Wenn in der Industrie Maschinen ausfallen, kann das schnell teuer werden. Modernste Sensorik und KI sollen helfen, dass Probleme schon entdeckt werden, bevor sie zu langwierigen Reparaturen führen. Damit beschäftigt sich ein neues Josef Ressel Zentrum an der FH Joanneum in Kapfenberg. Es wird von Joachim Schauer geleitet, der sich damit beschäftigt, wie Zeitreihendaten aus Messungen von Sensoren Fehler erkennen, Vorhersagen verbessern und Maschinen ausfallsicherer machen.

Maschinen reparieren, wenn sie defekt sind oder fehlerhafte Produkte produzieren, kann kostspielig sein, denn zu den Reparaturkosten kommt auch noch der Stillstand der Produktion. Regelmäßige Inspektionen und Wartungsarbeiten können Ausfälle minimieren und die Lebensdauer der Maschinen und Anlagen verlängern - sie können aber dennoch unnötig aufwendig sein, wenn Probleme nur selten auftreten. Das neue JR-Zentrum für "zeitreihenbasierte Fehlervorhersage und -vermeidung" setzt auf künstliche Intelligenz (KI), um mögliche Fehler zu erkennen, bevor große Schäden entstehen, und um den optimalen Wartungszeitpunkt für Maschinen zu bestimmen.

Das Kapfenberger Zentrum will Methoden und Modelle erarbeiten, die auf Basis von Zeitreihendaten zukünftig auftretende Fehler in Produktionsprozessen vorhersagen. Dabei stehen jene Fehler im Mittelpunkt, die zu einem Totalausfall der Produktion oder zu fehlerhaften Produkten führen würden. Wenn man diese vorhersagen kann, ließe sich das zugrunde liegende Problem durch geeignete Gegenmaßnahmen wie Adaptierung der Maschineneinstellungen oder präventive Wartung verhindern.

Die verwendeten Zeitreihendaten basieren auf zeitlich aufeinander folgenden Messwerte von Sensoren, die den Zustand der verschiedenen Maschinenkomponenten festhalten. Unternehmenspartner in dem am Mittwoch feierlich eröffneten Forschungszentrum sind der Messtechnikspezialist AVL DiTEST und voestalpine Tubulars in Kindberg. Im Fokus der Untersuchungen stehen bei AVL DiTEST portable Messgeräte, die die Partikelemission von Dieselfahrzeugen messen und von Prüforganisationen und Werkstätten eingesetzt werden. Bei voestalpine Tubulars geht es um den komplexen Prozess der Produktion von nahtlosen Stahlrohren für die Auto- bis hin zur Öl- und Gasindustrie. Unterstützt wird das Zentrum von der Christian Doppler Forschungsgesellschaft und dem Bundesministerium für Arbeit und Wirtschaft.

Machine Learning und KI

Der Forschungsplan ist dreiteilig, erklärte Joachim Schauer, Professor am Institut Software Design und Security an der FH Joanneum in Kapfenberg und Leiter des neuen Zentrums: "In Phase eins des Forschungsvorhabens lassen wir Computer aus Daten lernen. Mit diesem 'Machine Learning' stellen wir eine Verbindung zwischen bereitgestellten Daten und technischen Ursachen her. In Phase zwei werden wir Modelle zur Fehlervorhersage entwickeln. Und in Phase drei gilt es auf Basis von künstlicher Intelligenz und klassischer Statistik interpretierbare Erklärungen für die Ergebnisse von Phase zwei zu erhalten."

voestalpine Tubulars stellt dem Projektteam mehr als 500.000 hochaufgelöste Produktionsvorgänge für die Analyse zur Verfügung. AVL DiTEST liefert alle relevanten Parameter von 20.000 im Feld befindlichen Geräten. Am Ende der Projektlaufzeit im Jahr 2028 will man ein einsatzbereites generalisiertes Modell zur Fehlervorhersage und -vermeidung entwickelt haben.

Corinna Engelhard-Nowitzki und Martin Payer freuten sich, das nunmehr vierte Josef Ressel Forschungsvorhaben an der FH Joanneum zu eröffnen: "Das unterstreicht unsere Strategie, anwendungsorientierte Forschung und Entwicklung in enger Kooperation mit der steirischen Wirtschaft und der Industrie durchzuführen, um damit auch die praxisorientierte Lehre für die Studierenden zu unterstützen", so die Geschäftsführenden der FH Joanneum. Aus Sicht der steirischen Wissenschafts- und Forschungslandesrätin Barbara Eibinger-Miedl (ÖVP) zeige das neue Zentrum auch, "welche Chancen in der Digitalisierung und insbesondere in der Künstlichen Intelligenz noch schlummern und wie diese in Unternehmen genutzt werden können".