Skalierbare ML-basierte Maschinenüberwachung für die Fertigung
Vom Sensor zur Cloud und zurück – End-2-End-Analyse für die geführte Fertigung mittels Machine Learning
Herausforderung
Unser Kunde stand vor der Herausforderung, eine skalierbare und effiziente Lösung für die Maschinenüberwachung zu entwickeln. Die vorhandenen Maschinen unterstützten keine automatische Datenextraktion, was die Implementierung moderner Überwachungslösungen erschwerte. Zudem war die Erkennung von Anomalien im Fertigungsprozess wichtig, um Ausfallzeiten zu minimieren und die Produktivität zu erhöhen. Die Lösung musste unabhängig von der bestehenden Hardware sein und gleichzeitig nahtlos in die bestehende Infrastruktur integriert werden. Die Risiken umfassten potenzielle Produktionsausfälle, hohe Kosten durch Maschinenstillstände sowie die Komplexität der Integration in die bestehende Infrastruktur.
Ansatz
Während eines Proof of Concept (PoC) wurde ein End-to-End-Ansatz entwickelt. Es wurden industrielle Raspberry Pi-Setups mit Audio- und Beschleunigungssensoren installiert, um Daten direkt von den Maschinen zu erfassen. Ein Modell zur Anomalieerkennung wurde entwickelt und am Rande des Fertigungsprozesses (Edge Computing) ausgeführt, um die Daten in Echtzeit zu analysieren. Die erfassten und analysierten Daten wurden anschließend über Azure IoT Hub in die Cloud gestreamt, wo sie für weitere Analysen und Berichte bereitstanden. Durch die Bereitstellung einer kundenspezifischen ML-Container-Laufzeit wurde eine enge Integration mit der bestehenden IT-Infrastruktur des Kunden erreicht.
Ergebnis
Die Case Study führte zu erheblichen Verbesserungen in der Produktionsüberwachung und -steuerung. Konkret wurden folgende Ergebnisse erzielt:
- Definition einer standardisierten Blaupause für zukünftige IoT-Anwendungsfälle, die als Vorlage für ähnliche Projekte dient.
- Industrietaugliches Raspberry Pi-Setup, das flexibel mit verschiedenen Sensortypen kombiniert werden kann.
- Kundenspezifische ML-Lösung, die die Anomalieerkennung verbessert und nahtlos mit der Infrastruktur des Kunden zusammenarbeitet.
Die Lösung ermöglichte es dem Kunden, die Fertigungsüberwachung zu skalieren und die Produktivität zu steigern, während gleichzeitig die Risiken von Maschinenstillständen minimiert wurden.
Jetzt die ganze Case Study kostenlos herunterladen
