Интеллектуальное обслуживание машины: новая система ИИ обнаруживает неизвестные неисправности

Новая система технического обслуживания помогает сделать датчики интеллектуальными. Исследовательская группа во главе с профессором Андреасом Шютце из Саарского университета объединяет искусственный интеллект с датчиками, которые собирают данные о состоянии промышленного оборудования. Система способна обнаруживать повреждения, износ и состояния ошибок, а также уникальным образом может распознавать, когда возникают ранее неизвестные состояния машины, учась у них и назначая их основным причинам. Этот подход предлагает малым и средним компаниям средства автоматизации операций по их обслуживанию, позволяя им планировать более точно и избегать неприятных сюрпризов.

Огромное количество датчиков постоянно собирает данные от современного промышленного оборудования. И из этих огромных наборов данных можно многому научиться. Когда машина работает нормально, то, как она вибрирует, трясется, гудит или нагревается, является уникальным для этого устройства. Но когда компоненты машины начинают изнашиваться, эти характерные особенности претерпевают незначительные изменения. Незначительные колебания температуры, небольшие изменения в вибрационном поведении, незначительные изменения в данных измерений – все это может служить сигналом раннего предупреждения может указывать, когда компонент начинает проявлять признаки износа. Поэтому крайне важно иметь возможность обнаруживать эти тонкие изменения в море создаваемых данных.

“Один датчик может генерировать терабайт необработанных данных всего за несколько дней”, – объясняет профессор Андреас Шютце, эксперт по измерительным и сенсорным технологиям в Саарском университете. Но в дополнение к обнаружению этих изменений, не менее важно знать, как их интерпретировать.

Шютце и его команда работали с партнерами в промышленности и научных кругах над созданием системы, способной извлекать полезные данные сигналов из огромного количества генерируемых данных. “Независимо назначая шаблоны сигналов для определенных состояний повреждения, износа или ошибки, система способна сделать состояние машины постоянно видимым”, – говорит Андреас Шютце. Программа непрерывно сравнивает данные датчика в реальном времени с данными, связанными с нормальной работой машины, и с типичными шаблонами сигналов, которые указывают на возникающую неисправность или возникающие дефекты износа. Если система обнаружит разницу между этими шаблонами сигналов, она уведомит оператора оборудования и укажет, как реагировать. Исследователи, работающие в Саарском университете и в Центре мехатроники и технологий автоматизации (ZeMA) в Саарбрюккене, разработали целый набор аппаратных и программных модулей, которые могут быть объединены, чтобы создать индивидуальную систему мониторинга для широкого спектра промышленных машин и оборудования.

Система даже способна обнаруживать неизвестные неисправности, извлекать уроки из них и затем назначать эти неисправности соответствующей основной причине. Это что-то совершенно новое. До сих пор системы мониторинга на основе ИИ не могли оценивать ранее неизвестные события. “Искусственный интеллект работает с помощью распознавания образов. Если случится что-то совершенно новое, и система не распознает этот новый образец, он эффективно достигнет пределов своих возможностей. Мы разработали нашу систему до уровня, на котором она может распознавать состояния, с которыми ранее не сталкивался и может уведомить оператора соответствующим образом”, – объясняет Андреас Шютце. Если новое событие начинает появляться чаще и становится доступным больше данных, программа может определить причину и последствия, вытекающие из нее.

В ходе многочисленных исследовательских проектов группа Шютце отфильтровывала из огромного количества данных измерений те шаблоны сигналов, которые были связаны либо с изменениями в поведении машины, либо с повреждением машины. Затем они создали математические модели, которые включали моделирование неисправностей датчиков, и использовали эти модели для обучения своей системе. Программа использует методы машинного обучения для автоматического приобретения новых знаний и выявления отклонений от нормального поведения. “Алгоритмы также включают недавно полученные данные в свои анализы. Поэтому система может обнаруживать и интерпретировать аномалии”, – объясняет Тициан Шнайдер, докторант, который в настоящее время проводит исследование новой системы.

Знания, генерируемые системой, могут быть связаны с другими функциями ИИ, такими как автоматизированный заказ запасных частей. Это облегчает планирование операций по техническому обслуживанию больших или труднодоступных машин. Система также может передавать информацию операторам по обслуживанию людей в понятной форме. Чтобы гарантировать, что обслуживающий персонал сможет правильно интерпретировать числовые данные, команда Шютце также изучила способы перевода данных в полезную для пользователя информацию. “Система разбивает информацию на форму, которая является релевантной и понятной для обслуживающего персонала”, – объясняет Тициан Шнайдер.

Шютце и его команда теперь хотят помочь малым и средним компаниям познакомиться с новыми технологиями. Исследователи проводят учебные курсы в “ЦентреMittelstand 4.0”, который расположен на площадке ZeMA в Саарбрюккене и финансируется Федеральным министерством экономики и энергетики. В настоящее время они разрабатывают систему помощи на основе искусственного интеллекта специально для малых и средних компаний. “Система особенно привлекательна для этих малых и средних предприятий, которые хотят использовать цифровизацию для повышения своей конкурентоспособности” – объясняет Андреас Шютце.

По материалам Techxplore