bildung und Forschung (BMBF) mit insgesamt 2,86 Mio. Euro gefördert wird: Sensitec aus Lahnau; CANway technology aus Ostbevern, SNR Wälzlager aus Erkrath, Odion aus Saarbrücken, Fraunhofer-Institut für Integrierte Schaltungen IIS aus Erlangen, Universität des Saarlandes in Saarbrücken und die Gesellschaft für Fertigungstechnik und Entwicklung (GFE) Schmalkalden e. V. aus Schmalkalden. Hydac Electronic aus Saarbrücken koordiniert die Arbeiten an dem Projekt. Es ist Teil einer Initiative, mit der das BMBF aktiv in die Entwicklung neuer Elektroniksysteme investiert, die „signifikant zum Gelingen des Zukunftsprojekts Industrie 4.0 beitragen“ sollen.

DSPs und FPGAs zu teuer und stromhungrig für sensornahe KI-Berechnungen

Mikroelektronik, kombiniert mit Sensorik und eingebetteter Software, erfasst und verarbeitet Prozessdaten in Industrieanlagen. Dies ermöglicht eine weitreichende Digitalisierung von Produktionsprozessen und Betriebsabläufen, was die Grundlage von Industrie 4.0 ist. Mit der Zahl der Sensoren nimmt die von ihnen generierte Datenmenge enorm schnell zu. Der intelligenten, frühzeitigen Vorverarbeitung dieser Daten kommt daher eine zentrale Bedeutung zu. Dafür kommen mehr und mehr Methoden der KI zum Einsatz. Diese neue Qualität der Datenverarbeitung am Ort des Geschehens soll eine sichere dezentrale Analyse- und Prognosefähigkeit möglich machen – und letztlich eine neue Generation intelligenter, autonomer Produktionssysteme erschaffen.

Das Problem: Heute verfügbare Elektroniksysteme zur Datenerfassung und Signalverarbeitung sind für diesen Anwendungsbereich nicht optimiert, benötigen oft viel Energie und sind im Vergleich zu den zu überwachenden Komponenten auch teuer. Insbesondere digitale Signalprozessoren (DSP) oder programmierbare Logik wie Field Programmable Gate Arrays (FPGA), die für den Einsatz von universellen KI-Algorithmen geeignet sind, übersteigen den Preis, aber auch den Platzbedarf und das Energiebudget vieler heutiger in der Industrie 4.0 üblicher Sensoren, sodass ein Eins-zu-eins-Ersatz bestehender Sensorik zur Digitalisierung von Prozessen nicht funktioniert.

Ganzheitlicher Ansatz: Schlanke KI und dedizierte Embedded-Hardware

Das Projekt KI-Predict adressiert nach Aussagen der beteiligten Unternehmen und Einrichtungen genau dieses Problem mit einem ganzheitlichen Ansatz. Die Kombination neuer KI-Methoden mit darauf optimierter, integrierter Hardware ermöglicht demnach eine intelligente Prozessüberwachung mit direkter Signalverarbeitung und Feature-Extraktion am Ort des Geschehens – also dort, wo die analogen Signale in die digitale Domäne überführt werden. Diese intelligente Vorverarbeitung ermöglicht Analysen und Prognosen mit einer definierten, geringen Verzögerung. Nur ein Bruchteil der ursprünglich erzeugten Datenmenge gelangt in die übergeordnete Infrastrukturebene.

Das funktioniert aber nur, wenn die Hardware und Software in der Architektur eng miteinander verzahnt sind. Diese Architektur muss zum einen den Fokus auf sensornahe Datenfusion, Datenreduktion und Datenauswertung legen und zum anderen auch in der Lage sein, fehlerhafte Sensoren durch das Interpretieren von Anomalien zu erkennen. So werden im Projekt beispielsweise neben üblichen Funktionen wie dem digitalen Erfassen von Strom, Position, Vibration, Akustik, Druck, Kraft und Temperatur vor allem Funktionen für maschinelles Lernen (ML) bereitgestellt.

KI-Inferenz am Sensor und gewohnte industrielle Schnittstellen

Das nun vom Fraunhofer IIS im Rahmen von KI-Predict entwickelte Interface-ASIC soll in der Lage sein, energieeffizient Merkmale auch in hochfrequenten Sensorsignalen mithilfe von KI-basierter Signalverarbeitung zu erkennen und diese entweder auf Steuerungsebene als Basis für die Sensordatenfusion zur Verfügung zu stellen oder direkt für die Klassifikation, das Clustering oder die Anomalie-Detektion zu nutzen.

Die Entwickler betonen: Da auffällige Merkmale nah am jeweiligen Sensor aus dem Datenstrom gewinnen und aggregieren lassen, können Anwender gewohnte Industrieschnittstellen weiterverwenden. Dadurch könnten sie den Funktionsumfang ihrer Anlagen ohne zusätzliche Infrastrukturkosten erhöhen. Gleichzeitig sollen sich die identifizierten Merkmale auf höheren Ebenen der Prozesssteuerung beziehungsweise der ERP-Software mithilfe komplexerer KI- und ML-Methoden intensiver auswerten lassen. Dadurch ließe sich etwa die Produktqualität detailliert erfassen und Trends frühzeitig erkennen und verfolgen. Auf lange Sicht kann diese erweiterte Datenauswertung dazu dienen, die Betriebskosten einer Anlage zu senken. Hierbei ist die Hardware nicht an spezielle Anwendungsfälle angepasst und kann somit automatisiert an neue Anwendungsfälle angelernt werden.

Nach Ansicht der Projektpartner werden sich die entwickelten Lösungen neben den Leitanwendungen Lagerüberwachung, zerspanende Bearbeitung und Umformtechnik noch in vielen weiteren Bereichen einsetzen. Durch die Möglichkeit, die Lösung einfach an verschiedene Anwendungsszenarien adaptieren zu können , bestehe „das Potenzial einer flexiblen und breiten Einsatzfähigkeit autonomer KI-Systeme auf verschiedenen Ebenen einer Prozesskette, was eine hohe Skalierbarkeit des Systems“ ermögliche. Langfristig soll sich damit die Produktqualität vielfältiger Produktketten sichern lassen. Darüber hinaus erhofft man sich, mit den Entwicklungen auch die Konkurrenzfähigkeit Deutschlands stärken zu können.

Dieser Artikel stammt von unserem Partnerportal Elektronikpraxis.

(ID:46531560)