Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK

Filters
2 2 1 1
5
Reset filters

Settings
Now showing 1 - 5 of 5
  • Publication
    Smart wireless sensor network and configuration of algorithms for condition monitoring applications
    ( 2017)
    Uhlmann, E.
    ;
    Laghmouchi, A.
    ;
    Geisert, C.
    ;
    Hohwieler, E.
    Due to high demand on availability of production systems, condition monitoring is increasingly important. In recent years, the technical development have improved for realization of condition monitoring applications as a result of technological progress in fields such as sensor technology, computer performance and communication technology. Especially, the approaches of Industrie 4.0 and the use of the Internet of Things (IoT) technologies offer high potential to implement condition monitoring solutions. The connection of several sensor data of components to the cloud allows the identification of anomalies or defect pattern, this information can be used for predictive maintenance and new data-driven business models in production industry. This paper illustrates a concept of a smart wireless sensor network for condition monitoring application based on simple electronic components such as the single-board computer Raspberry Pi 2 modules and MEMS (Micro-Electro-Mechanical S ystems) vibration sensors and communication standards MQTT (Message Queue Telemetry Transport). The communication architecture used for decentralized data analysis using machine learning algorithms and connection to the cloud is explained. Furthermore, a procedure for rapid configuration of condition monitoring algorithms to classify the current condition of the component is demonstrated.
  • Publication
    Zustandsüberwachung in der Cloud
    ( 2016)
    Uhlmann, E.
    ;
    Laghmouchi, A.
    ;
    Hohwieler, E.
    ;
    Geisert, C.
    Aufgrund der hohen Verfügbarkeitsanforderungen an Produktionsmaschinen wächst das Interesse an zustandsbasierter Instandhaltung. Der Einsatz von Zustandsüberwachungssystemen (Condition Monitoring-Systemen) zur Steigerung der Verfügbarkeit von Maschinen und zur Reduktion der Instandhaltungskosten spielt dabei eine entscheidende Rolle und hat in den letzten Jahren zugenommen. Da am Markt verfügbare und auf Industriesensoren basierende Lösungen meist anwendungsspezifisch, kostenintensiv und in der Inbetriebnahme aufwändig sind, wurde am Fraunhofer IPK ein Konzept für die Zustandsüberwachung in der Cloud entwickelt, das mithilfe von Einplatinen-Computern und MEMS-Beschleunigungssensoren (Mikro-Elektro-Mechanisches-System) als Sensorknoten eine preisgünstige und einfach zu handhabende Alternative darstellt.
  • Publication
    Intelligentes Elektroniksystem für Condition Monitoring in Industrie 4.0
    ( 2016)
    Uhlmann, E.
    ;
    Laghmouchi, A.
    ;
    Ehrenpfordt, R.
    ;
    Hohwieler, E.
    ;
    Geisert, C.
    Im Rahmen dieses Beitrags werden die geplanten Arbeiten des Forschungsprojekts ""AMELI4.0"" vorgestellt. Der Schwerpunkt dieses Projekts liegt in der Entwicklung und Umsetzung hochintegrierter, vernetzter, energieautarker MEMS-Multisensorsysteme (Mikro-Elektro-Mechanische Systeme - MEMS) mit intelligenter Echtzeit-Datenverarbeitung auf Sensorebene bei hoher Daten- und Systemsicherheit. Das Multisensorsystem integriert mehrere MEMS-Sensoren zur Erfassung von Körperschall und akustischer Schall in Kombination mit der energieeffizienten Signalvorverarbeitung auf Sensorebene (Smart Data statt Big Data) bei hoher Systemrobustheit in einem modularen Hardware- und Plattformdesign. Des Weiteren werden die adressierten Anwendungsfälle und der Forschungsschwerpunkt des Fraunhofer IPK zum Thema Datenanalyse und Datenmanagement vorgestellt.
  • Publication
    CPS-basiertes Life Cycle Monitoring und Management
    ( 2015)
    Uhlmann, E.
    ;
    Laghmouchi, A.
    ;
    Geisert, C.
    Der Artikel erläutert ein cyber-physisches Anlagensystem (CPS) mit integrierten kommunikationsfähigen Sensoren zur Generierung von Betriebs- und Zustandsdaten. Die IT-Infrastruktur verlinkt Daten aus der Nutzungsphase mit Daten aus der Entwicklungsphase. Condition- Monitoring-Lösungen dienen der Zustandserfassung und -bewertung an verschleißbehafteten Komponenten, wie Kolbenkompressor zur Drucklufterzeugung (Pneumatik) oder Wälzlager (Vorschubachsen). Strategien zur Ermittlung des Instandhaltungsbedarfs auf Basis von Produkt- und Zustandsdaten werden angewendet und die Ergebnisse für Produktionsanlagen anhand des Achsprüfstands evaluiert. Die Vernetzung von Informationen aus der Betriebsphase mit Informationen aus der Nutzungsphase führt zu einem umfassenden Informationsmanagement im Lebenszyklus. Dadurch lässt sich unter anderem die Instandhaltung optimal planen und effizient durchführen. Außerdem können Störungen durch intelligente Verknüpfung von Zustandsdaten mit Daten aus dem PDM- und IPS-System zielgerichtet und frühzeitig behoben werden. Letztlich unterstützt die Verlinkung der Zustands- und Konfigurationshistorie einer Anlage mit den Produktdaten im PDM die Entwicklung neuer Anlagen im Sinne eines Feedback-to-Design.
  • Publication
    Condition monitoring in the cloud
    ( 2015)
    Uhlmann, E.
    ;
    Laghmouchi, A.
    ;
    Hohwieler, E.
    ;
    Geisert, C.
    Due to the very high demands on availability and efficiency of production systems and industrial systems, condition-based maintenance is becoming increasingly important. The use of condition monitoring approaches to increase the machine availability and reduce the maintenance costs, as well as to enhance the process quality, has increased over the last years. The installation of industrial sensors for condition monitoring reasons is complex and cost-intensive. Moreover, the condition monitoring systems available on the market are application specific and expensive. The aim of this paper is to present the concept of a wireless sensor network using Micro-Electro-Mechanical Systems - MEMS sensors and Raspberry Pi 2 for data acquisition and signal processing and classification. Moreover, its use for condition monitoring applications and the selected and implemented algorithm will be introduced. This concept realized by Fraunhofer Institute for Production Systems and Design Technology IPK, can be used to detect faults in wear-susceptible rotating components in production systems. It can be easily adapted to different specific applications because of decentralized data preprocessing on the sensor nodes and pool of data and services in the cloud. A concrete example for an industrial application of this concept will be represented. This will include the visualization of results which were achieved. Finally, the evaluation and testing of this concept including. implemented algorithms on an axis test rig at different operation parameters will be illustrated.