Mit KI und maschinellem Lernen (ML) lässt sich die Koordination der Instandhaltung für Maschinen und Anlagen weitestgehend automatisieren. Dabei helfen genaue Informationen zu den tatsächlichen Nutzungsdetails, wie Betriebsstunden und Starts einzelner Maschinenaggregate – also z.B. individuelle Laufzeiten der Antriebselemente, der Pumpen, Zählvorgänge für Ventilbetätigungen usw. Für solche Digitalisierungslösungen ist der KI-Sensor MLS/210I konzipiert. Er wird nachträglich nicht-invasiv an einer beliebigen Maschine befestigt und über eine externe Batterie oder ein Netzteil mit Spannung versorgt. Der MLS/210I wird über USB mit Node-RED konfiguriert. Die Zähler- und Zustandswerte werden per LTE-M übertragen.

Der MLS/210I nutzt ein inertiales Sensorelement, um die Vibrationen einer Maschine durch Messung von Beschleunigung und Winkelgeschwindigkeit in jeweils drei Achsen zu erfassen. Dieses zyklische Datenbild durchläuft anschließend eine Datenvorverarbeitung, wird dann mittels KI klassifiziert und abschließend den individuellen Zählerwerten zugeordnet. Mit dem MLS/210I-Messverfahren plus zusätzlichen KI-Funktionen lassen sich darüber hinaus auch Anomalien, z. B. eine Unwucht, automatisch erkennen. Die Zählerstände und weitere Meldungen übermittelt der MLS/210I über LTE-M-Mobilfunk an die gewünschte Zieladresse.

Um direkt vor Ort an einer Maschine die erforderlichen Trainingsdaten zur Anpassung des ML-Modells zu erfassen, aufzubereiten und zu evaluieren, bietet SSV als Zubehör einen dezentralen Testbed-Service an. Dieser dient bei der Installation eines MLS/210I als Werkzeug, um die gewünschte Zählerkonstellation bzw. Anomalieerkennung festzulegen und das ML-Modell anzupassen. Zur Unterstützung steht dafür auf Wunsch ein SSV-Experte per Remote-Service zur Verfügung. Durch dieses datenzentrierte Adaptionskonzept erzielt der MLS/210I in der Praxis deutlich präzisere Ergebnisse, als die aktuelle Generation der am Markt verfügbaren Predictive-Maintenance-Sensorik.