Einführung in die Digitale Signalverarbeitung

Digitale Signalverarbeitung (DSP) für Smart Factory & Industrie

Digitale Signalverarbeitung ist das Rückgrat moderner, datengetriebener Produktion – von der Zustandsüberwachung über Qualitätskontrolle bis zur energetischen Optimierung. In diesem praxisnahen Workshop lernen Sie die wichtigsten Konzepte, Methoden und Werkzeuge, um reale Signale (z. B. Vibration, Audio, Temperatur, Druck, Position) systematisch zu erfassen, zu filtern, zu analysieren und daraus verwertbare Entscheidungen abzuleiten. Der Schwerpunkt liegt auf industriellen Anwendungen – inklusive Übungen mit Echtdaten aus der Zustandsüberwachung von Maschinen (Vibrationssensoren).

Zielgruppe
Instandhaltungs- und Qualitätsingenieure, Data Scientists, Statistiker:innen, Mathematiker:innen sowie Informatiker:innen und IT-Expert:innen oder Fachkräfte, die einen schnellen, fundierten Einstieg in DSP suchen.

Ihr Nutzen – Was Sie mitnehmen

• Verstehen zentraler DSP-Grundlagen (Abtastung, Aliasing, Fensterung) und korrekte Anwendung in der Praxis.
• Souveränes Resampling (Up-/Downsampling, Interpolation, Extrapolation, spektrale Interpolation) für saubere Datenpipelines.
• Fundierte Spektralanalyse (FFT, Welch), Erkennung von Mehrfachwiederholungen und robuste Frequenzmerkmale.
• Wirksame Rausch- und Trendunterdrückung (Gauß-/Median-Filter, lineare & nichtlineare Trendfilter).
• Entwurf praxistauglicher Filter (Tiefpass, Hochpass, Schmalband, Butterworth).
• Zeit-Frequenz-Analysen mit Wavelets (CWT/DWT), Erkennung transienter Ereignisse, feature-basierte Klassifikation.
• Kennwerte der Variabilität (SNR, Varianz/RMS pro Fenster, Entropie, Variationskoeffizient) für Monitoring, Alarme und ML-Modelle.
• Direkt übertragbare Best Practices und Templates für Ihre Smart-Factory-Use-Cases.

Lernziele
Nach dem Workshop können Sie

1. kontinuierliche Signale fachgerecht vorverarbeiten (Fensterung, Sliding Windows, Normalisierung),
2. Frequenz- und Zeit-Frequenz-Methoden situationsgerecht auswählen,
3. Filter parametrieren und validieren,
4. robuste Merkmale aus Zeit- und Frequenzbereich extrahieren,
5. Variabilität und Anomalien in Produktionsdaten quantifizieren und verständlich kommunizieren.

Inhalte & Zeitrahmen (Gesamtumfang: ca. 16 Stunden – empfohlen als intensives 2-Tage-Format)

• Einführung in die digitale Signalverarbeitung – 1 h
• Smart-Factory-Anwendungsgebiete – 1 h
• Resampling-Techniken: Upsampling, Downsampling, Interpolation, Extrapolation, spektrale Interpolation – 1 h
• Datenaufbereitung: Sliding Windows, Fensterfunktionen – 1 h
• Spektralanalyse: FFT, Welch-Methode, Erkennung von Mehrfachwiederholungen, Frequenzmerkmale – 2 h
• Rauschunterdrückung: Gauß-/Median-Filter, lineare & nichtlineare Trendfilter – 1 h
• Filtertechniken: Tiefpass, Hochpass, Schmalband, Butterworth – 2 h
• Wavelets: Einführung in Zeit-/Frequenzanalyse, CWT/DWT, Merkmalsextraktion – 3 h
• Merkmalserkennung & -extraktion: Lokale Maxima/Minima (Peaks), Peak-to-Peak, Leistungs­spektrum in Bändern – 2 h
• Variabilitätsanalyse: SNR, Gesamt- und Varianz pro Fenster, RMS, Entropie, Variationskoeffizient – 2 h

Praxis & Methodik

• Hands-on mit realen industriellen Datensätzen (u. a. Vibrationen aus der Zustandsüberwachung).
• Geführte Übungen mit Schritt-für-Schritt-Anleitungen, Checklisten und praxiserprobten Workflows.
• Ergebnis-Review und Transfer auf Ihre eigenen Fragestellungen (optional: Bring-Your-Data-Session).

Voraussetzungen

• Grundkenntnisse in Mathematik/Statistik sind hilfreich, aber kein Muss.
• Programmiervorkenntnisse von Vorteil (z. B. Python/NumPy/SciPy oder MATLAB); -alle Übungen sind nachvollziehbar dokumentiert.

Format & Organisation

• Umfang: ca. 16 Stunden - 2 intensive Trainingstage – in Präsenz oder live-online möglich.
• Sprache: Deutsch (Unterlagen auf Wunsch auf Englisch).
• Gruppengröße: praxisnahe Kleingruppe für hohe Interaktion.
• Abschluss: Teilnahmebescheinigung.

Sie verlassen den Workshop mit einem soliden Werkzeugkasten der digitalen Signalverarbeitung – inklusive sofort einsetzbarer Templates, einem klaren Vorgehensmodell für industrielle Signale und einem konkreten Plan, wie Sie Monitoring, Anomalieerkennung und Optimierung in Ihrer Smart Factory pragmatisch aufsetzen.