Technische Produkte werden durch die zunehmende Integration von Informations- und Automatisierungstechnik eigenständiger, flexibler und handlungsfähiger. In diesem Projekt entwickelt das Fraunhofer IEM gemeinsam mit der düspohl Maschinenbau GmbH und der encoway GmbH dezentral lauffähige Machine Learning (ML) Algorithmen für Embedded und Edge Devices. Dazu stehen zwei Use Cases im Fokus: das intelligente Rüsten von Profilummantelungsmaschinen und die vorausschauende Wartung von ausfallkritischen Komponenten in fördertechnischen Anwendungen, wie zum Beispiel Schlupf von Reibrädern und Antriebsriemen durch Verschleiß oder Schäden an Lagern und Getrieben.

Ein wesentliches Ziel des Projekts ist die Entwicklung und Umsetzung von Lernverfahren in verteilten, dezentralen Systemen unter Berücksichtigung von Ressourcenbeschränkungen. Ausgangspunkt hierfür sind Daten aus multimodalen, aktiven Sensorsystemen mit eingebetteten, realzeitfähigen Datenanalysemethoden, die mit MLMethoden aufgewertet werden. Diese Daten sollen lokal in der Maschine oder der Komponente weiterverarbeitet werden und damit eine datenzentrierte Automation des Maschinen- und Anlagenbaus entwickelt werden.

Mehr Infos finden Sie auf unserer Innovationsplattform