PSPS: Projekt

	QualifyAR Entwicklung eines AR-Frameworks mit erweiterter Sensorik zur Unterstützung der Berufsausbildung und weiterbildung in der Luftfahrtindustrie Die Komplexität der technischer Berufsbilder in der Luftfahrtindustrie nimmt stetig zu, weshalb sowohl in der Ausbildung als auch Weiterbildung an neuen Ansätzen zur Wissensvermittlung geforscht wird. Das aktuelle Forschungsprojekt QualifyAR hat zum Ziel, die Ausbildung von Auszubildenden im Flugzeugbau zu unterstützen. Gerade im Flugzeugbau werden höchste Anforderungen an die Ausbildung gestellt. Entsprechend wird der Einsatz digitaler und individueller Lernumgebungen mit Nachdruck verfolgt, um zum einen den Lernerfolg zu verbessern als auch zum anderen den späteren Einsatz von digitalen Assistenzsystemen im produktiven Prozess vorzubereiten. Das Projekt QualifyAR widmet sich der Entwicklung eines AR-basierten Qualifizierungssystems mit integrierter Prozessschritterkennung und automatisierter Güteprüfung. Mittels eines AR-Frameworks und auf Basis von vordefinierten Prozessdatenbanken sollen Lehrende auch komplexe Lehraufgaben digital abbilden sowie u.a. unter Beachtung der individuell genutzten Technologien konfektionieren können. Dabei werden dem Lernenden über eine Mensch-System-Schnittstelle Informationen und Erkenntnisse des Systems mittels AR-Projektion kontextsensitiv übermittelt. Das BIBA forscht in diesem Projektvorhaben zur bildbasierten Prozessschritterkennung sowie zum Einsatz eines IoT-Baukastens mit Schwerpunkt der Signalverarbeitung, um die Güte der Aufgabendurchführung sowohl auf Basis von 2D-/3D- Bilddaten als auch 1D-Prozessdaten, wie beispielsweise Drehmomenten von Akkuschraubern, mittels künstlicher Intelligenz beurteilen zu können. Das Projekt wird gemeinsam mit dem bremer Projektpartner Ubimax GmbH durchgeführt. Ansprechpartner: A. Rohde (Projektleiter) Förderung durch: BMWi Laufzeit: 01.07.2020 - 30.06.2022 Publikationen des Projekts ansehen Projektseite ansehen
	compARe Optimierung der Instandhaltung von Windenergieanlagen durch den Einsatz von bildverarbeitenden Verfahren auf mobilen Augmented Reality-Endgeräten Im Förderprojekt compARe soll ein AR-basiertes technisches Assistenzsystem entwickelt werden, welches auf bildverarbeitende Verfahren zurückgreift, um Servicetechnikerinnen bei der Instandhaltung von Windenergieanlagen zu unterstützen. Dabei wird insbesondere auf Aufgabenstellungen fokussiert, die eine Defekterkennung nur durch einen Abgleich zwischen aktuellem und einem zuvor dokumentierten Zustand oder einem Soll-Zustand zulassen. Somit können Schäden an den WEA vermieden und die Effizienz der Instandhaltungsmaßnahmen gesteigert werden. Mittels KI-basierter Bildverarbeitungsverfahren, wie z.B. Convolutional Neural Networks (CNN), können Defekte an Bauteilen, welche über lange Zeiträume entstehen, erkannt, klassifiziert und ausgewertet werden. Darüber hinaus wird der Abgleich von Bauteilzuständen anhand historischer Daten ermöglicht. Zur Unterstützung von Servicetechnikerinnen in der Windenergie haben sich mobile Assistenzsysteme als vielversprechend erwiesen. Der Einsatz dieser rechenintensiven Bildverarbeitungsverfahren auf mobilen Endgeräten stellt eine Herausforderung dar, bietet jedoch in Kombination mit dem Einsatz von mobiler Augmented Reality (AR)-Technologie ein großes Potenzial. Auf diese Weise können virtuelle Informationen zur Zustandsveränderung unmittelbar in Bezug zu den betreffenden Bauteilen im Sichtfeld der Servicetechnikerinnen bereitgestellt werden. Ansprechpartner:* M. Quandt H. Stern W. Zeitler Förderung durch: BMWi Laufzeit: 01.07.2020 - 30.06.2023 Publikationen des Projekts ansehen Projektseite ansehen
