Big Data Analytik mit automatisierter Signalverarbeitung für Condition Monitoring

Abstract

Eine zuverlässige Zustandsüberwachung ist Voraussetzung, um durch vorausschauende Wartung Reparaturkosten zu senken, Stillstandszeiten zu verkürzen und somit die Produktivität zu erhöhen. In diesem Beitrag wird ein automatisierter Methodenbaukasten zur für die Zustandsüberwachung nötigen Merkmalsextraktion, Merkmalsselektion und Mustererkennung vorgestellt. Weiterhin wird gezeigt, wie dieser Baukasten mit Hilfe von MapReduce auf große Datenmengen angewandt werden kann. Diese Big Data Analyse wird anhand der Lebensdauerprognose elektromechanischer Spindelachsen demonstriert, die automatisiert sowohl sehr genaue, als auch physikalisch plausible Lösungen liefert. Zukünftig werden einzelne Aspekte des Baukastens in sensornahen Elektronikmodulen integriert, um die Datenlast in industriellen Netzwerken zu reduzieren.