Neuentwicklung MLS/210I ...

kdw · Joined: 05 May 2006 Posts: 1497

Hallo Forum.

Auf der Fachmesse maintenance, 19. – 20. Februar 2025 in Dortmund, werden wir den KI-basierten Softsensor MLS/210I erstmals der Öffentlichkeit präsentieren. Die Auslieferung als Serienprodukt in einem kompakten Kunststoffgehäuse ist für das erste Quartal 2025 geplant. Hinsichtlich der USB-Schnittstelle zur Spannungsversorgung und Konfiguration, interner oder externer Mobilfunkantenne für die interne LTE-M-Funkschnittstelle sowie der M2M-SIM-Karte sind verschiedene Varianten vorgesehen.

Der MLS/210I ist ein KI-basierter Softsensor. Der Mehrwert für den Softsensor-Anwender, z. B. den Nutzer einer Low-Code-Anwendung, entsteht durch folgende Zusammenhänge:

(1) Datenerfassung des Eingangsdatenbilds durch interne bzw. externe Sensoren und/oder Schnittstellenverbindungen zu internen Steuerungen. (2) Laufzeitumgebung für die Machine Learning (ML) Inferenz, also eine Datenauswertung per ML-Algorithmen. (3) Ergebnisweitergabe an die Low Code Applikation. Eine solche Anwendung lässt sich im Produktionsbereich innovativer Fabriksysteme einsetzen. Beispielsweise für Predictive oder Preventive Maintenance (also die vorausschauende bzw. vorbeugende Wartung and Hand KI-basierter Entscheidungsunterstützung), eine automatische optische Qualitätskontrolle, für die Steuerung von Lagersystemen, zum Betrieb autonomer Fahrzeuge sowie zur Zustandsüberwachungen verschiedener Art (von einer Füllstandsüberwachung per Ultraschallsensorik bis zum Condition Monitoring des Funkspektrums für eine Logistikanwendung mit Fahrerlosen Transportsystemen).

Die allgemeine Darstellung eines KI-basierten Softsensors wird im MLS/210I durch die Funktionseinheiten der folgenden Abbildung umgesetzt:

IMU: Eine interne inertiale Messeinheit (Inertial Measurement Unit, IMU) dient als Sensor zur Eingangsdatenerfassung. Damit wird jeweils die lineare Bewegung (Beschleunigung) sowie die kreisförmige Bewegung (Winkelgeschwindigkeit) in der x-, y- und z-Achse gemessen. Diese Messungen erfolgen periodisch mit einer voreinstellten Abtastfrequenz (Sample Rate). Dadurch entstehen zeitbezogene Datenarrays für die weiteren Verarbeitungsschritte (z. B. mit jeweils 512 Messwerten je Messzyklus).

Laufzeitumgebung: Das von der IMU gemessene zyklische Eingangsdatenbild wird in einer Mikrocontroller (MCU)-basierten Laufzeitumgebung zunächst für die weitere Datenanalyse aufbereitet. Dabei kommt eine Fourier Transformation zum Einsatz. Dadurch entsteht ein Frequenzspektrum der IMU-Daten, das z. B. eine Korrelationsbeziehung zur Vibration einer mechanischen Komponente aufweist. Die Daten des Frequenzspektrums werden anschließend über ein KI-Modell klassifiziert, also beispielsweise einem bestimmten Maschinenzustand zugeordnet. Über diese KI-Inferenz lässt sich des Weiteren auch eine Anomalie in den aktuellen Zustandsdaten erkennen. Je nach Anwendung werden mit dem Ausgangswert der Inferenz weitere Operationen durchgeführt, um die gewünschte Zielgröße zu berechnen.

RF Interface: Die Weitergabe der Zielgröße an externe Anwendungen erfolgt über eine LTE-M-Mobilfunkschnittstelle. Diese Funkschnittstelle wird ebenfalls von der Laufzeitumgebungs-MCU gesteuert. LTE-M ist ein internationaler Standard für die Low-Power Wide Area (LPWA)-Kommunikation, z. B. im Internet der Dinge, für den von verschiedenen Providern sehr kostengünstige Datenpläne angeboten werden. Insofern findet die MLS/210I-Zielgrößenübertragung nicht nach jeder periodischen Inferenz statt. Stattdessen werden ereignisgesteuerte Übertragungen (z. B. bei einem Zustandswechsel) oder einstellbare Intervallzeiten genutzt (beispielsweise alle 15 Minuten), um pro Tag mit einem möglichst geringen Datenvolumen auszukommen.