	Isabella2.0 Automobillogistik im See- und Binnenhafen: Integrierte und anwenderorientierte Steuerung der Gerät- und Ladungsbewegungen durch künstliche Intelligenz und eine virtuelle Schulungsanwendung Motivation Die Ergebnisse aus Isabella erzeugen erste Verbesserungen der Ausgangssituation im Bereich der Umfuhren von Fahrzeugen und zeigen weitere Ansatzpunkte für zusätzliches Verbesserungspotenzial auf. Diese sollen aufgegriffen werden, um die logistische Leistungsfähigkeit des Steuerungsalgorithmus weiter zu verbessern und situationsspezifisch zu optimieren. Des Weiteren bietet die Ausweitung der Anwendbarkeit auf die Umschlagprozesse an den Verkehrsträgern großes Potenzial für die Gesamtperformanz, was im Rahmen dieses Projektes ausgeschöpft werden soll. Dabei darf nicht außer Acht gelassen werden, dass die Einführung der Lösungsansätze mit durchgreifenden Veränderungen der Arbeitssituationen für die Mitarbeiter:innen einhergeht und diese zur besseren Akzeptanz der finalen Lösung in den Prozess mit eingebunden werden müssen. Ziel Ziel ist es, die Parametrisierung der Steuerung zu optimieren und den Ansatz bezüglich multikriterieller Optimierung zu erweitern, sodass die Optimierungsleistung unter Berücksichtigung der vorherrschenden Situation (Terminalfüllgrad, Fahrzeugmix, Personalverfügbarkeit etc.) weiter verbessert werden kann. Weiteres Ziel ist die systematische Ausweitung des Steuerungsalgorithmus auf die Prozesse zur Be- und Entladung der Verkehrsträger (Schiff, Zug und LKW) und die Erstellung einer virtuellen Schulungsanwendung, die die arbeits- und organisationspsychologischen Aspekte der Arbeitsprozessumgestaltung aufgreift, die Umstellung für die Mitarbeiter:innen erleichtert und schlussendlich die Akzeptanz für die neue Lösung sicherstellt. Vorgehen Über eine ereignisdiskrete Simulation und moderne Methoden der Sensitivitätsanalyse und der künstlichen Intelligenz soll die Performanz des Steuerungsalgorithmus unter unterschiedlichen Rahmenbedingungen und Parametereinstellungen untersucht und dadurch Rückschlüsse zwischen Leistung, Terminalsituation und Parametereinstellungen gezogen werden. Darüber hinaus wird es schlussendich ermöglicht, die Steuerung auf die jeweilige Terminalsituation einzustellen und die Planbarkeit der operativen Fahrprozesse zu erhöhen. Des Weiteren sollen neue Datenanalysemethoden und KI-Ansätze angewendet werden, um aus operativ gewonnenen Daten relevante Prozesskennzahlen wie z. B. Zeitdauer einzelner Prozessschritte oder Fahrwegauslastungen systematisch abzuleiten. Für die Erweiterung der Anwendbarkeit der Steuerung auf die Verkehrsträger wird ein Konzept für den Datenempfang in Schiffen und Bahnwaggons entworfen. Hierbei werden Ad-hoc- und Mesh-Netzwerke in Kombination mit geeigneten Funkstandards wie WLAN, Bluetooth oder LoRa in Betracht gezogen. Ansprechpartner: M. Hoff-Hoffmeyer-Zlotnik (Projektleiter) N. Jathe T. Sprodowski Förderung durch: BMVI Laufzeit: 01.07.2020 - 30.06.2023 Publikationen des Projekts ansehen Projektseite ansehen
