Analyse von Industriegeräuschen

Wir haben KI-Algorithmen entwickelt, die Geräusche von Haushaltsgeräten analysieren, um deren Zustand mit über 97 % Genauigkeit zu überwachen. Dies ermöglicht den Einsatz interaktiver Anwendungen, um den Status von Haushaltsaktivitäten und -geräten zu verfolgen, was zu besserer Benutzerführung und höherer Kundenzufriedenheit führt.

• Überwachung der Betriebszustände von Haushaltsgeräten
• >97% Erkennungsgenauigkeit in jeder Umgebung
• Robust gegenüber unterschiedlichen Gerätetypen
• Integriert in iOS und Android Apps

Druckluft ist für viele deutsche Industrie- und Handwerksbetriebe eine unerlässliche Ressource zum Betreiben von Maschinen und Anlagen. Gleichzeitig stellt sie aber auch einen hohen Kostenfaktor auf der Stromrechnung dar. Unternehmen verschwenden durchschnittlich 30 Prozent der erzeugten Energie aufgrund der unbemerkten Entweichung von teurer Druckluft. Zur Erkennung solcher Leckagen setzt man unter anderem auf Prüfverfahren mittels Ultraschall sowie auf das bloße Gehör von geschultem Personal.

Das Fraunhofer IDMT hat nun in einem Experiment getestet, ob sich dieses »Hören« automatisieren und unter Verwendung von Mikrofonen in Kombination mit maschinellen Lernverfahren nachbilden lässt, um ein zuverlässiges System zur Leckagendetektion zu entwickeln. Erste Ergebnisse zeigen, dass dies generell möglich ist.

In diesem Experiment wurden drei unterschiedliche Betriebszustände simuliert: gut, schlecht und unter Last laufend. Jeder Motor hat einen dieser Zustände, die sehr unterschiedlich klingen. Die Forschenden haben ein MEMS-Mikrofon (Mikro-Elektronisch-Mechanische-Systeme zur Signalaufnahme) vor den Motoren platziert, welches die Betriebsgeräusche der nacheinander laufenden Motoren aufnimmt. Es wurden Aufnahmen jedes Motors einzeln, mit und ohne Hintergrundlärm gemacht, welche in die anschließende Analyse mit Verfahren des maschinellen Lernens einflossen. 

Anhand eines für den Forschungseinsatz modifizierten Air-Hockey Tischs wird an neuartigen Verfahren zur akustischen Qualitätssicherung im industriellen Kontext gearbeitet. Hier kommen Pucks zum Einsatz, die aus verschiedenen Materialien gefertigt sind und unterschiedliche »Pling«-Geräusche verursachen, sobald sie an die Bande des Spielgeräts treffen. Während des Spiels treten diese akustischen Signale so häufig und unregelmäßig auf, dass sie zur Analyse mittels maschineller Lernverfahren genutzt werden können, um eine zuverlässige Aussage über das Material zu treffen, aus dem die Pucks gefertigt sind.

Eingesetzt werden kann dieses berührungslose Verfahren, bei dem das Fraunhofer IDMT seine langjährige Expertise in den Bereichen akustische Messtechnik, Signalverarbeitung und maschinelles Lernen kombiniert, unter anderem zur Erkennung von Materialfehlern oder in der In-Line Überwachung von Schweißprozessen. Werden akustisch wahrnehmbare Fehler bereits im Prozess festgestellt, kann dieser abgebrochen und zeitnah neu gestartet werden. Das akustische Prüfverfahren des Fraunhofer IDMT ist zudem zerstörungsfrei und dient somit der Reduzierung von teurem Prüfschrott.

Drei unterschiedlich beschichtete Kugeln rollen in zufälliger Reihenfolge durch das Kugelbahnsystem. Die Bewegungsgeräusche der Kugeln werden von kleinen Mikrofonen aufgenommen und durch maschinelle Lernalgorithmen analysiert. Auf diese Weise werden die Kugeln in Echtzeit überwacht und anhand ihres spezifischen Rollgeräusches identifiziert. Das Analyseergebnis - die Reihenfolge der Ankunft - wird sofort grafisch auf einem Display dargestellt. Das Institut zeigt mit diesem Prinzip-Demonstrator neue akustische Verfahren zur Qualitätssicherung – berührungslos, zerstörungsfrei und sicher integriert.