2. Technologietag des Fraunhofer IDMT

Ein motivierendes Schlusswort als Aufruf für das mutige Machen

Vortragsredner Dr. Jens-Uwe Meyer gab allen Teilnehmenden zum Ende des Konferenztags auf unterhaltsame Art und Weise mit auf den Weg, dem Thema KI mutig gegenüberzutreten und die fachlichen Erkenntnisse der Konferenz mitzunehmen, um im eigenen Unternehmen aktiv Prozesse und Innovationen anzustoßen. Prof. Bös bedankte sich abschließend bei allen Teilnehmenden: »Ich habe mich besonders gefreut, dass wir unseren diesjährigen Technologietag ausschließlich mit ›externen‹ Vortragenden aus der Wirtschaft und anderen Forschungseinrichtungen gestalten konnten. Dies in Verbindung mit der erfreulich hohen Teilnahmezahl zeigt, dass wir einen Nerv getroffen haben und dass unsere Themen hoch relevant und spannend sind. Das Fraunhofer IDMT möchte als kompetenter Forschungs- und Projektpartner gemeinsam mit der Industrie passgenaue Lösungen für die auf dem Technologietag diskutierten Fragestellungen erarbeiten.«

Am Rande der Vorträge und Diskussionen hatten die Teilnehmenden die Möglichkeit, sich in persönlichen Gesprächen über ihre Erfahrungen und aktuelle Fragestellungen und Herausforderungen auszutauschen. Der nächste Technologietag findet im Herbst 2020 statt.

Künstliche Intelligenz (KI) ist heutzutage in aller Munde. Man hofft, intelligentes Verhalten durch technische Systeme nachbilden zu können oder sogar intelligentes menschliches Verhalten mit technischen Systemen zu erreichen. Aber ist das wirklich machbar? Der Vortrag beschreibt die Grundlagen der KI und geht auf aktuelle Lösungen im Rahmen des Maschinellen Lernens (ML), einer wichtigen Teildisziplin der KI, ein. Hierbei zeigt sich, dass man mit Methoden des ML universelle Approximatoren realisieren kann, was plakativ gesprochen bedeutet, dass heutzutage eine Maschine »alles erlernen kann, was lernbar ist«. Anwendungen in der Akustik - beispielsweise Approximationen zwischen Geräuschen und Fehlerklassen - sind mit ML-Verfahren daher sehr gut realisierbar. Neben dem PC als universeller Rechenmaschine, den neuronalen Netzen als universelle Approximatoren und bestimmten Deep Learning Netzen (CNN) als (fast) universelle Bildverarbeitungsmaschinen wäre es deshalb sicher von großem Vorteil, (fast) vollkommene akustische Signalverarbeitungsmaschinen zu konzipieren.

Nach dem Überblick über Verfahren des ML werden im Vortrag Problemstellungen der KI im Bereich des formalen Denkens angesprochen, denn Wahrheit und Beweisbarkeit sind zwei höchst unterschiedliche Konzepte. Es gibt unendlich mehr Wahrheiten auf der Welt als formal bewiesen werden können. Aber auch das (induktive) Lernen innerhalb der KI besitzt Restriktionen, denn mittels induktiver statistischer Verfahren lassen sich niemals allgemeingültige, wahre Aussagen erzeugen. Jeder Anwender des ML sollte das wissen.

Die Mängel der heutigen KI können zu ernstzunehmenden Schwierigkeiten führen, zum Beispiel bei Nutzung der KI zur Wahrheitsfindung, bei Extrapolationen in technischen Anwendungen, beim Versuch der Erzeugung von Semantik und bei der geplanten Erzeugung von Bewusstsein auf Maschinen. Eine gewollte oder ungewollte Nichtbeachtung dieser Restriktionen könnte daher größere Fehlallokationen von Geld verursachen, wie man beispielsweise aktuell bei den Arbeiten zum vollautonomen Fahren beobachten kann.

In vielen KI-Bereichen sind deshalb neue, unkonventionelle Wege zu beschreiten. Im Vortrag werden mögliche Weiterentwicklungen der KI der nächsten 20 bis 30 Jahre, wie beispielsweise der Einsatz neuromorpher Computer und neuronaler Quantencomputer, aufgezeigt.