	AutoCBM Automatisierte Anpassung zustandsbasierter Instandhaltungsmethoden für Produktionssysteme Die Gewährleistung der technischen Verfügbarkeit von Produktionsanlagen in der Automobilindustrie ist ein wesentlicher Faktor für die Gesamtproduktivität einer Fabrik und daher ein wichtiges Ziel der Instandhaltung. Im Zuge der fortschreitenden Digitalisierung in der Produktion bieten sich neue Möglichkeiten, den aktuellen Stand der Technik im Bereich der zustandsbasierten Instandhaltung weiterzuentwickeln. Auf dem Markt verfügbare, sogenannte Condition-Based-Maintenance Systeme, müssen jedoch mit einem hohen manuellen Aufwand für jede einzelne Maschine individuell angepasst werden. Der aufwändige Prozess des manuellen Anpassens von Condition-Based-Maintenance Systemen für spezielle Anlagen, soll durch das Projekt weitestgehend automatisiert werden. Dazu wird eine Software entwickelt, die auf Basis eines Metalearning-Ansatzes automatisch ein geeignetes Diagnose- bzw. Prognosemodell auswählt. Verfahren aus dem Bereich der Künstlichen Intelligenz und der konventionellen stochastischen Zeitreihenanalyse sollen zu lernfähigen Algorithmen kombiniert werden, so dass die Güte der Prognose von Störungsfällen und damit auch die Fähigkeit zur Erkennung von Anomalien im Fertigungsprozess gesteigert wird. Kern der Methodik soll ein Metalearner sein, der eine automatisierte Selektion und Optimierung geeigneter Diagnose- und Prognosemodelle anhand eigener Erfahrungswerte ermöglicht. Auf diese Weise wird der erforderliche manuelle Anpassungsaufwand eines CBM-Systems reduziert. Ansprechpartner: H. Engbers (Projektleiter) S. Leohold Förderung durch: BAB Laufzeit: 01.07.2020 - 30.04.2022 Publikationen des Projekts ansehen Projektseite ansehen
	PrintAI Selbstlernende Softwareplattform für 3D-Druckerfarmen zur individualisierten Serienherstellung am Beispiel von Schuhen Die Verwendung von 3D-Druckern hat sich in den letzten Jahren als ein anerkanntes Fertigungsverfahren etabliert. Neben dem Rapid Prototyping sind auch die wirtschaftliche Produktion von Kleinstserien bis zur Stückzahl 1 und die räumliche Entkopplung von Entwicklung und Produktion/Vertrieb entscheidende Vorteile dieses Verfahrens. Neben einer Vielzahl von unterschiedlichsten Produktarten bietet der 3D-Druck auch die Möglichkeit, hochindividualisierte Schuhe in einem Stück zu drucken. Durch die Schaffung von Druckerfarmen, welche nur einen geringen Platzbedarf und Installationsaufwand benötigen, können fast überall dezentrale Produktions-/ Vertriebsstätten geschaffen werden. Damit diese optimal arbeiten können, gilt es weitestgehend automatisierte Qualitätsregelkreise zu entwickeln, die die bedienenden Personen in der Erkennung und Vermeidung von Fehldrucken unterstützen. Ansprechpartner: M. Trapp (Projektleiter) M. Kreutz Förderung durch: EFRE: Europ�ischer Fonds f�r regionale Entwicklung Laufzeit: 01.07.2020 - 30.06.2022 Publikationen des Projekts ansehen Projektseite ansehen
