Rotec Smart Devices und Data Analytics für innovative Seilprüfverfahren

Technologien

Projektzeitraum 2019 - 2021

Kundennutzen

  • Auslesen und Verarbeiten der Prüfdaten in Echtzeit
  • Frühzeitige Fehlererkennung
  • Zeitersparnis
  • Kostenersparnis

Die ROTEC GmbH (ROpe TEChnology) wurde 2017 in Stuttgart gegründet, um eine sehr fundierte Expertise rund um Seile und Seilanlagen verschiedenen Kundengruppen zugänglich zu machen. So führt ROTEC als anerkannte sachverständige Stelle für Seilbahnen die Abnahme von Seilbahnneu- und -umbauten sowie die regelmäßige Prüfung von Seilen und Seilbahnanlagen durch. Darüber hinaus entwickelt das Unternehmen verschiedenste Arten von Standard- und Sonder-Seilprüfsystemen, die weltweit eingesetzt und in Lizenz vertrieben werden.

Gemeinsam mit inovex entwickelte ROTEC nun die Software für ihre neueste Hardware-Innovation zur magnetischen Seilprüfung – abseits von den Standardlösungen der Branche.

Sensoren zur Drahtseilprüfung generieren hohe Datenmengen

Um die Sicherheit von Drahtseilen zu gewährleisten, werden diese in regelmäßigen Abständen geprüft – das schreiben Normen und Gesetze vor. Die magnetinduktive Seilprüfung ist hierfür das Standardverfahren, weil damit Drahtbrüche im Seil erkannt werden können.

Für diese Anwendung hat ROTEC einen neue Sensorplattform entwickelt, welche die herkömmliche Spulenmessung mit Hallsensoren verbindet und diese Sensoren enorm schnell auslesen kann. Das Verfahren erlaubt eine hochaufgelöste Überprüfung der Seile, erzeugt aber gleichzeitig auch sehr große Datenmengen, die in Echtzeit aufgenommen und verarbeitet werden müssen.

Lösung für ein autarkes Auslesegerät

Da die zu prüfenden Drahtseile nicht immer leicht zugänglich sind, entschied sich ROTEC dazu, die Sensorplattform mit einem Embedded-Computer in einem kompakten Gerät zu verbauen. Die Seilprüfung, also die Aufnahme und Analyse von Messdaten, sollte über einen drahtlos verbundenen Laptop oder ein Tablet möglich sein.

Aufgrund dieser Anforderungen wurde eine Client-Server-Architektur gewählt: Der Embedded-Computer übernimmt das Auslesen der Sensoren sowie die Verarbeitung und Speicherung der Messdaten, während die Steuerung und die Anzeige der Messungen über eine Web-App erfolgt. Die Software unterstützt die Seilprüfer:innen außerdem durch teilautomatische Analysen, wie beispielsweise eine Auswertung des Seilzustands, nach verschiedenen internationalen Normen.

Embedded-Computer für automatische Auswertung

Neben der Anwendung durch Seilprüfexpert:innen ermöglicht die Architektur den Einsatz als Smart Device zur komfortablen Anlagenüberwachung. Hier werden mehrere Geräte, z. B. in Aufzugsschächten, fest installiert. Anlagenbediener:innen können bequem von der Schaltzentrale aus die Überprüfung aller Seile durch einen einzigen Knopfdruck starten. Anders als beim Spezialgerät erfolgt die Auswertung der Sensordaten nach abgeschlossener Messung vollautomatisch. Anschließend wird der Zustand der Seile den Anlagenbediener:innen übersichtlich präsentiert. Zudem lassen sich Details einzelner Seile abrufen, wie etwa die Lage der Defekte auf dem Seil.

Die Projektarbeit zwischen Rotec und inovex war durch exzellentes technisches KnowHow, eine zielgerichtete, mehrwertstiftende methodische Vorgehensweise sowie einem hohen Grad an empathischer Zusammenarbeit geprägt. Wir freuen uns auf die nächsten gemeinsamen, innovativen Projekte.

