28032022

Aufbau und Evaluierung einer Cloud-basierten Architektur zur Fernüberwachung von Einleitungsschmiersystemen

Inhaltsverzeichnis

1. Projektbeschreibung und Ziele

3. Datenanalyse

2. Projekt Realisierung

4. Ergebnisse

5. Erreichte Ziele und Ausblick

1

Projektbeschreibung und Ziele

1. Kundenunterstützung bei der kontinuierlichen Zustandsüberwachung von Einleitungsschmieranlagen

3. Typische Störfälle von Einleitungsschmiersysteme

2. Bestimmung der zu überwachenden Parameter

4. Datenerfassung, Datenspeicherung und Datenanalyse

5. Aufbau einer Cloudarchitektur unter Berücksichtigung von Kosten und Skalierbarkeit

2

SKF Lubrication Systems

IoT Sensors

wired

LTE

Lambda

IoT Core

AWS Trigger

wired

Projektübersicht

3

Schmierplan

Mechanischer Aufbau der Schmieranlage

Elektronischer Aufbau der Schmieranlage

Machine Learning Pipeline

• Teuren Stillstandzeiten, welche die Wirtschaftlichkeit der Maschinen beeinflussen
• Der Betrieb unter harsche Bedingungen
• Eingeschränkter Zugang durch Personen zu den Maschinen
• Geringerer Einsatz von Personal

Intelligente Fernüberwachung (Nutzen)

Intelligente Fernüberwachung als SaaS

Intelligente Fernüberwachung von Schmieranlagen

Wartungsmethoden

• Zeitstempel
• Temperatur
• Druck1
• Druck2
• Betriebszustand der Anlage

• An einem zentralen Ort gespeichert (S3 Bucket)

Die erfassten Parameter

• Leakage
• Schlauchabriss
• Blockade
• Pumpe defekt
• Schmierstoff Durchschub

Fehlerfälle

Gutbilder der Sensorsignale vom Prüfstand

Verschiedene Druckkurven vom Prüfstand

Wichtige Erkenntnisse

K-Means Clustering mit PCA Datenreduzerung

Automatisches Gruppieren ähnlicher Objekte in Sets

Gegenüberstellung der Druckdaten

Automatisches Gruppieren ähnlicher Objekte in Sets

K-Means Clustering und PCA Analyse

Deeplearning Network

Klassifikation

Identifizieren, zu welcher Kategorie ein Objekt gehört

Klassifikation

Identifizieren, zu welcher Kategorie ein Objekt gehört

Ergebnisse der Klassifikation

Identifizieren, zu welcher Kategorie ein Objekt gehört

Confusion Matrix von untrained-Dataset

0: Normal Betrieb

Ergebnisse der Klassifikation

Confusion Matrix von Unterschiedliche Blockaden

Anzahl der Schmier Zyklen: 9421

0: Normal Betrieb

Ausblick

Gegenüberstellung

1. Eine Genauere Leckage Untersuchung (P603 12cm^3)
1. ab wie viel Undichtigkeit werden die Leckagen erkannt
2. Leackagen Nach dem Verteiler (Schmierleitung)
2. In Absprache Digitalisierungsteam einen Feldtestkunden finden
3. Blockaden der einzelnen und mehreren Kolben vom Verteiler
   
4. Simulationsumgebung beschleunigt den Prozess erheblich
5. Eine Erweiterung der Cloud Architektur
1. im Bezug auf kosten und Skalierbarkeit
2. Containerbasiert or Amazon Sagemaker (Training integriert)
6. Weitere Messdatenerfassung

1. Versuche mit einem Drucksensor
2. Versuche in einem größeren Temperaturbereich

1. Betriebszustände wurden definiert
2. Zu überwachenden Parameter wurd festgelegt
3. Datenanalyse Verfahren Entwickelt, um Blockade, Leckagen und Normal Betrieb der Anlage zu erkennen
   
4. Eine Cloud Architektur aufgebaut
5. Datenerfassung, Datenspeicherung und Datenanalyse
   
6. Unsupervised Learning Methoden zum Verstehen der Daten, supervised Learning Methoden zum Klassifizieren
7. Betriebszustände erkennen, darauf aufbauend Predictive Maintenance

Identifizieren, zu welcher Kategorie ein Objekt gehört

0: Normal Betrieb

Confusion Matrix von Test-dataset

(CNN, LSTM, Unet)

Identifizieren, zu welcher Kategorie ein Objekt gehört

• Pi und Arduino in einem Gerät
• Lässt sich wie Pi Konfigurieren
• Putty, um ssh Verbindung herzustellen
• Winscp, Fernzugriff vom PC auf IOT2050 Dateien
• Debian Betriebsystem
• Unterstützt Node-RED

• Unterstützt AWS Greengrass Verbindung zu AWS Cloud
• Arduino Schnittstelle für Shields und somit ist das Gateway beliebig erweiterbar

scikit-learn

scikit-learn

• Reduzierung der Anzahl der zu berücksichtigenden Zufallsvariablen

• Automatisches Gruppieren ähnlicher Objekte in Sets

• Identifizieren, zu welcher Kategorie ein Objekt gehört

• Feature Extraktion
• Normalisierung

Automatisches Gruppieren ähnlicher Objekte in Sets

NeuralProphet - Temperaturverlauf

Darstellung von historischen Daten

Temperaturverlauf