Akustische Maschinenüberwachung mittels Smartphone
Ziel dieser Arbeit ist, aus Audio- und Vibrationsdaten einer Kaffeemaschine mittels Machine Learning, Informationen über deren Zustand vorherzusagen und zu visualisieren. Dafür wurde ein dreischichtiges Softwaresystem bestehend aus iOS-App, Applikationsserver und Datenbank entwickelt. Die App wird für die Aufnahme der Daten und zur Visualisierung der Datenanalyse verwendet. Die Datenverarbeitung findet auf dem Applikationsserver statt und wird in Signalverarbeitung und Machine Learning unterteilt. Die Signalverarbeitung berechnet aus den Audiodaten Features (Kennzahlen) für das Machine Learning und wertet dafür das erstellte Spektrogramm aus. Im Bereich Supervised Learning wurden zwei Schätzer für Produktsorte und Bohnenfüllstand erstellt und im Bereich Unsupervised Learning eine Hauptkomponentenanalyse zur Anomalitätsdetektion. Die komplette Datenverarbeitung ist in Python programmiert worden. Die Datenbank speichert die einzelnen Aufnahmen in Form von Features ab. Diese Arbeit ist Teil der Cafeteria i4.0 der Solve GmbH, welche der Öffentlichkeit die Möglichkeiten der Digitalisierung und der Industrie 4.0 aufzeigt.
Artan Papaj