Suchen

Kognitive Sensoren

Horch mal, was da klappert: Wie Geräuscherkennung die Instandhaltung revolutioniert

| Autor/ Redakteur: Johannes Kortmann* / Anke Geipel-Kern

Wer sich mit Indus­trieanlagen gut auskennt, hört sofort, wenn etwas anders als normal läuft. Dieser einfache Grundsatz war die Ausgangsbasis für die Entwicklung von „Cognitive Sensor“. Die digitale Technik unterstützt Anlagenbetreiber und Instandhaltungsexperten, Störungen und Instandhaltungsbedarf zu erkennen. Bilfinger hat eine Lösung entwickelt, mit der sich Reparaturbedarf anhand des Klangbilds einer Maschine diagnostizieren lässt.

Firmen zum Thema

Cognitive Sensor von Bilfinger soll anhand individueller Klangbilder einer Maschine frühzeitig deren Reparaturbedarf diagnostizieren.
Cognitive Sensor von Bilfinger soll anhand individueller Klangbilder einer Maschine frühzeitig deren Reparaturbedarf diagnostizieren.
(Bild: Bilfinger)

Die geschulten Sinne der Mitarbeiter bei der Instandhaltung und Fehlerdiagnose in Industrieanlagen spielen eine wichtige Rolle. Bilfinger als Industriedienstleister ist sich dessen bewusst und will sein Erfahrungswissen mit Cognitive Sensor dauerhaft nutzbar machen. Kernstück ist ein umfangreicher Datenbestand von Geräuschen, die mit einem konkreten Anlagenzustand korrespondieren – vom Normalbetrieb über Kavitation bis zum spezifischen Klang eines Lagerschadens.

Mithilfe eines Mikrofons, das mit einem Edge Device verbunden ist, lassen sich die realen Geräusche in einem Betrieb mit diesem Datenbestand abgleichen und zielgerichtet Maßnahmen einleiten. Das gelingt deutlich kostengünstiger als durch eine aufwändige Infrastruktur von Sensoren.

Die Ursprungsidee der digitalen Lösungsstrategie besteht darin, die Sinne des Mitarbeiters auch dann nutzbar zu machen, wenn dieser selbst nicht vor Ort ist. So kann frühzeitig und planvoll reagiert werden, wenn eine Maschine hörbar anzeigt, dass sie nicht mehr im Normalbetrieb läuft.

Der Normalzustand einer Pumpe klingt anders

Um ein entsprechendes Diagnosemodell erfolgreich zu entwickeln und in der Praxis zu implementieren, macht sich existierendes Know-how im Bereich Mainte­nance und Industriedienstleistungen bezahlt. Bilfinger verfügt über jahrzehntelange Expertise im Segment Instandhaltungsservices und Prob­lemdiagnose an Anlagen. Mit dem Sammeln akustischer Daten auf Instandhaltungsrundgängen hat der Industriedienstleister eine Möglichkeit geschaffen, seinen Kunden Informationen über den Betriebszustand an die Hand zu geben, auf die er ansonsten oft noch keinen Zugriff hätte.

Das Funktionsprinzip des Sensors gliedert sich in zwei Phasen: In der ersten gilt es, das Normalgeräusch einer Anlage zu bestimmen. Die Aufnahmen der Maschine im Normalzustand werden anschließend verwendet, um die digitalen Modelle zu verbessern.

Die Unterscheidung von Normalbetrieb und außergewöhnlichen Betriebsmodi bildet die zentrale Basis, um bei Bedarf weitere Maßnahmen der Fehlerdetektion einzuleiten.

In der zweiten Phase fließen alle vom Normalen abweichenden Zustände in ein zweites Modell ein, in dem vortrainierte Geräuschtypen angezeigt werden. So lässt sich eine Typisierung kundenspezifischer Modelle erzeugen – beispielsweise der Klang eines Lagerschadens oder die verminderte Betriebsleistung einer Pumpe.

Vom Geräusch zum technischen Prinzip

Im Gegensatz zu bis dato gängiger Sensortechnik lässt sich die Sensorik individuell anpassen. Zumeist sind marktübliche Standardlösungen auf die Funktionsweise eines ganz bestimmten Anwendungsfalls zugeschnitten.

Bei Veränderungen am Prozess und der Anlage werden dadurch allerdings der Kauf zusätzlicher Sensorik oder aber der Einbau eines komplett neuen Sensors erforderlich. Demgegenüber punktet das System von Bilfinger damit, dass es komplexe Prozessabläufe aufnehmen und eine Diagnose anhand von Geräuschen vornehmen kann.