Ultraschalltechnologien können in der Instandhaltung und Prozessüberwachung eine wichtige Rolle spielen.  Dazu ist jedoch eine Kombination aus Leistungsfähiger Sensorik, Messtechnik, Signalverarbeitung und neuen datengetriebenen Technologien nötig. Im Beitrag wird ein Konzept und dessen Realisierung vorgestellt, dass die diagnostischen Möglichkeiten von Ultraschall deutlich erweitert. Basierend auf gründlichen Analysen der physikalischen Grundlagen der Möglichkeiten der akustischen Vorgänge im Ultraschallbereich wurde ein neues Messgerätekonzept entwickelt und technologisch umgesetzt. Sensorische Grundlage hierfür sind neu entwickelte Sensoren, die für einen breiteren Frequenzbereich einsetzbar sind. Der Frequenzgang dieser Sensoren ermöglicht die spektrale Nutzung der aufgezeichneten Signale. Damit steht eine breite Palette an Signalverarbeitungsoptionen zur Verfügung, die sowohl in Echtzeit als auch für aufwendigere Verfahren hin zur Mustererkennung und maschinellen Lernen reicht. Die Vorteile der Sensorik kommen auch dadurch zum Tragen, dass viele der gegenwärtig verfügbaren modernen Technologien integriert werden. Dies betrifft Elektronik, embedded IT, Software zur Visualisierung und Kommunikation und industriell orientierte Mathematik aber auch Design, Ergonomie und Produzierbarkeit. Auf Basis dieser Sensoren wurde deshalb eine neue Plattform für Prüftechnik für die Instandhaltung konzipiert, die neue Features und Möglichkeiten bietet– insbesondere im Hinblick auf die Kundenspezifik von Lösungen. Neben dem technologischen Ansatz werden Beispiele zur besseren Bewertung von Betriebszuständen und Maschinenteilen und Vorhersage von Verschleißtrends.

Kavitation an Turbinen, Ventilen oder Rohrleitungssystemen ist ein schwer messbarer Schädigungsprozess der zu ungeplanten Ausfallzeiten und reduzierter Verfügbarkeit der Anlage führen kann. Das Körperschallmessverfahren, auch als Schallemissionsanalyse bekannt, erlaubt es tiefer in die Maschine oder den Prozess hineinzuhören, als das mit akustischen Mikrofonen möglich ist. In dem von Vallen System GmbH vorgestellten Anwendungsbeispiel »Kavitationsüberwachung an Wasserturbinen mittels Körperschallmessverfahren« werden die Vorteile der Methode, die Datenverarbeitung, Analyse und Auswertung vorgestellt. In der abschließenden Zusammenfassung wird aufbauend auf dem »Stand der Technik« ein Ausblick auf das Potenzial des Körperschallmessverfahrens, der möglichen Synergieeffekte durch Datenfusion mit weiteren Messgrößen und durch Maschinelles Lernen eingegangen.

Kavitation ist ein Phänomen, bei dem mit zunehmender Fließgeschwindigkeit der statische Druck einer Flüssigkeit unter den Verdampfungsdruck fällt und es dabei zur Bildung Dampf-gefüllter Bläschen kommen kann. Werden diese Bläschen mit der Fließgeschwindigkeit in Bereiche höheren Druckes getragen, implodieren Sie und erzeugen eine intensive Druckwelle. Kavitation tritt vor allem bei Ventilen, Pumpen, Propellern oder Laufrädern auf und kann zu erheblichen Materialschäden führen, die in defektem Equipment oder verunreinigtem Produkten resultieren. Die Kavitation erzeugt ein Geräusch, welches erfahrene Arbeiter sofort erkennen und identifizieren können, wenn Sie es hören. Das Gleiche gilt für die Geräusche von verschiedensten Maschinenzuständen in Anlagen der Prozessindustrie. Bilfinger hat über 26.000 dieser erfahrenen Mitarbeiter und war auf der Suche nach einer Möglichkeit, das Wissen der Mitarbeiter auch ohne ihre Anwesenheit in den Kundenanlagen nutzen zu können.

Die Umwandlung vom Rohgeräusch in Spektrogramme ist eine bekannte und in vielen Bereichen getestete Technologie. Am Beispiel der Kavitation wird in diesem Beitrag ein weit verbreiteter Anwendungsfall für die Geräusch Klassifizierung auf Basis eines Bildvergleiches dargestellt. Ziel ist es, die Möglichkeiten der Kombination von neuronalen Netzen und maschinellem Lernen mit dem Fachwissen erfahrener Mitarbeiter aufzuzeigen - Das Ergebnis sind kognitive Sensoren, die das Potenzial der menschlichen Sinne mit modernster Technologien kombinieren.