Product Owner

Technische Herausforderungen der Sensor-Plattform

Die Anwendung ist wie eine klassische Web-App aufgebaut, bestehend aus einem Backend auf dem Embedded-Computer und einem Browser-Frontend. Das Frontend wurde mit React/TypeScript und D3.js umgesetzt, während das Backend, wegen der begrenzten Hardware-Ressourcen des Embedded-Computers und der Anbindung der Sensorplattform, in C++ implementiert wurde. 

Die hohe Auflösung der Messdaten und die daraus resultierende Datenrate von über 700.000 Sensorwerten zu je 2 Byte pro Sekunde stellte sowohl das Backend als auch das Frontend vor technische Herausforderungen: Im Frontend mussten die Daten während der Aufnahme schritthaltend geplottet werden und bei der Analyse sollte das Signal stufenlos zoom- und verschiebbar sein. Damit das flüssig funktioniert, mussten die Daten vor der Anzeige intelligent gefiltert und aggregiert werden.

Wegen der begrenzten Hardware-Ressourcen im Backend – eine typische Messung kann nicht vollständig im RAM gehalten werden – mussten die Messungen laufend in Dateien gestreamt werden, ohne dadurch das Auslesen der Sensoren oder die Kommunikation mit dem Frontend zu beeinträchtigen. Die automatische Auswertung musste ebenfalls stream-basiert erfolgen. Das Datenformat HDF5 zur Speicherung der Messungen war hierbei ein großer Enabler.

Screenshot der Rotec Web App

Methodische Vorgehensweise

Um dem innovativen Ansatz sowie dem Forschungscharakter des Projekts gerecht zu werden, wurde ein exploratives Vorgehensmodell gewählt, bei dem durch regelmäßige Experimente auf Seilbahnen die getroffen Annahmen validiert wurden. So konnte die Hardware parallel zur Software in mehreren Revisionen und Prototypen laufend durch empirische Evidenzen verbessert werden.

Fazit

Das Vorhaben hatte starken Forschungscharakter. So wurde die Hardware parallel zur Software in mehreren Revisionen laufend verbessert, und es mussten neue Algorithmen für die Messdatenanalyse entwickelt werden.

YouTube

By loading the video, you agree to YouTube's privacy policy.
Learn more

Load video

PHA+PGlmcmFtZSB3aWR0aD0iNTYwIiBoZWlnaHQ9IjMxNSIgc3JjPSJodHRwczovL3d3dy55b3V0dWJlLW5vY29va2llLmNvbS9lbWJlZC9mYUh5eGhad3B1RSIgdGl0bGU9IllvdVR1YmUgdmlkZW8gcGxheWVyIiBmcmFtZWJvcmRlcj0iMCIgYWxsb3c9ImFjY2VsZXJvbWV0ZXI7IGF1dG9wbGF5OyBjbGlwYm9hcmQtd3JpdGU7IGVuY3J5cHRlZC1tZWRpYTsgZ3lyb3Njb3BlOyBwaWN0dXJlLWluLXBpY3R1cmUiIGFsbG93ZnVsbHNjcmVlbj0iYWxsb3dmdWxsc2NyZWVuIiBkYXRhLW1jZS1mcmFnbWVudD0iMSI+PC9pZnJhbWU+PC9wPg==

Besonders herausfordernd waren die flüssige Echtzeitanzeige der hochauflösenden Daten im Frontend sowie die vielen Abstraktionsschichten im Backend – vom Hardware-Treiber über das Stream Processing der Sensordaten bis hin zur Inputvalidierung im Web-Kontext. Es war von Anfang bis Ende ein spannendes und vielschichtiges Projekt.

Wie können wir Sie unterstützen?

Dominik Helleberg

Head of Mobile Development and Smart Devices

Matthias Richter

Machine Learning Engineer