KI-Identifikationsgeräte in der Gesundheitsüberwachung durch Erkennung von Betriebsgeräuschen

Überwachung des Gerätezustands durch Vibrations- und Schalldetektion

Jeder, der mit der Bedeutung der Gerätewartung vertraut ist, versteht die Relevanz der von Geräten abgegebenen Geräusche und Vibrationen. Eine ordnungsgemäße Überwachung des Gerätezustands durch Klang- und Vibrationsanalyse kann die Wartungskosten halbieren und die Lebensdauer verdoppeln. Echtzeit-Akustikdaten und -Analysen stellen eine weitere entscheidende Methode des zustandsbasierten Monitorings (CbM) dar.

Zunächst ist es wichtig, die normalen Geräusche zu verstehen, die das Gerät von sich gibt. Wenn es zu einer Abweichung im Klang kommt, deutet dies auf eine potenzielle Anomalie hin, die ein Problem signalisiert. Die Verbindung bestimmter Geräusche mit spezifischen Problemen auf diese Weise ist entscheidend für eine effektive Überwachung.

Das Identifizieren von Anomalien kann mehrere Minuten Training erfordern, doch das Zusammenführen von Klang, Vibration und Ursachen für Diagnosen kann deutlich länger dauern. Erfahrene Techniker und Ingenieure verfügen möglicherweise über dieses Wissen, sind jedoch begrenzte Ressourcen. Probleme allein anhand von Geräuschen zu erkennen, kann äußerst schwierig sein. Selbst mit Aufnahmen, Beschreibungsrahmen oder Experten-Schulungen bleibt es eine Herausforderung, solche spezialisierten Fähigkeiten zu erwerben.

Verstehen der menschlichen Neurowissenschaften zur Entwicklung computerbasierter auditorischer Fähigkeiten

In den vergangenen 20 Jahren hat das Team von ADI sich darauf spezialisiert, zu verstehen, wie Menschen Geräusche und Vibrationen interpretieren. Das Ziel von ADI ist es, ein System zu entwickeln, das aus den Geräuschen und Vibrationen von Geräten lernen kann, deren Bedeutungen entschlüsselt, um Anomalien zu erkennen und Diagnosen durchzuführen.

ADI hat die OtoSense-Architektur eingeführt, ein System zur Überwachung des Gerätezustands, das computergestütztes Hören unterstützt und es Computern ermöglicht, zentrale Indikatoren für das Verhalten von Geräten – Klang und Vibration – zu verstehen. Dieses System ist für jede Maschine anwendbar, arbeitet in Echtzeit und erfordert keine Netzwerkverbindung. Es wurde in industriellen Umgebungen eingesetzt und unterstützt die Implementierung eines skalierbaren und effizienten Systems zur Überwachung des Maschinenzustands.

Das Designkonzept von OtoSense ist von der menschlichen Neurowissenschaft inspiriert, bei der Menschen in der Lage sind, jede Art von Geräusch, die sie hören, auf sehr effiziente Weise zu lernen und zu verstehen. Menschen können sowohl statische als auch vorübergehende Geräusche lernen, was eine kontinuierliche Anpassung der Funktionalität und eine laufende Überwachung erfordert. OtoSense führt die Erkennung am Rand direkt in der Nähe des Sensors durch, wodurch die Notwendigkeit entfällt, Entscheidungen über eine Netzwerkverbindung mit entfernten Servern zu treffen. Es ermöglicht zudem Interaktionen und das Lernen mit Experten.

Vergleich und Analyse zwischen dem menschlichen Hörsystem und OtoSense

Das Gehör ist ein Sinn, der für das Überleben des Menschen entscheidend ist. Es ermöglicht eine ganzheitliche Wahrnehmung von fernen, nicht sichtbaren Ereignissen und entwickelt sich bereits vor der Geburt. Der menschliche Prozess der Klangwahrnehmung kann durch vier bekannte Schritte beschrieben werden: die analoge Erfassung des Klangs, die Digitalisierung, die Merkmalsextraktion und die Interpretation. Bei jedem Schritt vergleichen wir das menschliche Ohr mit dem OtoSense-System.

Die analoge Erfassung und Digitalisierung des menschlichen Hörens sind entscheidende Prozesse. Zunächst wird der Schall vom Trommelfell und den drei Gehörknöchelchen im Mittelohr unter Anwendung des Hebelprinzips aufgenommen. Anschließend wird die Impedanz angepasst, um die Vibrationen auf den flüssigkeitsgefüllten Kanal zu übertragen, wo eine weitere Schicht des Trommelfells selektiv anhand der im Signal vorhandenen Spektralkomponenten schwingt. Dadurch werden flexible Zellen gebogen, die digitale Signale aussenden, welche den Grad und die Intensität der Biegung widerspiegeln. Diese einzelnen Signale werden dann über parallele neuronale Bahnen, die nach Frequenzen angeordnet sind, an den primären auditorischen Cortex übertragen.

