Fraunhofer-Verbund ProduktionWir demonstrieren bildbasierte Qualitätsüberwachung, sensor- bzw. modellbasierte Zustandsüberwachung und vorausschauende Instandhaltung am Beispiel eines miniaturisierten Antriebstrangs, um interaktiv darzustellen, wie sich Maschinenzustände in interschiedlichen Lastszenarien verändern und trotzdem überwacht werden können.
Qualität überwachen: Durch den Einsatz bildgebender Verfahren zeigen wir die Integration der Qualitätskontrolle ins Condition Monitoring, um Qualitätsmängel frühzeitig zu erkennen, damit vermeidbarer Ausschuss reduziert werden kann. (Generative KI zur Instandhaltungsunterstützung und -optimierung zu simulativen Erzeugen von Schadensbildern, Predictive und Prescriptive Maintenance zur Vorhersage von Qualitätseinbußen und Handlungsempfehlungen als Assistenzsysteme).
Antriebswellen überwachen: Mit dem magnetostriktiven Sensor demonstrieren wir, wie Torsion und Drehzahl auch nachträglich in typischen Antriebsträngen ins Condition Monitoring integriert werden können. Die Software ermöglicht eine Erkennung von dynamischen und statischen Torsionsbelastungen (Sensorik für Condition Montoring und Energy Monitoring, Datenanalyse, -bewertung und -visualisierung durch KPI).
Vorausschauend Instandhalten: Wir präsentieren, wie man schrittweise KI-Modelle aufbaut, um mit mathematischen Verfahren den Abnutzungsvorrat von Maschinen zu erfassen und unter Berücksichtigung der Auslastung zu prognostizieren (Sensorik für Condition Monitoring und Energy Monitoring).
