Mit KI-Unterstützung Fehler in Anlagen und Prozessen einfach detektieren
Was bisher eher auf Intuition und Erfahrung fußte, ist jetzt objektiv nachweisbar: Das OpenZfP-KI-Portal bewertet Geräusche von Maschinen, Anlagen und Prozessen mit KI und detektiert so Anomalien, die zu Störungen oder Ausfällen führen können.
Fehlerhafte Prozesse und Komponenten über Geräusche identifizieren
Kommt es zu Abweichungen vom Normalzustand, sogenannten Anomalien, äußert sich dies oft in ungewöhnlichen Geräuschen. Verfahren der akustischen Diagnose werden bereits seit längerem für die Qualitätssicherung, Wartung und Instandhaltung eingesetzt. Die Bewertung der Audiodaten gestaltet sich jedoch oft schwierig, da die menschliche Wahrnehmung subjektiv ist und objektive Kriterien für die Einordnung fehlen.
Ab sofort besteht mit dem OpenZfP-KI-Portal des Fraunhofer IKTS die Möglichkeit, Audiodaten von Maschinen und Anlagen auf Anomalien zu untersuchen und mittels Künstlicher Intelligenz (KI) auswerten zu lassen. Damit wird die Prüfung automatisiert und nachvollziehbar gestaltet. Die Wahrscheinlichkeit der Fehlererkennung ist von der jeweiligen Anwendung abhängig und liegt bei bis zu 100 Prozent.
Bewertung mit Hilfe Künstlicher Intelligenz
Für eine Analyse werden Audio-Aufnahmen des Prozesses in das OpenZfP-KI-Portal geladen. Die Daten können mit dem Smartphone oder von bereits installierten Mikrofonen aus Anlagen zur Prozessüberwachung aufgenommen werden.
Ein eigens trainierter Algorithmus führt dann die Anomalie-Detektion durch und gibt die Ergebnisse als Spektrogramm aus. Über Markierungen in der Grafik können auch Ungeübte erkennen, in welchem Bereich Abweichungen auftreten, und so die Fehlersuche eingrenzen.
Das kostenfreie OpenZfP-KI-Portal des Fraunhofer IKTS
Das OpenZfP-KI-Portal ist eine Dienstleistung der Arbeitsgruppe »Kognitive Materialdiagnostik« des Fraunhofer IKTS, die kostenfrei zur Verfügung steht.
Mit diesem Service sollen Berührungsängste mit KI abgebaut und potenzielle Anwendungen identifiziert werden. Ist eine weitergehende Klassifikation der Daten gewünscht, unterstützt die Forschungsgruppe »Kognitive Materialdiagnostik« bei der KI-basierten Datenauswertung, beim Entwickeln und Trainieren angepasster Algorithmen sowie bei der Integration entsprechender Audiotechnik (Mikrofone) und KI-Überwachung für die automatische und kontinuierliche Anomaliedetektion.