ANO-ML

Echtzeit-Anomalieerkennung mit KI und Multisensorsystemen

Störungen frühzeitig erkennen – Ausfälle vermeiden

Im Forschungsprojekt ANO-ML entwickelt die GFaI neue KI-basierte Methoden zur frühzeitigen Erkennung von Störungen und Unregelmäßigkeiten in industriellen Anlagen. Moderne Machine-Learning-Verfahren analysieren akustische und schwingungsbasierte Daten in Echtzeit – damit potenzielle Probleme erkannt werden, bevor Ausfälle entstehen.

Das Projekt bildet die Grundlage für zuverlässiges Condition Monitoring und Predictive Maintenance in komplexen Industrieumgebungen.

Maschinen und Anlagen erzeugen permanent große Mengen an Sensordaten. Kleine Veränderungen in Geräuschen oder Bewegungen können bereits früh auf bevorstehende Störungen hinweisen – werden aber oft überhört oder zu spät erkannt.

Hier setzt ANO-ML an:
Mit intelligenter Sensorik und KI sollen Anomalien deutlich früher sichtbar werden.

Multisensorische Datenerfassung

ANO-ML nutzt verschiedene Sensortypen, darunter:

• Akustische Kamera – zur Analyse akustischer Signaturen
• WaveCam – zur schwingungsbasierten Bewegungsanalyse
• weitere akustische und schwingungssensitive Sensoren

Die Besonderheit:
Die Sensordaten werden nicht fusioniert, sondern jeweils in eigenen ML-Pipelines verarbeitet. Dadurch entstehen spezialisierte Modelle für unterschiedliche physikalische Signale.

Echtzeit-Machine-Learning

• Analyse akustischer und schwingungsbasierter Signale in Echtzeit
• Erkennung ungewöhnlicher Muster und Abweichungen
• adaptive ML-Modelle für unterschiedliche Anlagen

Modularisierung durch Microservices

ANO-ML setzt auf eine moderne, skalierbare Softwarearchitektur:

• Microservices für
  • Datenvorverarbeitung
  • Feature-Extraktion
  • Anomalieerkennung
• Cloudfähig und flexibel skalierbar
• Einsetzbar in verteilten Systemen und Edge-to-Cloud-Umgebungen

Das Ergebnis ist ein leicht integrierbares Analyseframework, das in vielen Branchen anwendbar ist.

Die Ergebnisse von ANO-ML sind übertragbar auf diverse Industriebereiche, darunter:

• Industrieanlagen & Maschinenbau
• Energie- und Kraftwerksanlagen
• Prozessindustrie (Chemie, Pharma, Petrochemie)
• Automotive & Prüfstandstechnik
• Monitoring- und Instandhaltungssysteme

• Betreiber komplexer Industrieanlagen
• Instandhaltungs- und Serviceabteilungen
• Hersteller und Integratoren industrieller Sensorik
• Unternehmen mit Bedarf an datenbasierter Zustandsüberwachung

ANO-ML liefert entscheidende Vorteile für den industriellen Betrieb:

• Frühzeitige Fehlererkennung
• Adaptive und wartungsarme Modelle
• Hohe Übertragbarkeit auf unterschiedliche Anlagen
• Skalierbare Microservices für flexible Integration
• Cloud-Optionen für hohe Verfügbarkeit
• ideal für Condition Monitoring und Predictive Maintenance

Weitere Projektinformationen folgen unter:
https://www.gfai.de/forschung/projekte/signalverarbeitung-und-akustische-kamera