Die Analysen der aufgenommenen Signale können, wie bereits bei den bisherigen CARoLINE-Versionen, über mathematischen Standardfunktionen erfolgen. Zusätzlich sind nun auch Luftschallaufzeichnungen möglich. Durch die Analyse der Luftschalldaten können die Nachteile der Körperschallanalyse kompensiert werden. Die Schwierigkeit liegt dabei darin, eine Luftschallanalyse zu realisieren, die unabhängig vom Störschall in den Werkhallen zuverlässig funktioniert.
GÖPEL electronic bietet über das maschinelle Lernen hier einen alternativen Ansatz zu den akustischen Abschirmungen, die zurzeit für Luftschalluntersuchungen nötig sind. Das Verfahren verbindet die bisherigen mathematischen Berechnungsfunktionen mit der Erhebung der Datensätze zur Klassifizierung von spezifischen Merkmalen und Geräuschmustern. Während der Produktionszyklen bilden nun die ermittelten akustischen Aufzeichnungen eine Basis für die Merkmalsermittlung, wobei die vorhandenen Störgeräusche ebenfalls aufgezeichnet werden. Diese Datensätze sind die Voraussetzung einer genauen Voraussage von subjektiv bestimmten Klassifikatoren. Klare und deutlich ausgeprägte Geräusche sind nicht mehr abhängig vom Frequenzgang oder von Schwankungen in der Drehzahl, sondern nur noch von der Auswahl, also einer Annotation, der aufgetretenen Störungen im Produkt. Detaillierte mathematische Kenntnisse über die Ermittlung der Fehlgeräusche sind somit nicht mehr notwendig. Sie müssen lediglich im aufgenommenen Audiosignal herauszuhören sein.
Im Zusammenhang mit CARoLINE 4 werden Tools angeboten, die den Prozess des maschinellen Lernens unterstützen. Mit AnEKa (AI Annotation Tool) können die Daten annotiert werden, um eine Analyse der akustischen Signale für die Entwicklung der Klassifikatoren vorzubereiten. Das Tool dient zum Anhören der aufgenommenen Prüflingsdaten und Zuordnen der Fehlergeräusche. Das erfolgt durch Auswahl und Benennung von Bereichen direkt im Audiosignal. Für diese Arbeiten sind keine professionellen Akustiker mehr notwendig.
Im Anschluss können die annotierten Daten mit MaLen (AI Model Handling Tool) für die Er-zeugung, Weiterentwicklung und Evaluation von Klassifikationsmodellen verwendet werden. In der schematischen Darstellung werden die notwendigen Arbeitsschritte gezeigt, um ein Modell mit Hilfe des maschinellen Lernens zu erzeugen und anschließend in der Produktion anzuwenden.
- Aufnahme der Audiodaten vom Prüfling.
- Annotation und Bereichsauswahl der Fehlgeräusche in den Daten.
- Trainieren eines Modells anhand der selektierten Daten.
- Einsatz des Klassifikators in CARoLINE.