	INSERT KI-basiertes Assistenzsystem zur Konzeptplanung in Produktion und Logistik Der intensive globale Wettbewerb, kürzer werdende Produktlebenszyklen und eine zunehmende Variantenvielfalt erfordern flexible und wandlungsfähige, aber zugleich wirtschaftliche Produktions- und Logistiksysteme. Der zeitintensive Planungsprozess soll durch ein Assistenzsystem wesentlich verkürzt werden, umso schneller und kosteneffizienter in der Planung zu werden. Im Projekt INSERT wird ein Prototyp eines KI-basierten Assistenzsystems zur Konzepterstellung für die Logistik- und Produktionsplanung entwickelt. Dieses Assistenzsystems begleitet den gesamten Planungsprozess und stellt eine Plattform zur Entwicklung von Logistik- bzw. Produktionsplanungskonzepten dar. Ansprechpartner: L. Steinbacher M. Veigt Förderung durch: BAB Laufzeit: 15.05.2020 - 14.05.2022 Publikationen des Projekts ansehen Projektseite ansehen
	MARGO Optimizing Material Flow with AGVs in Ring Gear Production Durch Fachkräftemangel und externen Kostendruck sehen sich auch kleine und mittlere Produktionsunternehmen dazu gezwungen Prozesse zu optimieren und automatisieren. Ein großes Potential liegt in logistischen Prozessen, die oft manuell erfolgen und so produktive Arbeitszeit von Fachpersonal in Anspruch nehmen. Für kleine und mittlere Unternehmen stellt die anfängliche Investition für automatisierte Prozesse jedoch eine große Hürde dar. Im Projekt MARGO soll mit OPIL, einer offenen Plattform für die Integration von Logistikprozessen, auf einfache und schnelle Weise das Optimierungspotential der internen Logistikprozesse durch Simulationen aufgezeigt und durch einen Pilottest die Machbarkeit belegt werden. So wird das Risiko einer Investition auf ein Minimum reduziert und die vollständige Integration wird leichter planbar. Für die Identifikation von Optimierungen wird das Produktionsumfeld eines Zahnradherstellers in einer 3D-Simualtionsumgebung, die Teil von OPIL ist, abgebildet. So können schnell und kostengünstig unterschiedliche Einsatzszenarien von fahrerlosen Transportfahrzeugen (FTF) evaluiert und verglichen werden. Ein prototypisches FTF wird in die cloudbasierte IoT-Plattform integriert. So lassen sich bestehende Prozesse mit neuen Materialhandhabungsprozessen verbinden. Ansprechpartner: L. Rolfs (Projektleiter) N. Hoppe Förderung durch: H2020 Laufzeit: 01.03.2020 - 31.01.2021 Publikationen des Projekts ansehen Projektseite ansehen
	SealingQuality Mobiles Inspektionssystem für Weichdichtungen mit pseudometrischen Freiformflächen Es gibt eine Vielzahl von Einsatzmöglichkeiten für Dichtmittel, wobei die größte Wertschöpfung im Bereich der Automobil- und Flugzeugindustrie erzielt wird. Das Ziel des Projektvorhabens ist die Entwicklung eines mobilen Dokumentations- und Inspektionssystems zur Applikation und Bewertung von Dichtstoffen mit pseudometrischen Freiformflächen. Das System soll anhand der Applikation und Qualitätsprüfung von Weichdichtungen entwickelt und darüber hinaus in verschiedenen anderen Anwendungen eingesetzt werden können. Durch den Einsatz von Deep Learning-Algorithmen wird ein universelles Inspektionssystem für Weichdichtungen entwickelt, welches kontinuierlich nachlernt und eine hohe Zuverlässigkeit bietet. Das System soll als mobiles System ausgestaltet werden, welches in direkter Mensch-Technik-Interaktion am Körper getragen und echtzeitbasiert betrieben wird. Die Ausführung der Arbeitsaufgabe soll im Prozess bewertet und ggf. durch entsprechende Rückmeldungen korrigiert werden. Ansprechpartner: J. Arango Castellanos Förderung durch: ZIM Laufzeit: 01.03.2020 - 28.02.2022 Publikationen des Projekts ansehen Projektseite ansehen