Darüber hinaus gibt es noch jeweils einen USB- und Debug-Steckverbinder sowie einen SIM-Kartensteckplatz. Über den USB-Stecker wird der MLS/210I mit Spannung versorgt. Dafür lässt sich eine externe Batteriespannungsquelle oder ein Steckernetzteil nutzen. Des Weiteren dient diese Schnittstelle zur Konfiguration und Datenweitergabe in der Testbed-Betriebsart. Der Debug-Stecker befindet sich im Gehäuseinneren und ermöglicht den Zugriff auf das Debug Interface der Arm MCU. Im SIM-Steckplatz wird das Subscriber Interface Module eines Mobilfunkproviders für die LTE-M-Nutzung installiert.

VG KDW

kdw · Joined: 05 May 2006 Posts: 1497

Hallo Forum.

Die anwendungsbezogenen Softwareentwicklung für den MLS/210I bzw. die Adaption vorhandener Firmware-Varianten an eine bestimmte Maschine erfolgt mit Hilfe eines speziellen Entwicklungsprozesses für KI-basierte Softsensoren. Die hier folgende Tabelle liefert eine Übersicht zu den sieben einzelnen Prozessschritten:

Zu den ersten sechs Schritten existieren vorentwickelte Templates. Diese sind z. B. hinsichtlich der Abtastfrequenz und einiger weiterer Parameter für das zyklische IMU-Eingangsdatenbild anzupassen. Der siebte Monitoring-Prozessschritt gehört zum Bereich der individuellen Qualitätssicherung: Das KI- bzw. ML-Modell eines Softsensors sollte in Bezug auf die Wirksamkeit im Praxiseinsatz grundsätzlich überwacht werden. Ungenaue Trainingsdaten eines ML-Modells erzeugen ungenaue Zielgrößen. Den Wert der jeweiligen Fehlerquote sollte man daher im Rahmen des Monitorings bestimmen und durch neue ML-Modellversionen optimieren.

VG KDW

kdw · Joined: 05 May 2006 Posts: 1497

Hallo Forum.

Der MLS/210I unterstützt in Abhängigkeit von der jeweils im Sensor-internen MCU-Flash-Speicher vorinstallierten Firmware zwei unterschiedliche Betriebsarten:

Normal Operation Mode (NO Mode): Es werden gemäß der jeweiligen Konfiguration periodisch IMU-Messdaten erfasst, mit Hilfe der Sensor-spezifischen Messmethode die gewünschte Zielgröße erzeugt und periodisch bzw. ereignisgesteuert per LTE-M an einen Cloudservice gesendet. Zur Zielgrößenerzeugung wird dabei z. B. eine Fourier Transformation (FT) mit den jeweils abgetasteten IMU-Rohdaten durchgeführt und anschließend der FT-Output per Machine Learning (ML)-Inferenz klassifiziert. Das ML-Ergebnis wird sowohl zum Update der virtuellen Zähler als auch zur Anomalieerkennung genutzt.

Testbed Mode (TB Mode): Es besteht eine USB-Verbindung zu einem externen Rechnersystem (beispielsweise eine SSV Mobile Testbed Unit oder einen PC). Per Node-RED lassen sich die aktuellen Konfigurationsparameter auslesen, neue Konfiguration laden oder eine andere Firmware in den MCU-Flash-Speicher übertragen. Ansonsten sendet der MLS/210I im TB Mode analog zu einem MLS/160A jeweils die erfassten IMU-Rohdaten über die USB/UART-Schnittstelle an ein externes System, um die jeweiligen Daten dort weiterzuverarbeiten. Die gewünschte Abtastfrequenz der x-, y- und z-Achsenmesswerte für Beschleunigung und Winkelgeschwindigkeit ist wie beim MLS/160A einstellbar. Der TB Mode eignet sich im Rahmen einer MLS/210I-Neuinstallation z. B. zum Erfassen der Trainingsdaten für KI- bzw. ML-Modelle.

Ab Werk ist jeweils der NO Mode voreingestellt. Um den TB Mode zu nutzen, muss zuvor die entsprechende Firmware in den Flash-Speicher der Mikrocontroller (MCU)-basierten Laufzeitumgebung geladen werden.

VG KDW

kdw · Joined: 05 May 2006 Posts: 1497

Hallo Forum.

