Zeitreihensegmentierung zum verbesserten Condition Monitoring in Industrie 4.0 Anwendungen

Inhalt:
Die heutigen Anforderungen an Werkstückqualität und Produktionseffizienz in Industrieanwendungen steigen stetig an und erfordern neue, innovative Lösungen. Die Robert Bosch GmbH forscht aus diesem Grund an der automatisierten Überwachung des Maschinenzustands (Condition Monitoring) und des Bearbeitungsprozesses (Process Monitoring) an Werkzeugmaschinen mithilfe von MEMS-Sensorsystemen und intelligenten Signalverarbeitungsalgorithmen. Bei der Fertigung identischer Werkstücke an spanenden Werkzeugmaschinen können für jedes Werkstück vergleichbare Signale gemessen werden. Die Aufteilung der Signale in eindeutige, wiederkehrende Abschnitte, welche zuverlässig über alle Messungen erkannt werden, ist ein Hilfsmittel, um aussagekräftige und vergleichbare Merkmale für die Zustandserkennung zu extrahieren. Aus einer großen Auswahl an Algorithmen wurden sechs geeignete Methoden ausgewählt und hinsichtlich ihrer zuverlässigen Segmentierung und ihrem Konfigurationsaufwand bei Parameterveränderungen verglichen. Die besten Ergebnisse konnten mit einer Weiterentwicklung des Bayesian Online Changepoint Detection Algorithmus erreicht werden. Durch die eingeführte Changepoint-Wahrscheinlichkeitsverteilung (CPPD) wird eine gehäufte Segmentgrenzsetzung bei verrauschten Daten verhindert. Mithilfe des angepassten Algorithmus kann eine zuverlässige Signalsegmentierung von MEMS-Vibrationssensordaten und damit eine verbesserte Merkmalsextraktion für Klassifizierungsalgorithmen erreicht werden.