Integration of smart sensor solutions (InSSert); im Verbundprojekt: TRUST-E (trustable (sensor-driven) electronics for automotive, alternative mobility and industrial applications)

Abstract

Das Teilprojekt InSSert im Verbund TRUST-E zielte auf die Entwicklung eines multisensorischen Systems zur Prognose und Überwachung des Zustands elektronischer Module – insbesondere in sicherheitskritischen Anwendungen wie der Automobilelektronik. Stand der Technik ist, dass moderne Sensorik zwar bereits umfangreiche physikalische Daten liefert, jedoch oft ohne Fusion oder zuverlässige Interpretation für Echtzeitentscheidungen bleibt. Klassische Verfahren fokussieren auf mittlere Lebensdauer, nicht auf die individuelle Restlebensdauer unter realen Betriebsbedingungen. Ziel des Projekts war daher die Konzeption eines „Digitalen Auges“, das über integrierte Sensorik und datengetriebene sowie modellbasierte Auswertung (PHM: Prognostics and Health Management) den Gesundheitszustand und die verbleibende Nutzungsdauer (RUL) von Komponenten im Betrieb analysiert. Methodisch wurde eine Teststruktur mit verschiedenen Sensoren (Temperatur, Feuchte, Vibration, Spannung, Strom) sowie sog. „Canary Devices“ zur Überwachung von Lötstellen entwickelt. Die Daten werden zentral durch Mikrocontroller und FPGA gesammelt, verarbeitet und visualisiert. Der modulare Aufbau erlaubt die parallele Belastung mehrerer Einheiten (z.B. im Klimaschrank oder Shaker) bei synchroner Datenerfassung. Ein grafisches Interface unterstützt die Steuerung automatisierter Messreihen. Ergebnisse zeigen die Funktionsfähigkeit des Systems: Eine Sensorplattform mit Echtzeitfähigkeit, flexibel adaptierbarer Sensorintegration, robustem Aufbau und skalierbarer Datenerfassung. Die entwickelte Plattform kann als Grundlage für zukünftige Implementierungen von PHM-Systemen für Embedded-KI-Anwendungen dienen, etwa im autonomen Fahren, der Robotik oder für Industrie-4.0-Anwendungen. Die erarbeiteten Methoden und Systeme tragen dazu bei, die Vertrauenswürdigkeit sicherheitskritischer Elektronik signifikant zu erhöhen und ermöglichen eine genauere Vorhersage individueller Ausfallwahrscheinlichkeiten.

The InSSert subproject within the TRUST-E consortium aimed to develop a multisensor system for predicting and monitoring the condition of electronic modules, especially in safety-critical applications such as automotive electronics. The current state of the art shows that while modern sensor systems provide extensive physical data, this information is often fragmented and lacks reliable fusion or real-time interpretability. Conventional approaches focus on statistical lifetime estimation rather than the remaining useful life (RUL) under actual operating conditions. The goal of this project was the design of a “Digital Eye” that uses integrated sensors and both data-driven and model-based analysis (PHM: Prognostics and Health Management) to assess system health and RUL during operation. Methodologically, a test structure was developed incorporating sensors for temperature, humidity, vibration, voltage, and current, as well as "canary devices" to monitor solder joint degradation. Sensor data are collected by a central microcontroller and FPGA system, processed, and visualized via a graphical user interface. The modular system design supports parallel testing of multiple units (e.g., in environmental chambers or vibration tables) with synchronized data acquisition. Results demonstrate the system’s functionality: a sensor platform capable of real-time operation, adaptable sensor integration, robust design, and scalable data collection. The developed system serves as a foundation for future PHM implementations in embedded AI contexts, such as autonomous driving, robotics, or Industry 4.0. The project’s methods and technologies significantly enhance the trustworthiness of critical electronic systems and enable more accurate, individualized failure predictions.