>_ FERTIG Motors GmbH
Der Auftrag
Erkennung von möglicherweise fehlerhaften Elektromotoren anhand von FFT-Auswertungen der Rastmomente
Die Herausforderung
>_ Große vorliegende historische Datenmenge mit je 2x 128 FFT Ordnungen
>_ Unsupervized learning Ansatz
>_ Anbindung an Fertigungsprüfstand (maximal erlaubte Latenz: 10-20 Sekunden)
Die Lösung
Erstellung eines Prüftstandsdienstes für die Motoren-Baugruppe BM055 mit folgenden Eigenschaften:
>_ Datenaustausch mit Prüfstand über MQTT-Protokoll
>_ Realisierung der Anomalieerkennung über Isolation Forest
>_ Realisierung mit Python als Windows-Service
>_ Separate Konfigurationsdatei, Status- und Errorlogging sowie Nutzung selbstsignierter lokaler Zertifikate