	KiNaLog Kundenindividuelle nachhaltige Logistik Durch den Online-Handel gewinnt die Konsumentenlogistik zunehmend an Bedeutung, speziell im Bereich der sog. letzten Meile. Besonders herausfordernd ist dabei die Lebensmittellogistik, da es sich hierbei oft um zeitkritische Transporte handelt und sowohl spezielle Transportverpackungen für gekühlte oder tiefgekühlte Produkte notwendig sind als auch zusätzliche Verpackungen für die kundenindividuelle Kommissionierung verwendet werden müssen. So ergibt sich ein Konsumentendilemma, bei dem der Komfort einer Online-Bestellung inklusive Lieferung den hierdurch entstehenden CO2-Emissionen und Verpackungsabfällen gegenüberstehen. Bis dato gibt es jedoch keine Möglichkeit, dem Konsumenten die direkten und indirekten Auswirkungen seines Handelns im Moment der Bestellung aufzuzeigen, sodass eine bewusste Wahl nachhaltiger Optionen heute noch nicht möglich ist. Ansprechpartner: M. Trapp (Projektleiter) Förderung durch: Zentrale Forschungsf�rderung Universit�t Bremen Laufzeit: 01.01.2020 - 31.12.2021 Publikationen des Projekts ansehen Projektseite ansehen
	MetaMaintain Ein Meta-Lern-Ansatz zur Selektion geeigneter Prognoseverfahren für eine vorausschauende Instandhaltung in digitalisierten Produktionssystemen Die Wettbewerbsfähigkeit des produzierenden Gewerbes basiert in Hochlohnländern auf einem hohen Automatisierungsgrad. Eine effiziente Sicherstellung der technischen Verfügbarkeit einzelner Maschinen und Anlagen ist daher von großer Bedeutung. Vorausschauende Instandhaltungsstrategien sollen auf Basis der Vorhersage von Maschinenausfällen höhere Verfügbarkeiten, stabilere Produktionsprozesse und Kostenreduktionen ermöglichen und damit zu einer erhöhten Leistungsfähigkeit von Produktionssystemen beitragen. Das Auftreten von Maschinenausfällen ist aufgrund der inhärenten strukturellen und betrieblichen Komplexität moderner Produktionssysteme jedoch schwer vorherzusagen. Zudem werden die dazu erforderlichen Modelle in der Regel für einen spezifischen Anwendungsfall entwickelt und sind nicht generalisierbar. Ziel des Projektes ist es daher, ein System zu entwickeln, dass eine automatisierte Auswahl geeigneter Modelle ermöglicht. Die Ergebnisse der Prognosemodelle sollen schließlich für eine integrierte Produktions- und Instandhaltungsplanung und -steuerung genutzt werden. Ansprechpartner: H. Engbers (Projektleiter) S. Leohold Förderung durch: DFG Laufzeit: 01.01.2020 - 31.12.2021 Publikationen des Projekts ansehen Projektseite ansehen
	Manufaktur 4.0 Qualitätsorientierte Produktionssteuerung und -optimierung in der Feinkostbranche Ziel des Projektes ist die Entwicklung einer digitalisierten, qualitätsbasierten Produktionsplanung und -steuerung für die Lebensmittelproduktion. Diese soll auf einen optimalen Einsatz der Rohstoffe (z.B. Reduzierung der Standzeiten von sensiblen Rohwaren) fokussieren. Hierdurch sollen eine bessere Auslastung der Produktionsanlagen und eine Optimierung ihrer Energieverbräuche, ein optimiertes Behältermanagement sowie insbesondere auch eine Erhöhung der Produktqualität (Geschmack) erreicht werden. Zur Zielerreichung werden rohstoff-spezifische Qualitäts-Zeit-Profile analysiert und in einem IT-basierten Verfahren für die qualitätsorientierte Produktionsplanung und -steuerung integriert, das prototypisch beim Projektpartner Deutsche See implementiert wird. Fondsn.: PFAU AZ 59210/2 Ansprechpartner: A. Rohde (Projektleiter) L. Steinbacher Förderung durch: PFAU Laufzeit: 01.01.2020 - 31.12.2021 Publikationen des Projekts ansehen Projektseite ansehen