Dadurch fällt die Investition in verschiedene Sensoren weg – mit dem doppelten Effekt, dass eine Kostenersparnis erzielt wird und sich die Lösung zugleich individuell auf spezielle Herausforderungen des jeweiligen Kunden zuschneiden lässt.

Die Prozessabläufe selbst bleiben davon unberührt: Der Sensor wird ohne Unterbrechung der Produktion oder Eingriff in das Leitsystem eingesetzt und schafft unverzüglich Mehrwert. Da sich die Sensoren individuell trainieren lassen und das Volumen gesammelter Daten deutlich größer ist als bei gängiger Sensorhardware, entsteht somit ein Lerneffekt, der in einen fortlaufenden Lernprozess mündet.

Geräuscherkennung als visuelles Verfahren

Beim Blick auf die Hardware fällt auf, wie einfach die Konfiguration der Komponenten ist. Um aus der vollen Funktionalität zu schöpfen, bedarf es eines Mikrofons, das im ersten Schritt die Aufnahmen macht. Im zweiten Schritt wird ein Edge Device benötigt, auf dem die Softwaremodelle lokal laufen. Der Vorteil daran: Es gibt in diesem Konzept keinerlei Datenfluss in der Cloud – ein Aspekt, der insbesondere für Unternehmen entscheidend ist, die den hohen Wert ihrer Datenbestände erkannt haben und beim Thema Sicherheit keine Kompromisse eingehen möchten. Denn das einzige, was von der Hardware ausgespielt wird, ist das Signal über den Zustand der Anlage.

Bei der Geräuscherkennung, die dem Verfahren zugrunde liegt, steht technisch betrachtet nicht das Geräusch im Vordergrund, sondern eine Form von Bilderkennung, die beispielsweise auch bei einer bei Smartphone-Nutzern populären App zum Erkennen von Musikstücken zum Einsatz kommt. Die aufgenommenen Audioschnipsel werden digital umgewandelt in Spektrogramme, die letztlich miteinander verglichen werden – der Einsatz einer bewährten Technologie in einem komplett neuen Umfeld. Kernfrage dabei: Zu welchen der trainierten Bilder passen die Bilder, die aus den aktuellen Aufnahmen in der Anlage generiert wurden?

Praktische Umsetzung beim Kunden

Wie effektiv dieser Machine-Learn­ing-Ansatz in der Praxis funktioniert, zeigt ein Pilotprojekt von Bilfinger mit Münzing Chemie. Einen Schwerpunkt der Entwicklungsarbeit bildet das Thema Kavitation. Der damit verbundene Abrieb tritt vermehrt dann auf, wenn es zu unterschiedlichen Fließgeschwindigkeiten kommt, die sich abrupt ändern. Vor allem bei Pumpenventilen kann dies zu Undichtigkeiten führen und in der Folge zu einer Minderung der Produktqualität durch Fremdkörper – ein Phänomen, das gerade in Chemieanlagen häufig auftritt. Die Detektion der entsprechenden spezifischen Geräusche mithilfe der digitalen Technik wird in den Anlagen des deutschen Herstellers von Spezialadditiven weiterentwickelt.

Und wie könnte es weitergehen?

Mit Geräuschen ging es los. Doch bei der Frage, ob sich die Technologie in Zukunft für weitere Anwendungsfelder adaptieren lässt, kommt ihrer Basis in der Bild­erkennung große Bedeutung zu. Denn letztendlich können mithilfe des Cognitive-Sensor-Ansatzes potenziell alle Darstellungsformen analysiert werden, die auf visueller Wahrnehmbarkeit beruhen. Ein entscheidender Pluspunkt der Technologie: Die Datenarchitektur, die Bilfinger aufgebaut hat, ist universell einsetzbar.

Mit direktem Bezug zum Sinnesapparat des Menschen ist es demnach sogar denkbar, dass in Zukunft eine Kombination aus auditiven und optischen Daten von dem Modell abgebildet und verarbeitet werden kann. Ziel ist es, die menschlichen Sinne mit Cognitive Sensor auch dann nutzbar zu machen, wenn keine Mitarbeiter vor Ort sind, um auf diese Weise frühzeitig Störungen und Instandhaltungsbedarf zu erkennen. Mit diesem Werkzeug lässt sich dann auch Erfahrungswissen der Mitarbeiter nutzen und konservieren.

* * Der Autor ist Project Manager Digitalization bei Bilfinger Digital Next GmbH, Heidelberg. E-Mail: digitalfrontrunner@bilfinger.com

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45907138)