Detektion von Glas-Verunreinigung

Große Fensterflächen an Häusern haben ihren Charme. Der damit verbundene Reinigungsaufwand eher das Gegenteil. Hier bietet sich die Nutzung von Künstlicher Intelligenz zur bedarfsgerechten Reinigung nach Verschmutzungsgrad an.

Problem

Üblicherweise gibt es keine bedarfsorientierte Reinigung von großen Logistikflächen oder Fensterflächen von Handels- oder Büroimmobilien.

Festgelegte Reinigungsintervalle sorgen hier auf der einen Seite für eine gewisse Routine, jedoch werden auf der anderen Seite auch hohe Kosten generiert. In diesem Modus kann nie erfasst werden, wann eine Reinigung tatsächlich notwendig ist. Deutlich effektiver ist es, wenn die Reinigung vom tatsächlichen Verschmutzungsgrad der Fensterflächen abhängig gemacht wird. Sinnvoll ist so eine bedarfsorientierte und vorrausschauend geplante Reinigung gerade bei knappen Personalressourcen. Unsere Herausforderung war es in diesem Fall über gezielt platzierte Lowcost-IoT-Sensoren mit nachgelagerter KI-Analyse, individuelle Bedarfe und optimale Zeitpunkte zur Reinigung zu ermitteln. Mindestens eine Reinigung pro Jahr und Objekt könnte entfallen oder es können kostengünstigere Schnellreinigungen erfolgen, die wiederum Effizienzvorteile gegenüber aufwendigen Komplettreinigungen bieten. Die größte Herausforderung jedoch liegt in der Verunreinigungsdetektion von Glas, resultierend aus dessen physikalischen Eigenschaften.

Lösung

Mithilfe von KI und IoT-Sensoren werden Verschmutzungen analysiert und ausgewertet, sodass eine dauerhaft saubere Scheibe gewährleistet ist und Kosten sowie Ressourcen gespart werden.

Da herkömmliche Kameras nur unbefriedigende Ergebnisse erzielen, haben wir einen Scanner aus der Industrie zweckentfremdet, softwareseitig optimiert und als Prototypen erfolgreich getestet. IoT-Sensoren werden gezielt an geeigneten Stellen des Gebäudes platziert. Diese Sensoren müssen gemäß der jeweiligen Oberfläche ausgewählt und angepasst werden, um Daten optimal erfassen zu können. Die erfassten Daten werden via Mobilfunk (alternativ WLAN) auf eine Cloudplattform geschickt und ausgewertet. Unterschiedliche Schmutzarten wie z.B. Dreck, Schimmelpilze, Algen oder auch Schlieren werden mithilfe eines individuellen Modells bewertet. Die Auswertung des festgestellten Verunreinigungsgrades wird in einer WebApp visualisiert, mittels derer wiederum folgende Prozesse in Gang gebracht werden können. Ab einem gewissen, ermittelten Verschmutzungsgrad erfolgt eine Benachrichtigung, dass gereinigt werden muss. Darüber hinaus kann diese basierend auf Vorjahresdaten vorausschauend agieren. Bei gleich bleibendem und zunehmendem Verschmutzungsgrad kann so prognostiziert werden, wann in absehbarer Zeit gereinigt werden muss.

KI Analyse bei Glasfront

Unser Ziel war es, dass die Fassade dauerhaft optisch sauber bleibt. Die Anbindung an bestehende Systeme kann problemlos erfolgen. Das Gebäude bucht sich in dem Fall seine Reinigung selbst.

Haben wir Ihr Interesse geweckt?

Sprechen Sie uns gerne auf Ihr Anliegen an.

Jetzt kontakt aufnehmen

 

bedarfsorientierte Reinigungsintervalle für Hochhäuser neu gedacht

Intelligente & datenschutzkonforme Überwachung für Schließsysteme

Prozessoptimierung durch Real-Time-Vermessung der Stückgüter