Multifunktionales Edge-Zustandsüberwachungssystem für mobile Arbeitsmaschinen mit konfigurierbarer KI-Cloud-Plattform

Ziel des Projektes MasterKI

MasterKI ist ein vom BMWK gefördertes Forschungsvorhaben der Projektpartner ANEDO, ITEM und SEGNO. Ziel ist die Entwicklung eines multifunktionalen Edge-Zustandsüberwachungssystems. Dieses soll für den Einsatz in verschiedenen mobilen Arbeitsmaschinen qualifiziert werden und wird hierfür mit einer konfigurierbaren KI-Cloud-Plattform zur bedarfsorientierten Signalvorverarbeitung, Zustandsüberwachung und Datentransformation ausgestattet.

Konfigurierbares Edge-Messsystem

Im Bereich der Sonderfahrzeuge ist eine große Palette an verschiedenen Antrieben und Einsatzgegebenheiten vorhanden. Ein allgemeingültiger Ansatz zur Überwachung auf dern Fahrzeugen ist daher nicht darstellbar. Um eine individuelle Lösungsentwicklung aber zu vermeiden, wird ein Baukastensystem zur bedarfsorientierten Zusammenstellung von Überwachungsmethoden in Form des konfigurierbares Edge-Messsystems realisiert. Zudem wird die Überwachung und Messtechnik rekonfigurierbar werden, um eine individuelle Anpassung im Zeitverlauf zu ermöglichen.

Cloudbasiertes Datenmanagement

Der Einsatz von Sonderfahrzeugen ist vielfältig und betrifft häufig auch sicherheitsrelevante Bereiche wie zum Beispiel den Hafen. Daher ist eine Verschlüsselung der Daten zur Abwendung von nicht autorisierten Zugriffen notwendig. Zudem ist ein handhabbarer Zugriff auf die Überwachungssysteme zu jeder Zeit notwendig. Dies wird durch die APP-Entwicklung ermöglicht.

Eine anwendungs- und fahrzeugspezifischen Konfigurationen für KI-Modelle und Analysen für Sonderfahrzeuge sowie die Erstellung skalierbarer Messwertdarstellungen zur Datenanalyse sind weitere innovative Komponenten. Bestehende Systeme sind oft auf spezifische Anwendungen festgelegt und schwer anpassbar.

KI-Basierte Transfermodelle

Bei der Überwachung von Sonderfahrzeugen im realen Einsatzfeld sind Entwickler häufig einer begrenzten Datenmenge und fehlenden Daten ausgesetzt. Eine zuverlässige und validierte Überwachung von einer breiten Anzahl an Schadensmöglichkeiten ist daher nicht realisierbar ohne erheblichen Kostenaufwand. Um die Lücke zwischen großen Datenmengen aus Prüfstandumgebungen und Einsatzfeld zu schließen, werden Datentransfer Ansätze zur Datenübertragung untersucht und realisiert.

Ziel der Ansätze ist es, den lückenhaften Datensatz mit synthetischen Daten zu füllen. Hierzu werden Ansätze aus dem Bereich der Signalverarbeitung und intelligenten Methoden ausgewählt. Dabei geht es nicht um die Datenvergrößerung von vermessenen Schadensfällen. Vielmehr sollen im Einsatzfeld nicht vermessene Schadensfälle anhand von Referenzmessungen unter Prüfstandumgebungen synthetisch nachgebildet werden. Hierzu werden die Daten aus der Prüfstandumgebung in das Einsatzgebiet transformiert.