Zur Erfassung des Eingangsdatenbilds werden die Ausgangsdaten des MLS/210I-internen IMU-Sensorelements mit einer bestimmten Abtastfrequenz periodisch ausgelesen und in Zeitfenstern zusammengefasst. Dadurch entsteht eine Folge einzelner Zeitfenster mit dem Signalverlauf im Zeitbereich.

Bei den Einstellungen für die IMU-Datenerfassung im Zeitbereich lassen sich neben der Abtastfrequenz (Sample Rate) auch die einzelnen „Datenkanäle“ (Channels ACCX, ACCY, ACCZ, GYRX, GYRY, GYRZ) auswählen. Jeder einzelne x/y/z-Achsenmesswert zur Beschleunigung und Winkelgeschwindigkeit (Gyrometer-Messwert) bildet dabei einen separaten Datenkanal. In vielen Anwendungen reicht es schon aus, nur eine einzelne Beschleunigungsachse zu erfassen, um den Betriebszustand einer Maschine zu bestimmen. Die folgende Abbildung liefert hierzu ein Beispiel. Sie visualisiert die innerhalb eines Zeitfensters erfassten Daten einer Achse:

Im Testbed Mode (TB Mode) werden die Daten der einzelnen Zeitfenster jeweils als Measuring Datagram über eine serielle Schnittstellenverbindung an ein externes Rechnersystem übertragen. Das dafür genutzte Datenformat ist identisch zum MLS/160A, siehe hierzu auch „Protocol Specification“ unter https://www.ssv-embedded.de/doks/manuals/sr_mls160a_en.pdf. Eine weitere Verarbeitung der Daten im MLS/210I ist in dieser Betriebsart nicht vorgesehen.

Befindet sich ein MLS/210I hingegen im Normal Operation Mode (NO Mode), wird jedes einzelne Zeitfenster mit dem gemessenen Signalverlauf im Zeitbereich per Fourier Transformation (FT) in den Frequenzbereich umgerechnet. Mit anderen Worten: aus dem zeitbezogenen Datenarray wird ein frequenzbezogenes (zweidimensionales) Array mit Frequenz- und Amplitudenwerten. Die folgende Abbildung zeigt als FT-Ergebnis ein einfaches Beispiel für ein solches Frequenzspektrum. Diese FT-Ausgabedaten eignen sich zur weiteren Verarbeitung mit entsprechend vorbereiteten KI-Modellen, um an Hand des jeweiligen Frequenzspektrums bestimmte Zustände zu klassifizieren oder Anomalien zu erkennen.

IMU-Daten im Frequenzbereich lassen sich auch als Spektrogramm visualisieren. Eine solche bildliche Darstellung entspricht dem zeitlichen Verlauf eines Frequenzspektrums. Die folgende Abbildung zeigt ein Spektrogramm für das weiter oben dargestellte Frequenzspektrum.

Derartige Bildobjekte lassen sich mittels spezieller KI-Algorithmen mit sehr guten Ergebnissen klassifizieren. Im Umfeld von Computer-Vision-Anwendungen werden für eine Bildklassifizierung (Bilderkennung) vielfach künstliche neuronale Netzwerke eingesetzt (siehe z. B. "Convolutional Neural Networks" unter https://de.wikipedia.org/wiki/Convolutional_Neural_Network).

Die Zusammenfassung: Im NO Mode des MLS/210I wird eine Messmethode zur Berechnung der jeweiligen Zielgröße(n) eingesetzt. Dabei werden die folgenden Schritte jeweils zyklisch durchlaufen:

1. Eingangsdatenbild aus den IMU-Daten erfassen. Diese Datenerfassung erzeugt ein 1-Sekunden-Zeitfenster mit IMU-Daten im Zeitbereich. Die Anzahl der erfassten IMU-Sensormesswerte wird durch die voreingestellte Abtastfrequenz (Sample Rate) bestimmt.

2. Daten aus dem Zeitbereich per Fourier Transformation in den Frequenzbereich umrechnen. Dabei entsteht ein Frequenzspektrum zu den erfassten IMU-Daten.

3. Klassifizieren des Frequenzspektrums mittels eines künstlichen neuronalen Netzwerks. Bei dieser Inferenz kommt ein zur Aufgabenstellung passendes KI- bzw. ML-Modell zum Einsatz.

4. Inferenzergebnis für den Update der virtuellen Zählerwerte nutzen. Diese Zählerdaten bilden die Zielgröße(n) des MLS/210I in einer bestimmten Anwendung.

