VIPFLUID
Vorausschauende Instandhaltung für Pumpensysteme auf Basis von Federated Learning und Synthese von multiplen Sensordaten
VIPFLUID setzt sich zum Ziel, den schonenden Umgang mit Ressourcen in der Abwasserwirtschaft zu fördern und die Resilienz kritischer Infrastrukturen zu stärken. Das Projekt nutzt innovative digitale Technologien, um Zustandsdaten von Abwasserpumpen zu erfassen und für maschinelles Lernen zu verwenden. Mithilfe von adaptiver Sensortechnik und einem intelligenten Sensorhub werden Pumpendaten erfasst, lokal vorverarbeitet und als komprimierter Datenstrom an lokale Rechenressourcen (Fog) gesendet. Durch Machine Learning (ML) und synthetische Daten werden adaptive Modelle zur vorausschauenden Wartung entwickelt. Die Softwarelösungen basieren auf generativen neuronalen Netzwerken sowie Federated Learning und etablieren den Einsatz von maschinellem Lernen in der vorausschauenden Wartung auf wirtschaftliche und ökologische Weise. Dies ermöglicht proaktive Wartung, minimiert reaktives Handeln, reduziert Ausfallrisiken und verbessert die Prozesssicherheit. Die Technologie führt zu einer erheblichen Reduzierung der Ressourcen für die Instandhaltung, trägt zur Senkung des CO2-Ausstoßes bei und unterstützt die Erreichung von Klima- und Umweltschutzzielen. Langfristig könnten die Lösungen auch auf andere Anwendungsgebiete wie die Steuerung von Abwasserströmen bei Starkregen ausgeweitet werden, um Schäden zu vermeiden und die Infrastruktur widerstandsfähiger zu machen.