In einem aktuellen Forschungsprojekt am Fachgebiet Systemzuverlässigkeit, Adaptronik und Maschinenakustik SAM der TU Darmstadt werden Methoden zur Zustandsüberwachung von elektromechanischen Antriebssystemen entwickelt. Ziel ist es, vorhandene Sensordaten, wie z. B. Stromsignale eines Frequenzumrichters oder vibroakustische Signale von bereits installierten Beschleunigungssensoren, zu nutzen, um den Betriebszustand, Fehler oder Schäden von elektromechanischen Antriebssystemen zu identifizieren. Dazu werden die vorhandenen Sensordaten mit geeigneten Signalanalyseverfahren analysiert, wobei geeignete Signalanalyseverfahren im Rahmen des Forschungsprojekts gefunden werden müssen. Perspektivisch soll eine Methode zur Zustandsüberwachung auf Open-Source-Hardware implementiert werden. Dadurch soll zum einen Studierenden eine einfache Möglichkeit gegeben werden, sich mit Methoden der Zustandsüberwachung vertraut zu machen. Zum anderen wird die Zustandsüberwachung für kleine und mittelgroße Unternehmen (KMU) attraktiv, da erwartet wird, dass die Kosten für die Zustandsüberwachung durch die Verwendung der Open-Source-Hardware deutlich sinken können.

In diesem Beitrag wird ein Getriebeprüfstand als repräsentatives Beispiel für ein zu überwachendes elektromechanisches Antriebssystem vorgestellt. Es wird auf die bereits vorhandenen Sensordaten eingegangen und gezeigt, wie sich diese Sensordaten für eine Zustandsüberwachung nutzen lassen. Des Weiteren werden mehrere Fehler- und Schadensszenarien am Getriebeprüfstand simuliert. Durch Messungen mit Referenzsensoren wird zunächst überprüft, ob die Fehler oder Schäden tatsächlich wie gewünscht simuliert werden. Anschließend kann untersucht werden, inwieweit die Methoden der Zustandsüberwachung in der Lage sind, die eingebrachten Fehler oder Schäden zu identifizieren. Abschließend wird gezeigt, wie eine Zustandsüberwachung mithilfe von vorhandenen Sensordaten zukünftig auf Open-Source-Hardware implementiert werden kann.

Die Anwendung der additiven Fertigung bietet eine Vielzahl zusätzlicher Freiheitsgrade bei der Gestaltung und Auslegung herzustellender Strukturen. Insbesondere der auf der Anwendung eines Lichtbogens an einer abschmelzenden Drahtelektrode basierende Prozess des wire arc additiv manufacturing (WAAM) bietet weitreichende Möglichkeiten für die Fertigung metallischer Strukturen in vielfältigen Bereichen wie etwa Bauwesen, Anlagen- Kran- und Traversenbau sowie die Prototypenfertigung.

Zum Nachweis der Schweißnahtqualität werden überwiegend an den Herstellungsprozess anschließende zerstörende und zerstörungsfreie Prüfmethoden eingesetzt, um Unregelmäßigkeiten entsprechend anzuwendender Normen festzustellen. Die Verwendung mehrerer Prüfverfahren ist dabei in der Regel unumgänglich, da nicht jede Methode zur Erkennung aller Unregelmäßigkeiten geeignet ist. Beispielsweise kommt die Norm DIN EN ISO 17635 »Zerstörungsfreie Prüfung von Schweißverbindungen; Allgemeine Regeln für metallische Werkstoffe« zum Einsatz und soll der Schweißaufsichtsperson die Auswahl einer geeigneten zerstörungsfreien Prüfmethode ermöglichen sowie die Definition sinnvoller Zulässigkeitsgrenzen erleichtern. Die Kriterien dieser Norm gelten dabei für die Prüfung fertiggestellter Schweißverbindungen. Somit werden die Unregelmäßigkeiten erst relativ spät erkannt und können nur durch anschließende Nacharbeit ausgebessert werden.

Während des Schweißprozesses treten hörbare Veränderungen der auftretenden Prozessgeräusche auf, die eine Analyse bezüglich der Unregelmäßigkeiten ermöglichen. Ziel ist es, diese Effekte durch die Anwendung eines zusätzlichen akustischen Bemessungssystems zu erfassen, in geeignete Datenformate umzuwandeln und zur Verfügung zu stellen. Die nachfolgende Analyse erfolgt durch den Einsatz geeigneter Methoden des maschinellen Lernens zur Ableitung einer Klassifizierungsapplikation für auftretende Prozessabweichungen sowie eine Einordnung in Arten von Unregelmäßigkeiten.