In OtoSense wird diese Aufgabe von Sensoren, Verstärkern und Codecs ausgeführt. Der Digitalisierungsprozess verwendet eine feste Abtastrate, die zwischen 250 Hz und 196 kHz einstellbar ist. Die Wellenform wird mit 16 Bit codiert und anschließend in einem Puffer mit einer Größe von 128 bis 4096 gespeichert.

Die Merkmalsextraktion im Bereich des Hörens erfolgt im Primärkortex und umfasst sowohl Eigenschaften im Frequenzbereich wie dominante Frequenzen, Harmonizität und spektrale Form, als auch Eigenschaften im Zeitbereich wie Impulse, Intensitätsschwankungen und primäre Frequenzkomponenten innerhalb eines Zeitfensters von etwa 3 Sekunden.

OtoSense nutzt ein Zeitfenster, das von ADI als „Chunk“ bezeichnet wird und sich mit einer festen Schrittgröße bewegt. Die Größe und der Schrittbereich dieses Chunks werden von den zu identifizierenden Ereignissen und der Abtastrate für die Merkmalserkennung am Rand bestimmt und reichen von 23 Millisekunden bis zu 3 Sekunden.

Die Analyse des Hörens erfolgt im assoziativen Kortex, der alle Wahrnehmungen und Erinnerungen integriert und den Klängen (z. B. durch Sprache) Bedeutung verleiht, wobei er eine zentrale Rolle bei der Gestaltung von Wahrnehmungen spielt. Der analytische Prozess organisiert unsere Beschreibungen von Ereignissen und geht weit über das bloße Benennen hinaus. Das Benennen eines Projekts, eines Klangs oder eines Ereignisses erlaubt es uns, ihm eine größere und tiefere Bedeutung zu verleihen. Für Experten ermöglichen Namen und Bedeutungen ein besseres Verständnis ihrer Umgebung.

Aus diesem Grund beginnt die Interaktion von OtoSense mit Menschen mit einer neurologisch basierten, visuellen und unbeaufsichtigten Klangzuordnung. OtoSense verwendet grafische Darstellungen aller gehörten Geräusche oder Vibrationen und ordnet sie nach Ähnlichkeit, ohne dabei starre Kategorien zu erstellen. Dies ermöglicht es Experten, Gruppen auf dem Bildschirm zu organisieren und zu benennen, ohne künstlich abgegrenzte Kategorien zu schaffen. Sie können semantische Karten basierend auf ihrem eigenen Wissen, ihren Wahrnehmungen und Erwartungen für das Endergebnis von OtoSense erstellen.

Für dieselbe Klanglandschaft können Kfz-Mechaniker, Luft- und Raumfahrtingenieure oder Fachleute für Kaltumformungspressen, selbst diejenigen, die im selben Bereich, jedoch in unterschiedlichen Unternehmen forschen, sie auf unterschiedliche Weise kategorisieren, organisieren und beschreiben. OtoSense verwendet denselben „Bottom-up“-Ansatz zur Bedeutungszuweisung, ähnlich wie beim Formen sprachlicher Bedeutungen.

Die ursprüngliche Absicht hinter dem Design von OtoSense besteht darin, von mehreren Experten zu lernen und im Laufe der Zeit immer komplexere Diagnosen durchzuführen. Ein üblicher Prozess umfasst eine Schleife zwischen OtoSense und Experten, bei der Anomalie-Modelle und Ereigniserkennungsmodelle am Edge ausgeführt werden. Diese Modelle liefern Ausgaben für die Wahrscheinlichkeiten potenzieller Ereignisse und deren Anomalien.

Anomalien im Klang oder in der Vibration, die über festgelegte Schwellenwerte hinausgehen, lösen Anomalie-Benachrichtigungen aus. Techniker und Ingenieure, die OtoSense verwenden, können dann den Klang und die dazugehörigen Informationen untersuchen. Anschließend kennzeichnen diese Experten das Anomalieereignis, berechnen neue Erkennungsmodelle und Anomalie-Modelle, die diese neuen Informationen beinhalten, und übertragen sie an die Edge-Geräte.

Intelligente Motorüberwachungssensoren zur Unterstützung der vorausschauenden Wartung von Elektromotoren

Das ADI OtoSense Smart Motor Monitoring Sensor ist ein Beispiel für eine KI-basierte, umfassende Hardware- und Softwarelösung zur Überwachung von Geräten basierend auf Motorzuständen. Dieses System erfordert keine manuelle Expertensanalyse, unterstützt die Erkennung von neun Arten mechanischer und elektrischer Fehler, benötigt keine Kabel oder spezialisierte Gateways und ermöglicht eine schnelle Implementierung.

Der ADI OtoSense Smart-Motorsensor überwacht den Betrieb von Elektromotoren durch die Kombination von erstklassiger Sensortechnologie und fortschrittlicher Datenanalyse. Er erkennt Anomalien und Defekte in Geräten, sodass Sie Wartungszyklen vorhersagen und unerwartete Stillstandszeiten vermeiden können.

