Develop³ Systems Engineering 01.2014
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Trends Sensorik<br />
Bild 3: Beispiel für eine<br />
CPPS-Kraftmessplattform<br />
(Cyber-Physical Production<br />
System, Embedded Kraftmessplattform)<br />
für die<br />
5-Achs-Bearbeitung mit<br />
integrierten Lage- und Beschleunigungssensoren<br />
Mit Sensoren die digitale Produktion gestalten<br />
Die Möglichkeiten der Vernetzung und vielfachen Verwendung<br />
von Prozessdaten werden heute unter dem Begriff Cyänderte<br />
Datenverarbeitung auf dem System. Für die Prozessüberwachung<br />
oder Prozessregelung werden vom System<br />
dann nur noch die notwendigen Kennwerte übertragen.<br />
Durch die Rekonfigurierbarkeit kann die Verrechnungsmethode<br />
jederzeit optimal an die jeweiligen Anforderungen angepasst<br />
werden (Bild 3).<br />
Integrierte Signalverarbeitung<br />
mit Zellularen Neuronalen Netzwerken<br />
Ein interessantes Beispiel für die sensorintegrierte Signalverarbeitung<br />
mit neuartigen Kamerasystemen ist die Schmelzbadüberwachung<br />
beim Laserschweißen. Ermöglicht wird das<br />
durch Zellulare Neuronale Netzwerke (CNN). Die Besonderheit<br />
dieser Systeme besteht darin, dass jedes einzelne Pixel des optischen<br />
Sensors mit einer eigenen Einheit zur Datenverar -<br />
beitung und Speicherung verbunden ist. Zusammen bilden<br />
diese Komponenten jeweils eine Zelle. Dieser Aufbau ermöglicht<br />
die parallele Verarbeitung der Daten sämtlicher Bildpunkte.<br />
Die einzelnen Zellen des Sensorsystems sind zudem mit<br />
den jeweils unmittelbar benachbarten Zellen verbunden.<br />
Hierdurch entsteht ein Netzwerk einzeln verarbeitender Elemente.<br />
Die interzellularen Verbindungen führen dazu, dass die Zellen<br />
nicht nur die Daten eines einzelnen Pixels verarbeiten, sondern<br />
gleichzeitig miteinander interagieren können. Dieser Aufbau<br />
ist an das Vorbild natürlicher neuronaler Netzwerke angelehnt,<br />
wobei die einzelnen Zellen des CNN biologischen Nervenzellen<br />
nachempfunden sind [2]. Unter Vorgabe geeigneter<br />
Algorithmen ermöglicht die CNN-Architektur die besonders<br />
schnelle Verarbeitung von Bilddaten. Der zellulare Aufbau des<br />
<strong>Systems</strong> führt jedoch dazu, dass die verarbeiteten Daten abermals<br />
in Bildform ausgegeben werden. In entsprechenden Kamerasystemen<br />
wird deshalb der CNN-basierte Prozessor in<br />
Fokalebene durch ein nachgeschaltetes FPGA (Field Programmable<br />
Gate Array) ergänzt. Dieses steuert den Fokalprozessor<br />
und interpretiert die ausgegebenen Daten. Da die Daten bereits<br />
in vorverarbeiteter Form vorliegen, ist durch den FPGA-<br />
Prozessor eine wesentlich geringerer Rechenleistung aufzubringen,<br />
als dies bei einer direkten Auswertung der Bilddaten<br />
der Fall wäre. Insgesamt befähigt dieser Aufbau somit das<br />
System zu einer internen Datenverarbeitung bei sehr hohen<br />
Verarbeitungsgeschwindigkeiten, wobei Bildraten von mehr<br />
als 10.000 fps erreicht werden können [3] und das Ergebnis der<br />
Auswertung direkt als Regelungs- oder Steuersignal ausgegeben<br />
werden kann. Die aufgenommenen Bilddaten müssen also<br />
zur weiteren Auswertung nicht an einen Messrechner übertragen<br />
werden – was allerdings nachteilig ist, wenn die Speicherung<br />
der Bilddaten etwa zu Dokumentationszwecken ausdrücklich<br />
gefordert wird.<br />
Aufgrund der dargestellten Vorteile besitzen CNN-Kamerasysteme<br />
eine hohe Eignung zur Verwendung in den Bereichen der<br />
Echtzeit-Überwachung und der Echtzeit-Regelung. Abt et al.<br />
realisierten beispielsweise eine Echtzeit-Regelung eines Laserstrahltiefschweißverfahrens<br />
für überlappende Bleche [4]. Der<br />
Prozess wird in diesem Fall koaxial durch die Laserschweißoptik<br />
mit Hilfe eines CNN-basierten Kamerasystems überwacht.<br />
Durch Überwachung und Analyse der für den Tiefschweißprozess<br />
typischen Dampfkapillare und des umgebenden<br />
Schmelzbads ermöglicht das Kamerasystem, den aktuellen<br />
Prozesszustand zu ermitteln.<br />
Multisensorsystem als Lab-on-a-Chip<br />
Die Überwachung von Prozessen und Maschinen in der Produktionstechnik<br />
basiert heute auf der Erfassung physikalischer<br />
Kenngrößen – die Überwachung oder sogar Regelung<br />
von Hilfsstoffen erfolgt kaum. Durch eine ständige und intensive<br />
Kontrolle kann allerdings die Verlängerung der Lebensdauer<br />
und das Einhalten der geforderten Eigenschaften von<br />
Kühlschmierstoffen, Elektrolyten und Dielektrika realisiert<br />
werden – was insbesondere die Entwicklung von chemischen<br />
Sensoren erfordert, die in flüssigen oder gasförmigen Phasen<br />
im laufenden Fertigungsprozess chemische Kennwerte ermitteln<br />
können. Ähnlich wie Biosensoren weisen chemische Sensoren<br />
eine Rezeptivität für die zu analysierenden Stoffe auf. Die<br />
Bindung zwischen Analyt und sensitiver Schicht muss reversibel<br />
sein, um eine fortwährende Analyse zu gewährleisten.<br />
Die Struktur eines chemischen Sensors ist dabei nicht nur<br />
exakt auf einen Analyten ausgerichtet, sondern ermöglicht die<br />
Bindung von verschiedenen Analyten. Über einen Messwandler<br />
kann die chemische Messgröße elektrisch erfasst werden.<br />
Um beispielsweise in Kühlschmierstoffanlagen schnell und<br />
gezielt vor Ort – und im Prozess! – notwendige Anpassungen<br />
vornehmen zu können, lassen sich zur Charakterisierung des<br />
Zustandes der Kühlschmierstoffe mehrere Einzelsensoren zu<br />
einem Sensor-Array zusammenfügen, einem Lab-on-a-Chip<br />
(Bild 4). Die Sensitivität für mehrere Analyte erfordert dabei eine<br />
intelligente Auswertung der Sensorsignale. Hierbei ist es<br />
wiederum mit Hilfe von künstlichen neuronalen Netzwerken<br />
möglich, einen kausalen Zusammenhang zwischen den Sensordaten<br />
und spezifischen chemischen Kenngrößen herzustellen.<br />
Kühlschmierstoffe lassen sich auf diese Weise länger<br />
nutzen und durch die kontinuierliche Analyse kann das Entstehen<br />
toxischer Substanzen frühzeitig durch Zugabe von exakt<br />
dosierten Additiven wirkungsvoll verhindert werden.<br />
38 develop 3 systems engineering 01–2014