Treffen Sie uns in Halle 7, am Stand 7301 der Fraunhofer-Vision und erfahren Sie alles über »Akustisches Monitoring und Verteiltes Lernen in der Produktion«
Wir zeigen auf der Messe, wie akustische Verfahren, basierend auf Luftschallanalyse und Künstlicher Intelligenz, zur Optimierung der Produktion auch standortübergreifend eingesetzt werden können.
In modernen Industrieanlagen spielt die vorausschauende Wartung eine wichtige Rolle. Maschinen- und Anlagenbauer setzen bei der Zustandsüberwachung zunehmend auf die intelligente Auswertung von Maschinen- und Prozessdaten. Instabile Prozessparameter führen zu Qualitätsschwankungen in der Fertigung, deshalb vertrauen Betreiber von Schweiß- und Fräsmaschinen auf das Wissen ihrer Maschinenführer, die Abweichungen vom Normalzustand ihrer Maschine am Geräusch erkennen. Ob Motoren, Getriebe oder Spindeln - überall, wo sich etwas bewegt, entstehen Geräusche, die Auskunft über den Zustand geben. Der Einsatz eines akustischen Systems zur automatischen Erkennung von Maschinenfehlern ist in Zeiten des Fachkräftemangels ein wertvoller Vorteil.
Das Exponat zeigt, wie ein KI-basiertes akustisches Überwachungssystem Maschinenzustände analysiert, Fehler erkennt und dabei auf standortübergreifendes Lernen setzt. An jedem Standort des Systems sind identische Maschinen im Einsatz, deren Betriebsgeräusche von einer KI analysiert werden. Die vortrainierten Modelle klassifizieren drei verschiedene Zustände.
Da Fehler selten auftreten, ist die Datenmenge für das KI-Training an einem einzelnen Standort begrenzt. Hier setzt verteiltes Lernen (Federated Learning) an: Statt vertrauliche Audiodaten direkt auszutauschen, teilen die KI-Modelle ausschließlich erlerntes Wissen in Form von Modellparametern. So verbessert sich die Fehlererkennung standortübergreifend, ohne Datensicherheitsrisiken einzugehen.
Der Demonstrator zeigt eine innovative Kombination aus intelligenter akustischer Zustandsüberwachung und verteiltem Lernen – in diesem Beispiel speziell zur Klassifizierung von Motorengeräuschen.
Die Zustandsüberwachung mittels Luftschallanalyse und KI ist für vielerlei Anwendungsfälle in der industriellen Produktion denkbar – sei es zur kontinuierlichen Überwachung von Motoren und Getrieben oder auch zur Überwachung einzelner Fertigungsschritte, wie etwa beim Schweißen von Batteriekästen. Dank der optimalen Auswahl akustischer Sensorik und vortrainierter KI-Modelle können Abweichungen und Fehler auch in lauten Industrieumgebungen zuverlässig erkannt werden.
Mit dieser Technologie werden neue Maßstäbe für die effiziente und sichere KI-gestützte Qualitätssicherung in der Produktion gesetzt – an jedem Standort.
»Multimodale KI für komplexe QS-Methoden in der Industrie«
Dr.-Ing. habil. Katharina Anding, 7.5.2025, 12.20 Uhr
Bei der Anwendung von KI in der industriellen Qualitätssicherung (QS) gibt es zahlreiche Anforderungen, zu lösende Probleme und Einschränkungen, mit denen der KI-Modellierer konfrontiert wird. Ein häufiges Problem ist die begrenzte Abbildbarkeit und Modellierbarkeit gegebener Erkennungsaufgaben unter Verwendung eines suboptimalen Sensortyps. Der statistischen Analyse der entstehenden Datenräume, der daraus abgeleiteten Sensorauswahl und ggf. einer Informationserweiterung durch Sensorkombinationen (Multimodalität) kommt hier eine besondere Bedeutung zu. Im Vortrag werden die theoretischen Hintergründe und Fakten zur Entwicklung einer multimodalen KI dargestellt und die Symbiose von Bild- und Audiosignalverarbeitung für ausgewählte Beispiele aufgezeigt.
Fraunhofer-Institut für Digitale Medientechnologie IDMT