Zurück zur Übersicht

KI-basierter kompakter Gasdurchfluss-messer

KI-basierter und kompakter Gasdurchflussmesser

Ausgangslage

Ein führender Hersteller von Gasdurchfluss- und Druckmessgeräten wollte mit einem kostengünstigen Kompaktgerät neue Marktsegmente erschliessen. Das Unternehmen vertraute IMT aufgrund unserer langjährigen Partnerschaft und Erfahrung in der Gasdurchflussmessung.

Ziel des Projekts

Entwicklung eines leichten, kompakten Gasdurchflussmessers, der Präzision zu 50 % niedrigeren Produktionskosten als seine Konkurrenten bietet. Dieses Gerät sollte für verschiedene Anwendungen geeignet sein, von der Kalibrierung von Krankenhausgeräten bis hin zu Gasdurchflussmessungen in der Technik und im Aussendienst.

Technische Umsetzung

Der innovative Gasdurchflussmesser kombiniert platz- und kosteneffizientes Design mit höchster Präzision durch den Einsatz von zwei Differenzdrucksensoren und speziellen Gittern, die Verunreinigungen minimieren. Dank der KI-Integration werden Messkorrekturfaktoren effizient berechnet, wodurch der Speicherbedarf um 99% reduziert und die Batterielebensdauer verlängert wird.

Das Gerät verfügt über ein LCD-Display, einen Li-Ion-Akku und läuft auf einem leistungsstarken, hauseigenen Betriebssystem für optimale Echtzeitleistung. Vielseitige Anschlussmöglichkeiten wie USB-C und Bluetooth LE sind integriert, und das benutzerfreundliche Design ist für schnelle Montage und optimale Sichtbarkeit optimiert.

Einblicke in die Entwicklungsreise

  • Innovatives Design:
    Es war eine Hürde, Genauigkeit in einem platz- und kosteneffizienten Modell zu erreichen. Unser einzigartiges, zum Patent angemeldetes mechanisches Design mit zwei Differenzdrucksensoren, die durch Gitter getrennt sind, nahm die Herausforderung an. Diese Gitter haben grössere Löcher, um das Risiko der Staubverschmutzung zu minimieren und die langfristige Zuverlässigkeit des Messgeräts in unterschiedlichen Umgebungen zu gewährleisten.
Farbvarianten
Varianten «edgy»
  • KI-Integration:
    Traditionell wurden die Messkorrekturfaktoren in einer speicherintensiven 4-dimensionalen Nachschlagetabelle gespeichert. Stattdessen nutzten wir maschinelles Lernen unter Verwendung verfügbarer Testmessdaten und trainierten einen neuronalen Netzwerkalgorithmus, der diese Faktoren vorhersagt. Das Training wurde auf einem PC durchgeführt, während das neuronale Netzwerk auf der integrierten Hardware des Durchflussmessers eingesetzt wurde. Dieser KI-Ansatz benötigt nur 10kB Speicherplatz - eine massive Reduzierung des Speicherplatzes um 99 %. Das Ergebnis? Geringerer Stromverbrauch und längere Batterielebensdauer.
  • Konnektivität und Design:
    Das Gerät verfügt über vielseitige Anschlussmöglichkeiten, einschliesslich USB-C und BLE für mobile Apps auf iOS und Android. Da wir wussten, dass Benutzer das Gerät auf unregelmässigen Oberflächen aufstellen könnten und der Bildschirm aus verschiedenen Winkeln gut sichtbar sein muss, haben wir uns auf unsere UX- und ID-Expertise gestützt. Nach der Erstellung mehrerer 3D-Prototypen und dem Einholen von Nutzerfeedback haben wir ein Design entwickelt, das sowohl funktional und benutzerfreundlich ist als auch für eine schnelle Montage optimiert wurde.
  • Energie und Leistung:
    Wir haben ein LCD-Display und einen Li-Ion-Akku eingebaut. Die Software läuft auf zwei Prozessoren: einer für die Benutzeroberfläche und Energieverwaltung, der andere für Aufgaben wie Messung, Datenverarbeitung, und KI-Inferenz. Unser hauseigenes Betriebssystem 'Dataflow Runtime' sorgt für optimale Echtzeitleistung und reibungslose Datenverarbeitung. Der Dataflow Designer ist dank seiner automatischen Codegenerierung und Dokumentationsfunktionen von unschätzbarem Wert für den Entwurf der System- und Softwarearchitektur. Weitere Einzelheiten unter https://www.imt.ch/en/imt-dataflow.

Ergebnis

Nach einer zweijährigen Entwicklungszeit kam das neue Durchflussmessgerät auf den Markt. Es verspricht eine Genauigkeit von 1,7 % bei der Durchflussmessung, eine benutzerfreundliche Schnittstelle und eine lange Batterielebensdauer. Es ist CE-markiert und in den USA als Klasse 1 Medizingerät registriert.

«Dieses Projekt war für unser Team sowohl spannend als auch herausfordernd. Wir haben bei Null angefangen und erfolgreich maschinelles Lernen in ein schlankes, kompaktes Gerät integriert.»

Stefan Zoller, Electronic Engineer

Zurück zur Übersicht

Weitere Projekte

Unsere Projekte zu folgenden Themen könnten Sie auch interessieren:

Beatmungsgerät für die Intensivstation

Therapeutischer Netzhautlaser

Operations-Mikroskop

Beatmungsgerät für Neonaten

Entwicklungstool für Embedded Software

KI-basierter kompakter Gasdurchfluss-messer

Kalibrierstand für Gasfluss Messgeräte

MRT-kompatibles Beatmungsgerät

Druckluft-Kompressor

Gerät zur Magnetfeld-Therapie

Lüftungsregler für die Gebäude-Automation

Gasfluss- und Druck-Messgerät

Embedded Software für die Gebäudetechnik

Verdampfer für die Bienenzüchtung

Patienten-überwachungs-Monitor

Wund­therapie­gerät

Anästhesie-Arbeitsplatz

Luftbefeuchter für Beatmungs-Gerät