Der ADI OtoSense Smart-Motorsensor deckt die wichtigsten Diagnosen ab und übersetzt Daten in spezifische betriebliche Anweisungen oder Empfehlungen. Er ermöglicht eine 24/7-Überwachung von dreiphasigen asynchronen Niederspannungs-AC-Motoren. Er stellt Informationen übersichtlich dar, informiert Sie über die Art des Problems und wie es behoben werden kann.

Der ADI OtoSense Smart-Motor-Sensor bietet ein Überwachungs-Dashboard, das detaillierte Informationen über den Zustand jedes Motors visualisiert und so das umfassende Verständnis von Diagnose und Fehlererkennung der Maschinenzustände unterstützt. Er ermöglicht zudem die Nutzung mobiler Anwendungen, sodass Benutzer den Smart-Motor-Überwachungssensor einfach einrichten, Zugriff auf Einsatzdaten erhalten und Benachrichtigungen sowie Warnmeldungen zu wichtigen Ereignissen innerhalb der Anwendung über PCs und Smartphone-Apps empfangen können.

Der ADI OtoSense Smart Motor Monitoring Sensor nutzt leistungsstarke hardware- und softwarebasierte Zustandsüberwachung, um Produktionsumgebungen zu optimieren, das Auftreten von Ausfällen zu reduzieren und Vorteile wie geringere Wartungskosten für Anlagen, längere Lebensdauern der Geräte und höhere Betriebszeiten zu erzielen.

Durch die Unterstützung von Echtzeitüberwachung kann der ADI OtoSense intelligente Motorüberwachungssensor Geräte häufiger überwachen, um zu verstehen, wann mechanische und elektrische Fehler auftreten und wie diese Probleme den Produktionsprozess beeinflussen. Er erstellt außerdem ein einzigartiges Modell für jeden Motor, um konsistente Optimierungsdiagnosen im Prozess bereitzustellen. Die von dem intelligenten Motorüberwachungssensor bereitgestellten Informationen können verwendet werden, um Probleme zu diagnostizieren und deren Schweregrad zu bestimmen, sodass Wartungsteams spezifische Wartungsmaßnahmen ergreifen können. Durch die kontinuierliche Überwachung der Motorleistung und des Gesundheitszustands kann eine bessere Sichtbarkeit der Wartungs- und Ersatzteilanforderungen erreicht werden, wodurch klar wird, was bestellt werden muss und wann es bestellt werden sollte, und somit die Lagerkosten reduziert werden.

Der ADI OtoSense Smart-Motorsensor ist die genaueste Lösung auf dem Markt für die Erfassung und Interpretation von Maschinendaten. Er kann Fehler im Stromversorgungssystem, den Statorwicklungen, dem Rotor, der Wellenbalance des Motors, der Exzentrizität, den Lagern, der Wellenausrichtung, dem Kühlsystem und einem weichen/losen Fuß sowie viele weitere erkennen. Darüber hinaus liefert er umfassende Leistungskennzahlen, die auf potenzielle systemische Probleme hinweisen, die aus verschiedenen Faktoren wie Lastwechseln oder Änderungen im Betriebsprozess resultieren könnten.

Die Implementierung des ADI OtoSense Smart Motor Sensors ist ziemlich unkompliziert und ermöglicht eine 24/7-Zustandsüberwachung. Zunächst kann das Setup mithilfe der iOS/Android-Anwendung durchgeführt werden, um den Sensor zu konfigurieren. In der Regel dauert der Konfigurationsprozess nur wenige Minuten und kann sogar durchgeführt werden, während der Motor noch läuft. Nach der Einrichtung beginnt der Lernprozess, sobald der Sensor am Motor installiert und kalibriert ist. Lassen Sie den Sensor einfach unter normalen Betriebsbedingungen laufen, um das Lernen zu erleichtern. Im Falle von Anomalien können Echtzeit-Benachrichtigungen empfangen werden, die über die mobile Anwendung oder das Dashboard angezeigt werden können, um Motorausfälle zu vermeiden.

Fazit

Die OtoSense-Technologie von ADI wurde entwickelt, um Fachwissen über Geräusche und Vibrationen jederzeit direkt auf jedem Gerät verfügbar zu machen, ohne dass eine Netzwerkverbindung für die Anomalieerkennung und Ereigniserkennung erforderlich ist. In Anwendungen der Luft- und Raumfahrt, Automobilindustrie und industriellen Überwachung wird diese Technologie zunehmend zur Überwachung des Gerätezustands eingesetzt. Dies zeigt, dass die Technologie in Szenarien, die zuvor Fachwissen erforderten und eingebettete Anwendungen betrafen, insbesondere bei komplexen Geräten, sehr gut funktioniert. Sie hat Anerkennung und Vertrauen von Branchenexperten erhalten und wird als ausgezeichnetes Werkzeug für die Überwachung des Gerätezustands angesehen.