MAHMAMT - Monitoring und Analyse von Schwermaschinen mittels berührungsloser Messverfahren und -technologien.

Die Effizienz von Schwermaschinen zu optimieren, lautet die Forderung der Industrie. Ein innovatives Sensorsystem steuert darüber hinaus den Produktionsprozess. Industrieübergreifend führen die hohen Betriebs- und Wartungskosten von Schwermaschinen (z.B. Bohranlagen, Kräne oder Trenn- und Schleifmaschinen) zur Notwendigkeit, die Leistungsfähigkeit und die Effizienz zu optimieren. Schwermaschinen sind in der Regel mit einer Vielzahl von Sensoren zur Überwachung, Steuerung und Kontrolle von diversen Sub-Komponenten ausgestattet. Jedoch fehlt es an der relevanten Sensorik zur Erfassung der Maschineneffizienz und deren Leistung. Fast immer ist die invasive Integration von neuen Messtechnologien aus technischen, wirtschaftlichen oder auch rechtlichen Gründen keine Option.

Im Projekt MAHMAMT entwickelte JOANNEUM Research  gemeinsam mit der Firma TDE GmbH ein berührungsloses Sensorsystem, bestehend aus optischen, akustischen, Thermal- und Strom bzw. Spannungssensoren.   Ergänzend wurden Analyse- und Auswertungsanalytik zur Ermittlung von maschinenrelevanten Zustandsinformationen oder “Key Performance Indikatoren“ (KPI) erarbeitet. Diese Analyse basierte auf adaptiven Machine Learning- und Mustererkennungsalgorithmen zur automatischen Ermittlung maschinenrelevanter KPIs (somit objektive Entscheidungen bei Maschineneffizienz- und Produktionsprozesssteuerung).

Die Kern-Innovation bestand dabei in der Zusammenführung der unterschiedlichen Messmodalitäten, insbesondere die Kombination von modalitätsspezifischen Eigenschaften, wie z.B. Frequenzen im Audiospektrum, bild-basierte Objekteigenschaften oder spezielle Leistungspegel zur Erkennung der jeweiligen Maschinenzustände.

Monitoring and Analysis of Heavy Machinery using non-intrusive measurement techniques