En la Feria de Hannover del 23 al 27 de abril, 2018, Fraunhofer demostrará el prototipo de un nuevo sistema cognitivo para el mantenimiento predictivo de instalaciones de producción. Los sensores acústicos inteligentes que funcionan con baterías procesan las señales de audio de las máquinas y los sistemas en el lugar. Desde la información que se envía de forma inalámbrica a una unidad de evaluación, es posible sacar conclusiones sobre el estado de las instalaciones de producción y evitar posibles daños. Los clientes industriales se benefician de una Solución Industrie 4.0 escalable y segura para los datos que minimiza el tiempo de inactividad.

Las bombas de pistones axiales convierten la energía mecánica en hidráulica. En maquinaria de construcción o agrícola, ayudan a levantar cargas pesadas o forman parte de la tecnología de transporte industrial. "Hasta aquí, estos sistemas no han tenido un monitoreo de condición acústica instalado permanentemente, "informa Danilo Hollosi, Jefe de "Reconocimiento de eventos acústicos" del Grupo de proyectos de Oldenburg para la audición, Tecnología de voz y audio en el Instituto Fraunhofer de Tecnología de Medios Digitales IDMT. "Los sistemas cognitivos pueden ser muy poderosos en este sentido. Lo hemos ilustrado con nuestro nuevo demostrador".

Reconozca temprano cuando ya no esté funcionando sin problemas

Junto con socios, los científicos han montado en bombas de pistones axiales sensores operados por batería que son capaces de registrar el ruido de la bomba a través del aire, para procesarlo, para compararlo con datos de audio de referencia y enviar la información de forma inalámbrica a una unidad de evaluación digital. No solo se pueden identificar conclusiones sobre posibles desarrollos indeseables en una etapa temprana; También se pueden hacer declaraciones sobre la naturaleza de los problemas, por ejemplo, si hay problemas relacionados con la holgura de los cojinetes o la hidráulica. Esto brinda la oportunidad de intervenir antes de que se produzcan daños importantes en los sistemas de propulsión o el sistema hidráulico.

"Hemos entrenado el sistema cognitivo con aprendizaje automático basado en señales de audio de bomba adquiridas previamente, "Hollosi dice. No es necesaria una infraestructura central para el procesamiento de datos. Esto ahorra costos:mientras que los servidores pueden consumir cantidades en el rango de cinco dígitos, el precio por sensor se mantiene en los dos dígitos. Otra ventaja:el procesamiento de señales en el sitio requerirá menos datos para el entrenamiento. "Los clientes se benefician de una plataforma de tecnología de seguridad de datos que es adecuada para una amplia variedad de escenarios de audio y que se puede adaptar y escalar fácilmente a cualquier tamaño. También es posible la conexión en red de sensores a través de Internet para el mantenimiento remoto, "Hollosi agrega, resumiendo las ventajas. En este proceso, el Fraunhofer IDMT incorpora la experiencia de su grupo de proyecto Audiencia, Tecnología de voz y audio en Oldenburg. "Nuestros colegas son expertos en recrear tecnológicamente las capacidades del oído humano. Enseñan a los sistemas a adherirse a determinados parámetros al evaluar datos de audio, tener en cuenta los patrones de ruido ambiental y excluir el ruido de fondo, "dice Hollosi.

La tecnología está financiada por el BMBF (Ministerio Federal de Educación e Investigación de Alemania) en el proyecto ACME 4.0. Mientras tanto, los socios han alcanzado el tercer año del proyecto y el nivel de preparación tecnológica 8. "Nuestro prototipo funciona, "dice Hollosi. En 2018, será probado en el campo. Al mismo tiempo, los científicos están trabajando con Infineon en el mantenimiento predictivo para la producción de chips. El demostrador será presentado por Fraunhofer IDMT en la Feria de Hannover:Un altavoz reproducirá el ruido de funcionamiento de la bomba de pistones axiales. Los nodos de sensores inalámbricos se pueden configurar a través de una tableta. La retroalimentación sobre el evento acústico detectado se muestra en la tableta.