Analog Devices hat eine flexible, sofort einsatzbereite, sichere, drahtlose Ende-zu-Ende-Lösung für die vorausschauende Wartung entwickelt. Sie kombiniert Software, Hardware und die hauseigene Expertise zu einer skalierbaren Problemlösung mit sicherer Datenübertragung für die vorausschauende Wartung von Antrieben. OtoSense SMS besteht aus einem Smart Motor Sensor (SMS) als Edge-Gerät, Android- und iOS-Anwendungen für Mobilgeräte, Web-Dashboards zur Visualisierung sowie KI-basierten Analyse- und REST-API-Diensten, die sich in der Cloud befinden. Die batteriebetriebene Plattform integriert MEMS-Sensoren, Präzisionswandler und Signalketten von Analog Devices. Die Firmware erfasst Motorparameter wie Vibration, Temperatur, Drehzahl oder Magnetfluss und sendet die Daten über eine sichere WiFi-Verbindung an die Backend Cloud, wo sie verarbeitet werden. KI-Software, die in der Cloud läuft, analysiert die Daten und überwacht die Motorabnutzung. Das System kann neun verschiedene elektrische und mechanische Fehler vorhersagen, die bei Motoren üblicherweise auftreten. Sobald das System einen solchen Fehler erkennt, sendet es Push-Benachrichtigungen und/oder E-Mails an den Anlagenbetreiber und informiert über erforderliche Maßnahmen. Die SMS-Produktreihe ist als Ende-zu-Ende-Lösung oder mit einer RESTful-API-Schnittstelle erhältlich.
Die OtoSense-SMS-Lösung befindet sich bereits in vielen Branchen und Ländern im Einsatz. Entsprechend kann der Anbieter auch schon Referenzen vorweisen: „Mit ADI OtoSense, insbesondere der SMS-Lösung, können wir auf ein manuelles Vorgehen bei der vorausschauenden Wartung verzichten“, bestätigt Margal Gotanegra, CMO Maintenance Manager bei Corbion. „Wir erhalten nicht nur detaillierte und zuverlässige Informationen über das Abnutzungsgeschehen an Maschinen, sondern können auch Wartungspersonal zur genauen Diagnose von Fehlern effizienter einsetzen.“ Joris Bracke, Eigentümer von Smart Motor Services, ergänzt: „Mit der SMS-Lösung können wir eine proaktive Wartung auf der Grundlage von Live-Daten anbieten – und jetzt die Expertise erfahrener, auf den Antriebsstrang spezialisierter Ingenieure auf Abruf anbieten.“
Die für die SMS-Lösung erforderliche Software wurde auf Basis des Sensor-zu-Cloud-Software-Frameworks von Analog Devices entwickelt. Damit ließ sich der Anwenderwunsch nach Komplettlösungen erfüllen, ohne dass die Komplexität zur Erfassung von verwertbaren Erkenntnissen aus Daten der realen Welt den Benutzer frustriert. Eine gute Wiederverwendbarkeit verkürzt nicht nur die Zeit bis zur Markteinführung, sondern begünstigt auch, dass Sicherheits- und Qualitätsziele erreicht werden können. Schlüsselfertige, produktionstaugliche Komponenten im Framework ermöglichen eine schnellere Markteinführung, so dass ein größerer Teil der Entwicklungszeit für die Bereitstellung der domänenspezifischen Lösung für ein bestimmtes Produkt bereitsteht. Durch eine passende Infrastruktur lassen sich die Kosten nach dem Software-as-a-Service-Konzept (SaaS) abrechnen. Das bedeutet aber auch, Angriffen von Hackern und digitalen Dieben ausgesetzt zu sein. Sicherheit als Teil des Frameworks ist daher von entscheidender Bedeutung.
Cloud und Web
Das OtoSense-SMS-Cloud-Backend basiert auf einem sicheren Software-Framework und erweitert es. Die Anwendung ist mandantenfähig (Multi Tenancy), um das Onboarding multipler Kunden zu unterstützen und die Datentrennung zu gewährleisten. Analog Devices bietet auch Partnerversionen mit individuellen Labels an, die es Kunden, wie beispielsweise Motorreparaturwerkstätten und Motor-Distributoren ermöglicht, auf das SMS ihr eigenes Logo oder Branding aufzubringen und das System direkt an eigene Kunden zu verkaufen. Partner können mit nur wenigen Klicks neue Mandanten (Customer Tennants) erstellen. Die gesamte erforderliche Architektur wird automatisch generiert, und es wird eine Einladung zum Onboarding per E-Mail an den jeweiligen Kunden gesendet.
