Gesamtziel
Das Projekt hat zum Ziel, ein multimodales, KI-gestütztes Messsystem zu entwickeln, das Produktionsfehler frühzeitig erkennt und die Restlebensdauer sowohl neuer als auch gebrauchter Leistungsmodule zuverlässig abschätzen kann. Im Fokus steht die Entwicklung eines intelligenten Systems, welches Probesubstrate einem künstlichen Alterungsprozess unterziehen kann. Von diesen künstlich erzeugten Testsubjekten können dann Messdaten aus unterschiedlichen Quellen (z. B. Teilentladungen, Impedanzspektroskopie und Isolationsmessungen) zusammengeführt und mit einem künstlichen neuronalen Netz analysiert und bewertet werden. Der finale Demonstrator des Systems soll in der Lage sein, interdependente Datenmuster zu erkennen und Leistungsmodule hinsichtlich ihrer Ausfallwahrscheinlichkeit zu klassifizieren. Durch die Optimierung dieser KI-basierten Lösung und die Implementierung einer flexiblen Architektur soll eine Plattform geschaffen werden, die sowohl die Produktionseffizienz steigert, als auch eine Second-Use-Nutzung von Modulen ermöglicht. Das Ergebnis ist eine leistungsfähige, adaptive und übertragbare Lösung, die die Qualitätsbewertung und Prognose der Lebensdauer von Leistungselektronik ermöglicht und eine potenzielle Weiterentwicklung der Messtechnik erlaubt, ohne kontinuierliche Neuentwicklung der jeweiligen KI-gestützten Module.
Motivation und Verantwortlichkeiten Develappers
Die Ingenieure und Softwarearchitekten der Develappers GmbH haben in den zurückliegenden Jahren tiefes Know-How im Bereich der künstlichen Intelligenz, der Datenverarbeitung und der Softwaretechnologie aufbauen und in verschiedenen Branchen bereits sehr erfolgreich einsetzen können. Ziel ist nun die Forschungsergebnisse aus der Zusammenarbeit mit dem Fraunhofer IKTS nach Projektende zum Ausbau der eigenen Leistungen und Produkte im Bereich der künstlichen Intelligenz im industriellen Umfeld zu verwerten. Das Verbundvorhaben soll hierzu insbesondere zum Aufzeigen der technischen Machbarkeit und des Potenzials sowie der Erforschung von Methoden zur Übertragbarkeit auf analoge Problemstellungen in der Industrie dienen. Parallel zur eigentlichen Problemstellung sind insbesondere Methoden zur Steigerung der Akzeptanz im industriellen Umfeld Gegenstand der Forschung. Dies umfasst z.B. Verfahren zur Adaption und Optimierung von künstlichen neuronalen Netzen (KNNs), um diese auf regulärer und kostengünstiger Industriehardware und ohne KI-Spezialwissen nutzbar zu machen.