Success Story

Lesedauer: 3 min

Mechanical Engineering

Material Industries

Anomaly Detection

Industrial Software

Kontext

Unser Kunde hat einen Sensor entwickelt, der an Betonbauteilen angebracht werden kann, um den Bauprozess zu überwachen. Das Gerät enthält einen Beschleunigungsmesser und einen zusätzlichen Sensor zur Messung der Aushärtung des Betons. craftworks wurde damit beauftragt, die Sensordaten nutzbar zu machen und einen vollständigen Einblick in den Baufortschritt und den aktuellen Zustand der Baustelle zu geben.

Herausforderung

Die Herausforderung bestand darin, charakteristische Phasen des Bauprozesses anhand der Beschleunigungsdaten von an den Bauteilen angebrachten Sensoren zu erkennen. Nach der Datenerfassung benötigte unser Kunde Antworten auf mehrere entscheidende Fragen: Wird ein Bauelement von einem Kran angehoben? Befindet es sich in einer horizontalen oder vertikalen Position? Sind Arbeiter auf dem Bauteil? Wurden Elemente am Baukörper befestigt?

Auftrag

Unsere Aufgabe bestand darin, vor Ort Messdaten zur Beschleunigung zu sammeln, alle wichtigen Phasen durch Kennzeichnung zu erfassen und ein Machine-Learning-Modell zur automatischen Erkennung dieser Phasen zu trainieren.

Lösung

Der Code wurde in Python entwickelt. Anschließend wurde das Machine-Learning-Modell auf C-Code übertragen, um es auf dem Mikrocontroller des Geräts des Kunden auszuführen. Außerdem haben wir Pandas und Scikit-learn verwendet. Für die Kennzeichnung haben wir unser effizientes, selbst entwickeltes Annotationstool verwendet, das über selbstlernende Fähigkeiten verfügt.

Die innovative Lösung von craftworks, welche die Sensordaten des Kunden einbindet, automatisiert die Überwachung der Betonbauteile mit einer Genauigkeit von 80%. Unser Ansatz verbessert das Projektmanagement und optimiert die Effizienz auf der Baustelle.

three male team members of craftworks at a meeting table looking at laptops and working

Successful growth is a decision. Driven by data.

Wie können wir Ihnen weiterhelfen?