Sensor-to-Information

Algorithmen auf dem Gateway

Alternativ zur Cloud lassen sich identische Algorithmen aus der Open-Source-Welt auch direkt am oder im Sensor bzw. auf einem Edge-Gateway einsetzen. Dies ermöglicht Datenanalysen für PM-Wartungsstrategien in Echtzeit, ohne die einzelnen Rohdaten zuvor vollständig an eine Cloud zu übertragen. Die Bearbeitungsstufen einer solchen vollständig lokalen Sensor-to-Information-Lösung – von der Sensordatenerfassung bis zur Informationsgewinnung – sind nahezu identisch zum Sensor-to-Cloud-Konzept. Statt der Daten werden nun allerdings nur die jeweils veränderten Ausgangsinformationen eines Algorithmus an eine Cloud übergeben.

Zukünftige Sensoren für Predictive-Maintenance-Anwendungen besitzen einen deutlich größeren Softwareanteil als die zurzeit existierenden Produkte. Dabei wandert ein Teil der Funktionen, für die gegenwärtig Cloud-Services genutzt werden, aus unterschiedlichen Gründen (z. B. Datensparsamkeit, Echtzeit- und Datenschutzprobleme) direkt in den Sensor. Im Sensor selbst entsteht dabei eine vierstufige Verarbeitungskette aus Rohdatenerfassung, Datenvorverarbeitung, Datenanalyse und Informationsweitergabe. Bild: SSV Software Systems GmbH

Keine Meldung im Normalbetrieb

Würde man beispielsweise die Ausgangsdaten des zuvor bereits angesprochenen Mikrofones, also die 14.400 Messpunkte je Sekunde, auf einen entsprechend vortrainierten Machine-Learning-Algorithmus zur Klassifizierung einzelner Zustände des Antriebselements führen, entstehen im Normalbetrieb nur wenige Messwerte pro Tag. In der Praxis würde ein solcher Algorithmus aus den Mikrofondaten einen mittels Trainingsdaten festgelegten Zustand bestimmen. Nur bei einem Zustandswechsel von ‚OK‘ auf ‚Kritisch‘ würde eine neue Information am Ausgang zur Verfügung stehen. n der SSV Software Systems GmbH.