Sensorfusion

14. Juli 2020 durch

Informationen zusammenführen


QASS reagiert auf die Herausforderungen der Digitalisierung, indem wir neue Technologien und Anwendungen entwickeln. Mit uns kann der Anwender die Digitalisierung gestalten und nicht nur erleben. Ein besonderes Beispiel stellt das Thema Sensor- und Informationsfusion dar. Dabei wird eine nicht definierte Anzahl von Sensoren und anderen Datenströmen miteinander verbunden. Dies geschieht unter Berücksichtigung einer verständlichen Visualisierung von Daten und einer Merkmalsextraktion für Smart Data. Das Ziel ist eine verbesserte Aussagekraft für das jeweilige Prozessverhalten, indem nicht ganz eindeutig zuordnungs- und referenzierbare Signale miteinander eine gesicherte Aussage herbeiführen. Nun spielt QASS seine Stärken in der Datenanalytik, dem Aufbau von Hochleistungs-Messhardware und der Softwareprogrammierung aus.

Das notwendige Werkzeug


QASS ist Hersteller von piezoelektrischen und magnetinduktiven Sensoren, die aktiv über eine Vorverstärkermesskette mit dem Hauptgerät verbunden werden. Dabei können bis zu 4 Messkanäle (Multiplexing) gleichzeitig aktiv Sensordaten aufzeichnen und einer Spektralanalyse mit 40 µs pro Fourier-Schritt unterziehen. Die Stärken des Systems liegen zudem in der Merkmalsextraktion durch eine mathematische Berechnung und der Anwendung von adaptiven elektrischen Filtern, um auch in schroffen Industrieprozessen zuverlässig zu sein. Über die Schnittstelle des Vorverstärkers können auch Fremdsensoren eingebunden werden und damit von den Stärken des Messgeräts profitieren. Ganz neu ist jedoch ein weiterer Weg unter Nutzung der verbauten Computer-Schnittstellen des Messgeräts, denn auch über USB, Netzwerk oder serielle Anschlüsse sowie Profinet können nun Daten eingelesen werden. Dabei ist es unerheblich aus welcher Quelle die Daten stammen, ob z. B. einem Bypass eines bestehenden Messgeräts, einem Datenstrom zur begleitenden Protokollierung des Bauteils oder einem Sensor. Generell betrachtet das QASS Analyzer Programm ab diesem Zeitpunkt allein die Daten und bringt diese zu einer adaptiven Auswertung.

Big Data Analyse


QASS hat zu dieser adaptiven Auswertung zwei Ebenen geschaffen, die das Messgerät in ein universelles Tool zur Datenanalyse und eben zur Sensorfusion erheben.

Die erste Ebene ist das QASS Operatorennetz. Ein Operator ist ein Kleinstprogramm, das eine bestimmte Funktionsaufgabe innerhalb des Messgeräts bedient. Es existieren 3 Klassen von Operatoren. Die Klasse 1 greift auf die Grundfunktionen des Messgeräts zu, was vor allem die Speicherung und Bereitstellung von Daten betrifft. Die Klasse 2 dient dann bereits der Analyse von Daten. Der Funktionsumfang der bereitgestellten Operatoren ist bereits sehr vielfältig und beinhaltet im Kern eine Mustererkennung auf Basis der Spektraldaten. Dabei werden eingelernte referenzierbare Objekte der Spektrallandschaft in neuen Datenströmen gesucht. Ein Hauptvorteil ist die sichere Elimination von Störgrößen. Die Klasse 3 dient meist der Visualisierung und Anpassung der Daten sowie der Maschinenkommunikation. Die Operatoren-Elemente lassen sich zu einem Datenflussmodell zusammenschalten und interaktiv auf die jeweilige Messaufgabe anpassen. Die Operatoren der Klasse 1 beziehen ihre Daten dabei aus den beschriebenen Schnittstellen. Für jeden Sensor oder Datenstrom entsteht so eine eigene Datenanalyse, die wiederum kaskadierend zu einer gemeinsamen Auswertung verknüpft werden kann.

Wer trotzdem nicht zufriedenstellend mit den vorhandenen Operatoren auskommt, der darf selbst an der Tastatur aktiv werden. Mit dem Thema Skripting hat QASS die Möglichkeit geschaffen, auf die Funktionen des Messgeräts mit einem eigenen selbst erstellten Programmcode zuzugreifen.

Spezielle Möglichkeiten der Anpassung


Es existieren Java-Skript und Python-Skript Operatoren, die jeweils die Stärken der jeweiligen Programmiersprache zulassen. Während Java-Skript sich objektorientiert und wirklichkeitsnah programmieren lässt, ist Python eher aspektorientiert und funktional und lässt die Einbindung von Bibliotheken wie z. B. TensorFlow zu. Damit wird das Messgerät um die Fähigkeit des maschinellen Lernens anhand realer Sensordaten erweitert. Die praktischen Vorteile liegen auf der Hand. Brauchte QASS in der Vergangenheit Monate bis eine neue Applikation fertig für den jeweiligen Anwendungsfall programmiert war, gelingt dies nun innerhalb von wenigen Tagen. Durch die schnelle und saubere Anpassung auf die sensor- und datentechnischen Inhalte des Produktionsprozesses entstehen so in kurzer Zeit immer mehr Applikationen für das Universalmessgerät Optimizer4D.

Dabei können die grafischen Elemente des Corporate Design verwendet werden, was die zweite Ebene der adaptiven Auswertung darstellt. Unter dem Namen PenGUI lassen sich grafische Elemente erstellen, die einen erleichterten Zugriff auf die teilweise komplexe erste Auswerteebene zulassen. Dabei ist es dem Anwender überlassen, welche Elemente er kreiert. QASS hat viel Wert auf den vereinfachten Zugang zu komplexer Messtechnik gelegt, damit die Daten verstanden und nicht erst interpretiert werden müssen.

Beispiele


Gelungene Integrationen sind bereits die Verwendung von Strommesszangen in Schweißprozessen und deren Darstellung in der Spektralanalyse mit direkter Aussage über die Qualität des MIG/MAG-Schweißprozesses unter kombinierter Verwendung des Körperschalls oder das Produkt QASS QUBE. Dabei handelt es sich um ein Messgerät zur Detektion von ölabhängigen Risikofaktoren in großen, autarken Antriebssträngen über Infrarotspektrometrie sowie begleitender Störelektrik und zur Detektion von Frühschäden in Lagern durch Körperschall.


Diesen Beitrag teilen
Archiv