slimme sensoren voorspellen bevriezing in real time
De mengmachine verwerkt vlees met toevoegingen. Stikstof
verkoelt het mengsel, dit moet altijd tussen -2.4 °C en -1.9 °C blijven, helaas vindt er soms bevriezing van het mengsel plaats waardoor dit hard wordt en de machine schade oploopt. Om dit te voorkomen, ontwikkelde student Kasper Tiebe een proof-of-concept predictive maintenance-oplossing met behulp van TinyML.
Door middel van sensoren die vibratie, temperatuur en stroom registreren, werd er realtime data verzameld via een low-cost microcontroller. Het systeem detecteert afwijkingen op basis van unsupervised machine learning (voor de geïnteresseerden: een speciaal type neuraal netwerk, Variational Autoencoder). Zo weten de teamleden in de fabriek wanneer het mengsel dreigt te bevriezen, nog voordat er schade aan de mengarmen ontstaat.
Dit leverde tinyml in het productieproces op
Dankzij de slimme sensoropstelling en algoritmes kan het systeem afwijkingen detecteren op basis van normale processen, zonder historische foutdata. Zo kan het systeem tijdig waarschuwen en ingrijpen. Het model draait lokaal op een energiezuinige chip, waardoor cloudkosten en latency laag zijn.
De impact? Minder schade aan onderdelen, minder stilstand, minder productieverlies, minder foodwaste en een hogere voorspelbaarheid en veiligheid in het proces.
meer info of aanmelden?
Wil jij weten hoe je slimme technologie inzet voor jouw machines? Neem contact op met het Fieldlab Edge AI for Smart Industry via Andre Gerver.
CONTACTPERSOON
Andre Gerver
📧 a.gerver@techport.nl