Lenord + Bauer KI für verteilte Sensorsysteme

Omron zeigt auf der Messe unter anderem IoT-fähige Sensoren für Digital Signage und die Gebäude- und Fabrikautomation. Die USB- und Leiterplattenversionen des Umgebungssensors Omron 2JCIE geben sieben verschiedene Messdaten in einer einzigen Geräteeinheit aus. Sensoren wie Omrons HVC-Modul (Human Vision Component), das vielerlei Gesichtsmienen erkennt, und der Sensor 2JCIE-BL01, der mehrere Faktoren in der lokalisierten Umgebung messen kann, eignen sich für die autonomen, intelligenten, smarten Gebäude der Zukunft. Der HVC-P2 B5T ist ein Gesichtserkennungssensor für zehn wesentliche Bilderfassungsfunktionen. Der Umgebungssensor 2JCIE-BL01/-P1/BU01 misst Temperatur, Feuchtigkeit, Lichthelle, Luftdruck, Rauschen und Beschleunigung in einem einzigen kompakten Modul mit Bluetooth-Konnektivität und integriertem Speicher für die Messdatenerfassung. Der Staubsensor B5W-LD erfasst 0,5 Mikrometer kleine Partikel und bietet einen hohen Luftdurchsatz für eine noch höhere Sensitivität. Der ultrakompakte seismische Sensor D7S unterscheidet zwischen echten Erdbeben und anderweitig bedingten seismischen Unruhen. Der Wärmesensor D6T eignet sich ideal für die Gebäudeautomation. Es misst die Raumtemperatur und kann die Anwesenheit von Menschen feststellen, selbst wenn diese sich nicht bewegen.

Omron, Halle B3, Stand 560

Mithilfe von künstlicher Intelligenz könnten Maschinenkomponenten in Zukunft selbstständig Daten analysieren, Informationen generieren und klassifizieren. An diesem Thema arbeiten der Sensorexperte Lenord + Bauer und STMicroelectronics gemeinsam.

Mit zunehmendem Automatisierungsgrad steigt die Anzahl der Sensoren in einer Maschine. In modernen Anlagen nimmt dadurch die Datendichte zu, gleichzeitig ist in vielen Fällen eine Reaktion in Echtzeit gefordert. Um das Kommunikationsnetz der Maschine zu entlasten, ist es sinnvoll, Sensordaten dort auszuwerten, wo sie entstehen. Dann werden nur die Daten verschickt, die die Maschinensteuerung benötigt.
Das Verlagern der Datenverarbeitung von einem zentralen System zu verteilten Recheneinheiten ist ein Weg, um künstliche Intelligenz zu implementieren. Beispielsweise kann der Mikrocontroller eines Sensors mithilfe von Algorithmen die erfassten Daten lokal verarbeiten. Bei der Bildung der Algorithmen kommen neuronale Netze ins Spiel, die Muster und Klassen von Daten durch Berechnungen in mehreren Schichten erkennen. Mithilfe statistischer Auswertungen der Eingangsdaten sind Aufgaben lösbar, für die eine physikalische Modellierung sehr aufwändig wäre oder es keine analytische Lösung gibt.

Bisher reicht die Rechenkapazität von Mikrocontrollern nicht aus, um neuronale Netze zu trainieren. Doch können sie die Algorithmen eines fertig trainierten Netzes effizient verarbeiten. Diesen Ansatz verfolgen STMicroelectronics und Lenord + Bauer, ein Spezialist für Bewegungssensorik und integrierte Antriebstechnik, in einem gemeinsamen Projekt.

Der Halbleiterspezialist hat eine Software entwickelt, die trainierte neuronale Netze für seinen 32-bit-Mikrocontroller STM32 konvertiert. Mit dieser Software entwickelten STMicroelectronics und Lenord + Bauer gemeinsam einen Demonstrator zur Bewertung von Vibrationen. Der Vibrationssensor, der aus einem Beschleunigungsmesser und einem STM32-Mikrocontroller besteht, detektiert verschiedene Signalmuster und klassifiziert diese mithilfe des neuronalen Netzes.
Die gewonnenen Erkenntnisse will Lenord + Bauer in seinem Produktkonzept i3SAAC umsetzen. Das Ziel ist es, intelligente, integrierte und interaktive Sensoren mit autonomen Aktoren und Controllern so zu vernetzen, dass sie die Daten selbstständig bewerten. In der Praxis kann das so aussehen: Ein am Lager einer Maschine montierter Vibrationssensor ist mit künstlicher Intelligenz ausgestattet und erkennt Schäden oder Materialermüdung frühzeitig. Diese Information meldet der Sensor dann an das zentrale Wartungssystem, das die Informationen aller Sensoren zusammenführt und auswertet. Über die Darstellung in einem Vibrationsmonitor lässt sich so der Zustand der Anlage beurteilen.