Vorausschauender Filterwechsel in Reinstwasseranlagen - Mittelstand 4.0 Kompetenzzentrum Textil vernetzt

Herausforderung

Die tepcon GmbH hat Daten einer Reinstwasseranlage gesammelt, in der eine Pumpe Wasser gegen einen Filter befördert. Im Sinne einer vorausschauenden Wartung soll künftig mit drei Tagen Vorlaufzeit angezeigt werden, wann der Wasserfilter verstopft sein wird und entsprechend gewechselt werden muss.

Lösung

Ziel des Leuchtturmprojekts ist es, die Dauer bis zu einem notwendigen Filterwechsel vorherzusagen. Damit die Anlage nicht über ein Wochenende oder über Feiertage ausfällt, werden drei Tage als Vorankündigungszeitraum angestrebt. Dazu wird Hahn-Schickard Regressionsmodelle aus dem Bereich des Maschinellen Lernens und, wo möglich, des Deep Learnings nutzen.

Umsetzung

Mit Hilfe eines am Filter angebrachten Körperschallsensors wurden über einen mehrjährigen Zeitraum Daten von sechs Filterwechseln aufgezeichnet. Um die Datenlage für sinnvolles Maschinelles Lernen zu verbessern, analysieren die Kollegen von Hahn-Schickard nun die Daten, um geeignete Muster in den Daten zu ermitteln und die aufbereiteten Daten möglichst effizient für maschinelles Lernen zu nutzen.

Dokumentation des Umsetzungsprojektes:

Erfahren Sie mehr: Wie kamen die Projektpartner und Unternehmer zusammen? Worin lag der Schwerpunkt bei den folgenden Gesprächen, Workshops, etc.? Und wo steht das Unternehmen tepcon GmbH heute?

Projektflyer zum Download

Laden Sie sich den Projektflyer herunter und erhalten Sie die komplette Erfolgsgeschichte auf einem Blick.

Das Unternehmen
Die tepcon GmbH bietet seit 2002 innovative Softwarelösungen im B2B-Bereich an. Mit 30 Mitarbeitern entwickelt das KMU ausgeklügelte IoT-Produkte in den Feldern Augmented Reality, Condition Monitoring, Machine Learning und Telematik. Für Kunden aus unterschiedlichen Bereichen wie dem Maschinen- und Anlagenbau sowie der Telekommunikation macht tepcon den technologischen Wandel für seine Kunden greifbar.

Herausforderung
Die tepcon GmbH hat die Daten einer Reinstwasseranlage über zweieinhalb Jahre aufgezeichnet. Dort wird Wasser gegen einen Wasserfilter gepumpt. Ziel ist es, anhand von Daten eines Körperschallsensors, der an der Pumpe angebracht ist, vorhersagen zu können, wann der Wasserfilter verstopft
ist und ausgewechselt werden muss. Herausforderung dabei ist vor allem die Erfassung von Sensordaten, da diese aus reellen Daten bestehen. Zudem muss eine zu den Sensorwerten und Fehlerfall passende Signalanalyse gefunden werden.

Lösung
Damit die Anlage nicht über ein Wochenende oder über Feiertage ausfällt, soll es möglich sein, die Dauer bis zu einem notwendigen Filterwechsel vorherzusagen. Dabei wird ein Vorankündigungszeitraum von drei Tagen angestrebt. Die Textil vernetzt-Kollegen von Hahn-Schickard nutzen Regressionsmodelle aus dem Bereich des Maschinellen Lernens und, wo möglich, des Deep Learnings, um eine Künstliche Intelligenz zu trainieren, die dann den Filterwechsel vorhersagen kann.

Umsetzung
Da bisher nur die Daten aus sechs Filterwechseln vorliegen, wollen die Kollegen von Hahn-Schickard die Datenlage für sinnvolles maschinelles Lernen verbessern und analysieren. Dazu muss ein geeignetes Muster in den Daten ermittelt werden, um die aufbereiteten Daten möglichst effizient für maschinelles Lernen zu nutzen. Um einen ausreichenden und ausgewogenen Datensatz zu erstellen, hat die tepcon GmbH einen Teststand in Betrieb genommen, der einen verstopften Filter simuliert.

Wie geht es weiter?
Für kleine und mittlere Unternehmen wie die tepcon GmbH ist Maschine Learning (ML) eine Chance, um eine Plattform zu schaffen, die eine schnelle und einfache Integration von Machine Learning ermöglicht. Die Unternehmen werden fit gemacht für Machine Learning, was gleichzeitig bedeutet, viel zu forschen und projektieren zu müssen.

Stichworte

Künstliche Intelligenz
Sensorik
Datenerfassung und -analyse

Ansprechpartner
Hahn-Schickard
Dr. Daniel Gaida
KI-Trainer
E-Mail: gaida@textil-vernetzt.de

O-Ton
„Der Textil vernetzt-Partner Hahn-Schickard hat uns mit tiefgreifendem Know-how und bestem Support unterstützt. Mit unserem gemeinsamen Pilot-Projekt haben wir wichtige Erkenntnisse und Erfahrungen gewonnen, die uns auch bei künftigen Aufgaben im Machine Learning weiterbringen werden.“
Stefan Wolf
Team Lead KI Solutions tepcon GmbH

tepcon und Hahn-Schickard erheben Daten für intelligenten Filterwechsel vor Pumpen-Shutdown

Die tepcon GmbH ist mit dem Anliegen eines vorausschauenden Filterwechsels in Wasseraufbereitungsanlagen auf unseren Textil vernetzt-Partner Hahn-Schickard zugegangen. Ziel der Zusammenarbeit war es, dass anhand der Pumpenvibration eine Künstliche Intelligenz (KI) Aufschluss über die Aktivität der Pumpe ermittelt. Die zu trainierende KI soll frühzeitig vor dem Ausfall der Pumpe warnen, der durch einen verstopften Filter herbeigeführt wird. Dies würde es der tepcon GmbH ermöglichen, einen Filterwechsel durchzuführen bevor ein systematischer Pumpen-Shutdown erzwungen wird.

Mehr

Vorteile einer KI-Nutzung für ein KMU wie tepcon

Das Projekt mit der Firma tepcon in Zusammenarbeit mit unseren Textil vernetzt-Kollegen von Hahn-Schickard ist in vollem Gange. Wir haben Stefan Wolf, der das Projekt leitet, gefragt, wie es dazu kam, eine Künstliche Intelligenz (KI) für den vorausschauenden Filterwechsel in Wasseraufbereitungsanlagen zu trainieren, wie Herausforderungen angegangen werden und welche Vorteile eine solche KI gerade für kleine und mittlere Unternehmen hat.

Mehr

Vorausschauende Wartung bei Filterblockierung durch Training einer KI

Die tepcon GmbH ist ein Technologieunternehmen mit Sitz in Donaueschingen im Schwarzwald. Als Vorreiter im Bereich moderner Softwareentwicklungen hat es sich das Unternehmen gemeinsam mit den Textil vernetzt-Kollegen von Hahn-Schickard in einem neuen Projekt zum Ziel gemacht, eine KI für den vorausschauenden Filterwechsel in Wasseraufbereitungsanlagen zu trainieren.

Mehr