Mobilgeräte und KI-Engine
Bei der Entwicklung der zugehörigen Apps für Mobilgeräte stand die Wiederverwendung von Code im Vordergrund. Die Core-App besteht aus mehreren Modulen, darunter ein SMS-Kommunikationsmodul, ein API-Kommunikationsmodul und ein Core-App-Modul. Diese Module können in sämtlichen Custom Label Partner Apps wiederverwendet werden. Dafür wird ein neuer Konfigurationssatz erstellt, der die vom jeweiligen Partner mit seiner Marke versehenen UI-Komponenten und die API-Konfiguration enthält. Mit dieser Softwarearchitektur kann das Entwicklungsteam für Mobilgeräte-Apps neue Partner-Apps schnell und einfach erstellen sowie neue Funktionen und Updates für alle Partner-Apps effizient veröffentlichen.
Die ADI-OtoSense-KI-Plattform wurde genutzt, um die Machine-Learning-Komponenten der SMS-Lösung zu implementieren. Aufbauend auf der Expertise des Anbieters wurde eine digitale Blaupause des optimalen Verhaltens eines Elektromotors über alle Last-, Drehzahl- und Temperaturbereiche hinweg erstellt. Jeder einzelne Motor weicht ein Stück von diesem Grundmodell ab und sein Umfeld, seine Nutzung sowie durchgeführte Wartungsarbeiten machen ihn damit einzigartig.
Nach der Befestigung an einem Motor erfasst OtoSense SMS zunächst relevante Daten, um festzustellen, wie sich der Motor von der Blaupause unterscheidet. Der Smart Motor Sensor erstellt dann einen einzigartigen digitalen Zwilling des Motors, an dem sich das SMS-Edge-Gerät befindet. Davon ausgehend werden die Daten des Motors mit denen seines digitalen Zwillings verglichen, der unter genau denselben Betriebsbedingungen (simuliert) läuft. Bei einem auffälligen Unterschied im Verhalten zwischen dem physischen Motor und seinem digitalen Zwilling, analysiert OtoSense SMS diesen, um die wahrscheinlichste Ursache für die Diskrepanz herauszufinden. Dem Betreiber wird dann mitgeteilt, dass am Motor ein Fehler vorliegt. Das System sendet zudem Informationen über die Ursache des Fehlers und die zu ergreifenden Maßnahmen zu dessen Behebung.
Firmware
Die Firmware in der an einem Motor befestigten Sensorplattform sendet die erfassten Daten sicher über eine WiFi-Verbindung zur Verarbeitung an die Backend Cloud. Dazu verbindet sich die SMS-Firmware mit einem iOS- oder Android-Smartphone und unterstützt somit die Geräteinstallation. Die Firmware liefert Diagnoseinformationen für die Fehlersuche während und nach dem Einsatz des Systems und ist über die drahtlose Schnittstelle sicher aktualisierbar. Entwickelt wurde die SMS-Firmware auf der Grundlage eines portablen Frameworks, das auf einer serviceorientierten Architektur (SOA) basiert. Das Secure Device Framework (SDF) besteht aus modularen, wiederverwendbaren Funktionsblöcken, die sich in agnostischen Service-APIs befinden, um die Wiederverwendung für andere IoT-Anwendungen mit kurzer Markteinführungszeit zu ermöglichen. Außerdem erlaubt das SDF Anwendungsentwicklern, applikationsspezifische Signalverarbeitungs-Funktionen und -Algorithmen zusammen mit Service-APIs einfach in das System zu integrieren.
Sensor-zu-Cloud-Softwaretest
Analog Devices hat einen umfassenden Testplan erstellt, um sicherzustellen, dass Anwender eine Lösung von hoher Qualität erhalten. Zusätzlich zu den Komponenten- und Integrationstests, die von den Entwicklern im Rahmen des Entwicklungszyklus durchgeführt werden, wurde ein eigenes, unabhängiges Testteam beauftragt, Ende-zu-Ende-Tests der Lösung durchzuführen. Die meisten Tests wurden automatisiert, um eine schnelle Umsetzung zu erzielen und Regressionstests zu fahren, während die Software im Laufe der Zeit weiterentwickelt wurde. Eine Vielzahl beliebter Open-Source-Test-Frameworks wurden in ein zusammenhängendes Testautomatisierungs-Framework integriert. So ließen sich alle Ende-zu-Ende-Funktionstests für alle kritischen Systemfunktionen durchführen, die mit dem System, der Mobilgeräte-App und der Webanwendung interagieren müssen.
Über mehrere Stunden wurden Goldene Daten aufgezeichnet, um das Analysesystem zu testen und belastbare Leistungsdaten mit einer möglichst geringen Anzahl von Fehlalarmen oder nicht erfolgten Alarmen zu gewinnen. Sichergestellt wurde auch, dass bei Fehlerereignissen Anwender entsprechende Benachrichtigungen erhalten. Die Testmethode umfasste positive und negative Fälle sowie Tests unter verschiedenen Netzwerkbedingungen, um die Zuverlässigkeit, Robustheit und einen komplikationsfreien Netzwiederaufbau unter schwierigen Bedingungen zu gewährleisten.
