Edge-Knoten für vorausschauende Wartung (IIoT)
Ein intelligenter industrieller Sensorknoten, der geräteinterne Edge AI (KI am Netzwerkrand) nutzt, um Motoranomalien zwei Wochen vor ihrem Ausfall zu erkennen.
Technische Spezifikationen
| Parameter | Spezifikation |
|---|---|
| MCU | STM32N6 (Arm Cortex-M55 + Ethos-U55 NPU) |
| KI-Leistung | 600 GOPS (Int8) |
| Sensoren | 3-Achsen-Beschleunigungssensor (20 kHz Bandbreite), Temperatur |
| Konnektivität | Industrial Ethernet (Profinet), WirelessHART |
| Sicherheit | Konform zu IEC 62443-4-2 SL3, Secure Boot |
| Spannungsversorgung | 24 V DC / PoE (Power over Ethernet) |
Die Herausforderung
Ein Automobilwerk verzeichnete Verluste von 50.000 €/Stunde durch plötzliche Ausfälle von Roboterarmen. Cloud-basierte Überwachungslösungen wiesen eine zu hohe Latenz und hohe Datenübertragungskosten auf. Benötigt wurde eine „Sensor-to-Action“-Schleife von unter 100 ms.
Unsere Lösung
Wir haben einen dedizierten Edge-AI-Knoten entwickelt, der Modelle zur Schwingungsanalyse direkt auf dem Sensor ausführen kann:
- TinyML-Inferenz: Komprimierte YOLOv8-nano- und benutzerdefinierte 1D-CNN-Modelle, die auf der STM32-NPU ausgeführt werden.
- Anomalieerkennung: Unüberwachtes Lernen (Autoencoder) zur Erkennung unbekannter Ausfallmodi.
- Lokale Steuerung: Direkte Integration mit der SPS über Profinet zur Auslösung von Not-Stopps in < 10 ms.
Ergebnisse
- 73 % Reduzierung der ungeplanten Ausfallzeiten innerhalb von 6 Monaten.
- 40.000 € jährliche Einsparungen pro Produktionslinie bei den Datenübertragungskosten (nur Anomalien werden hochgeladen).
- 100 % Datenschutz: Rohdaten der Schwingungsmessung verlassen niemals die Fertigungshalle.