5. Optionale Funktion: Frequenzspektrum hinsichtlich möglicher Anomalien bewerten. Dafür wird ein sogenannter Autoencoder eingesetzt, zu dem ein spezielles ML-Modell gehört (Details zu Autoencoder: siehe auch https://de.wikipedia.org/wiki/Autoencoder). Das Inferenzergebnis des Autoencoder wird ebenfalls in die Zielgrößendaten übertragen.

6. Periodisches bzw. ereignisgesteuertes Versenden der Zielgrößen über die LTE-M-Funkschnittstelle.

VG KDW

kdw · Joined: 05 May 2006 Posts: 1497

Hallo Forum.

Zunächst einmal ist folgende Frage zu klären: Was ist ein virtueller Zähler? Die Antwort lautet: Ein virtueller Zähler liefert Summenwerte, die sich nicht direkt messen lassen. Zur Messwertbildung werden stattdessen verschiedene Datenquellen und mathematische Operationen genutzt.

Virtuelle Zähler werden auch als „Calculated Counters“ (Berechnete Zähler) bezeichnet und z. B. zum Monitoring von IT-Baugruppen und zur „Energieverbrauchsmessung“ genutzt. Hierzu ein Beispiel: Mit Hilfe virtueller Zähler lässt sich in einem Bürogebäude der Gesamtstrombedarf der IT-Systeme für einzelne Abteilungen (Einkauf, Vertrieb, Buchhaltung) errechnen. Dafür werden der Gesamtstrombezugswert des physischen „Stromzählers“ plus die anonymisierten Anwesenheitsdaten aus der Personalzeiterfassung sowie einige zuvor ermittelte mathematische Konstanten genutzt.

Mit den virtuellen Zählern eines MLS/210I sind beispielsweise die Betriebsstunden der unterschiedlichen Nutzungsphasen einer Maschine (also z. B. Leerlauf, Teillast, Volllast) mit kontextbezogenen Algorithmen aus dem IMU-basierten Frequenzspektrum errechenbar. Die folgende Abbildung liefert ein Beispiel:

Die Zeitspannen zwischen den Zeitpunkten t1 bis t2 und t3 bis t4 entsprechen zwei Volllastphasen einer Maschine. Im Zeitabschnitt von t5 bis t6 ist eine Teillastphase erkennbar. Zwischen t2 und t3 sowie t4 und t5 sind zwei Leerlaufphasen zu erkennen. Ein MLS/210I kann die Zeiten für die unterschiedlichen Phasen dieses Beispiels in drei virtuellen Betriebsstundenzählern aufsummieren, um eine nutzungsabhängige Maschinenwartung zu ermöglichen.

Auch für deutlich komplexere Szenarien lassen sich per MLS/210I virtuelle Zähler realisieren. Im folgenden Bild sind verschiedene Zustände einer Werkzeugmaschine erkennbar. Neben den beiden Leerlaufphasen am linken und rechten Bildrand wechseln sich mehrere Rüst- und Lastphasen ab. Die einzelnen Lastphasen lassen sich verschiedenen Leistungskategorien zuordnen.

VG KDW

kdw · Joined: 05 May 2006 Posts: 1497

Hallo Forum

Ein MLS/210I besitzt ein internes LTE-M-Modem als RF Interface plus eine SIM-Karte mit einem IoT-Datenplan. Über diese LPWA-Schnittstelle erfolgt die Weitergabe der Zielgröße des KI-basierten Softsensors. Aus diesem Grund laufen bei SSV gerade diverse Funktests, um die Zuverlässigkeit der Funkkommunikation im Dauerbetrieb zu bestimmen und zu optimieren. Dabei kommen Grafana Dashboards zum Einsatz:

Die vorinstallierte SIM-Karte eines MLS/210I ist im übrigen Provider-unabhängig. Insofern funktioniert die MLS/210I-Mobilfunkkommunikation in fast allen Ländern mit einem LTE-M- bzw. LTE Cat-M-Funknetz.

VG KDW

kdw · Joined: 05 May 2006 Posts: 1497

Hallo Forum.

Ein wichtiges Werkzeug für den MLS/210I-Praxiseinsatz ist das grafische Entwicklungswerkzeug Node-RED (siehe https://nodered.org/). Diese Open-Source-Software wird für verschiedene Aufgaben genutzt. Dafür ist eine Node-RED-Installation auf einem PC oder einer Wireless Remote Development (WRD)-Box sowie eine USB/UART-Verbindung zwischen beiden Systemen erforderlich. Zu den Node-RED-Anwendungsmöglichkeiten gehören:

VG KDW