Verbundvorhaben: Mimose-A - Multimodale IoT-Devices zur umfassenden und selbstlernenden Anlagenüberwachung; Teilvorhaben: Sensorsystemauslegung, Mess- und Datenplanung, Signalauswertung und Interpretation mit ML-Methoden
Zeitraum
2023-11-01 – 2026-10-31
Bewilligte Summe
513.012,16 EUR
Ausführende Stelle
Förderkennzeichen
03EN4057A
Leistungsplansystematik
Energiesparende Industrieverfahren - Digitalisierung, Künstliche Intelligenz und Datenverarbeitung [EA3258]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN4)
Förderprogramm
Energie
Der Mensch ist in der Lage, sehr schnell den Zustand seiner Umgebung zu erfassen, indem er Informationen über verschiedene Sinneskanäle aufnimmt und miteinander verarbeitet. Für technische Systeme steht heute eine Vielzahl preiswerter Sensoren zur Verfügung, die in ihrer Leistungsfähigkeit teils deutlich über die menschlichen Sinnesorgane hinausgehen, dennoch ist eine ähnlich umfassende Bewertung der Umgebung noch nicht möglich, weil die einzelnen Sensordaten nicht ausreichend fusioniert und interpretiert werden. Durch die Verfügbarkeit ausreichender Rechenleistung zur Interpretation der entstehenden Datenflut ist ein Paradigmenwechsel in der sensorischen Überwachung von Anlagen möglich, der in diesem Projekt erstmalig adressiert werden soll. In der Anlagenüberwachung nicht nur in der chemischen Industrie sind heute dedizierte, d. h. für genau eine spezifische Applikation ausgelegte Sensorsysteme üblich, meist verbunden mit hohen Kosten, u. a. wegen der geringen Stückzahlen, die keine Economy of Scale erlauben. Ergänzt werden diese begrenzten technischen Systeme durch den Menschen, der mit seiner 'Sensorik' ungewöhnliche Zustände und mögliche Gefahrensituationen allerdings nur punktuell erfassen kann. Erwünscht ist eine flächige Erfassung multimodaler Anlagendaten und damit eine deutliche Verbesserung der Bewertungsmöglichkeiten, z. B. zur frühzeitigen Erkennung von Leckagen bei Energieträgern (Druckluft, Wasserdampf, Gas und zukünftig zunehmend Wasserstoff). Durch geeignete Visualisierung räumlich und zeitlich hochgelöster Messdaten lässt sich die aktuelle Situation schnell und zielsicher erfassen, selbst wenn die Datenqualität einzelner Messpunkte geringer ist. Ergänzt werden die stationären Sensorknoten zusätzlich durch mobile autarke Sensorsystemen, die gezielt auf unbekannte Situationen reagieren kann, um einen deutlichen Mehrwert bei niedrigerem Ressourceneinsatz zu ermöglichen.