Fraunhofer-Institut für Keramische Technologien und Systeme IKTS
Advanced NDT
Komplexe Prüfaufgaben im Kontext von Industrie 4.0 liefern eine gewaltige Anzahl an Prozessdaten unterschiedlichen Ursprungs, die analysiert werden müssen. Mit geeigneten Ansätzen können aus vorhandenen oder dezidiert erfassten Parametern zahlreiche Zusatzinformationen gewonnen werden. Das Fraunhofer IKTS optimiert etablierte und neue ZfP-Verfahren, um Kunden gezielt Wege zur Nutzung dieser wertvollen Informationen aufzuzeigen.
Mustererkennung
Mit der Mustererkennung können Prüfobjekte anhand ihrer Messsignale klassifiziert werden, z. B. aktiv oder passiv gewonnene akustische Signale, Bilder oder andere Parameter wie Temperaturwerte. Das Augenmerk der Mustererkennung liegt darauf, diesen komplexen Daten eine Bedeutung zuzuordnen, z. B. »Das Zahnrad ist fehlerfrei« oder »Das Ventil hat 80 % seiner Lebenszeit erreicht«. Das Fraunhofer IKTS besitzt seit vielen Jahren umfangreiche Erfahrungen auf dem Gebiet der Mustererkennung. Die entwickelten Algorithmen wurden bereits in vielfältigen Anwendungen, u. a. im Maschinenbau sowie in der Automobil-, Glas-, Papier-, Textil- und Uhrenindustrie, erfolgreich erprobt und eingesetzt. Zusätzlich zur PC-basierten Lösung wurde ein autarkes und modulares Gerät für mobile Messungen entwickelt, an das sich verschiedene Sensoren oder Mikrofone anschließen lassen.
Technische Details
- Unabhängig von Prüfverfahren, Messprinzip und Art der verwendeten Sensoren
- Kombination verschiedener Sensordaten möglich
Anwendungsfelder
- Gut-/Schlechtanalysen
- Lebensdauervorhersagen
- Erkennung von Rissen, Einschlüssen und Einschlägen
- Verschleißmonitoring
- Zustandsüberwachung von Bauteilen, Maschinen und Anlagen
- Überwachung von Produktionsprozessen
Hardwaremodul zur Mustererkennung.
Robotergestützte Messungen und KI-basierte Datenauswertungen erweitern das Einsatzspektrum von ZfP-Verfahren.
Maschinelles Lernen
Maschinelles Lernen dient als Teilgebiet der künstlichen Intelligenz dazu, aus einer vorhandenen, meist umfangreichen Datenmenge zu lernen. Dieser Prozess erfolgt nicht durch »Auswendiglernen«, sondern durch das Erkennen von Mustern und Gesetzmäßigkeiten in bekannten Beispielen, den Trainingsdaten. Im Trainingsprozess werden dazu verallgemeinerte Modelle gebildet, mit denen neue ungesehene Daten klassifiziert werden können. Das Fraunhofer IKTS verwendet dafür spezielle Maschinenlernverfahren, wie Deep Learning zum Training tiefer neuronaler Netze (DNN), Expectation-Maximization-Algorithmus (EM) für Hidden-Markov-Modelle (HMM) oder konvexe Optimierung für Support-Vector-Machines (SVM). Eine besondere Trainingssoftware ermöglicht ein einfaches Lernen neuer Modelle, beispielsweise für weitere Serien des gleichen Bauteils oder vergleichbare Bauteile.
Leistungsangebot
- Erkenner- und Trainingssoftware
- Hardwaremodule
- Datenanalyse und -auswertungen
- Kundenspezifische Entwicklung von Gesamtsystemen
ZfP-Assistenzsysteme
Einen weiteren Schwerpunkt im Kontext von Industrie 4.0 stellen Assistenzsysteme dar, die den Menschen im Umgang mit Technik unterstützen sollen. Das Fraunhofer IKTS entwickelt hierfür eine kognitive Benutzerschnittstelle zur Steuerung von Prüfsystemen. Diese ermöglicht einen natürlichsprachlichen Dialog mit dem Prüfsystem. Somit benötigt der Prüfer weder Vorwissen, noch muss er Kommandos lernen. Sie passt sich selbstständig an die Arbeitsweise des Prüfers und an die Prüfaufgaben an. Darüber hinaus lernt sie das individuelle Nutzerverhalten und ist über verschiedene Kommunikationsmöglichkeiten (z. B. Sprache) steuerbar. Damit wird Prüfern bei einem erschwerten Zugang zum Prüfkörper oder unter komplizierten Umgebungsbedingungen (z. B. verstrahltes Umfeld) die Bedienung des Prüfgeräts erleichtert.
Die am Fraunhofer IKTS entwickelte kognitive Benutzerschnittstelle hat den Vorteil, dass sie autark ist. Sie benötigt weder Internetanbindung noch Funknetz. Zudem nutzt das Hardwaremodul keine Ressourcen des Prüfgeräts. Die Daten werden lediglich auf dem Gerät gehalten und nicht an externe Server oder eine Cloud von Drittanbietern übertragen, was absolute Datensicherheit gewährleistet. Damit ist es auch für vertrauenswürdige und lokale Anwendungen mit sensiblen Daten geeignet.
Technische Details
- Ohne Funknetzwerk- oder Internetverbindung einsetzbar
- Keine Übertragung der Nutzerspracheingaben an Server eines Drittanbieters
- Ermöglicht berührungslose (»hands and eyes free«) Kommunikation
Anwendungsfelder
Wartung, Reparatur und Betrieb (MRO) in:
- Technischen Großinfrastrukturen
- Luftfahrt
- Industrie- und Anlagentechnik
- Mensch-Maschine-Interaktion
- Steuerung von Geräten und Anlagen
Leistungsangebot
- Erkennersoftware
- Hardware
- Trainingssoftware
- Kundenspezifische Entwicklungen