	X-Kanban Entwicklung eines selbstlernenden eKanban-Systems unter Verwendung autonomer Sensormodule Im Rahmen dieses Forschungsprojekts wird ein eKanban-System entwickelt, welches die Vorteile von modernen, intelligenten Industrie 4.0-Lösungen umsetzt und zugleich für Unternehmen in der Integration und im laufenden Betrieb wirtschaftlich bleibt. Hierzu gehören kostengünstige, autonome Sensormodule, welche einfach zu installieren sind und einen geringen Stromverbrauch vorweisen, um eine vollständige Bestandsüberwachung zu ermöglichen. Das eKanban-System selbst wird über eine Cloud mit maschinellen Lernverfahren verknüpft, die es ermöglichen kontinuierlich das Materialnachfrageverhalten zu lernen und so stetig im Betrieb die Materialbereitstellung hinsichtlich der Wiederbeschaffungszeit zu optimieren. Ansprechpartner: A. Ait Alla (Projektleiter) M. Kreutz Förderung durch: BMWi Laufzeit: 01.01.2020 - 31.12.2021 Publikationen des Projekts ansehen Projektseite ansehen
	WireWizard BIM-basiertes Assistenzsystem zur Verlegung von Elektroleitungen mittels maßstabsgerechter Projektion von Stromlaufplänen Im Rahmen des Projekts wird ein Assistenzsystem entwickelt, welches eine durchgehende Digitalisierung der Elektroinstallation mittels augmentbasierter Projektion unterstützt. Das Assistenzsystem ist eine mobile Ständerlösung mit einem motorisierten Drehteller für die Projektionseinheit, welche Planungsinformationen in korrekter Skalierung, Lage und Orientierung auf Wand/Decke/Boden projiziert. Dadurch kann sich sowohl ein Gesamteindruck verschafft als auch Markierungen und Symbole händisch übertragen werden. Hierzu wird das System mit einer 2D/3D-Scankomponente zur Lokalisierung der Eigenposition sowie entsprechender bildbasierter Objekterkennung für reale und symbolhafte Lichtschalter, Fenster, Türen, Steckdosen etc. nach DIN-Norm 15015-2 ausgerüstet. Dadurch können Planungsabweichungen erfasst sowie die korrekten Ausführung der Planungsinhalte kontrolliert werden. Ein wesentlicher Aspekt ist dabei die Entwicklung einer CAD-Engine zur korrekten perspektivischen und maßstabsgetreuen Darstellung. Das Gesamtsystem wird für den Baustelleneinsatz optimiert und entsprechend gegen Staub und Spritzwasser geschützt. Ansprechpartner: M. Lütjen (Projektleiter) W. Zeitler Förderung durch: BMWi Laufzeit: 01.01.2020 - 31.12.2022 Publikationen des Projekts ansehen Projektseite ansehen
	RailAR Assystenzsystem zur optimierten Lärmschutzplanung und AR-basierten Darstellung eines Planungsstandes von Eisenbahntrassen Der Transport von Gütern auf der Schiene soll bis 2025/2030 verdoppelt werden. Dadurch entsteht ein Mehraufkommen des Güterverkehres auf dem Schienennetz, welchem durch Bau und Erneuerung von Trassen begegnet werden soll. Die Trassenplanung ist ein aufwendiger und langwieriger Prozess, bei dem Ortsbegehungen mit Bürgerbeteiligung notwendig sind. Damit dieses Vorgehen erleichtert wird, soll im Rahmen des Projekts ein AR-Assistenzsystem zur realitätsnahen Visualisierung und Auralisation von Planungsständen erstellt werden. Das Assistenzsystem hat zwei Schwerpunkte: eine Indoor-Darstellung die mittels eines AR-Geräts den Planungsstand in 3D auf eine ebene Fläche projiziert und eine Outdoor-Darstellung die den 3D Planungsstand mittels eines AR-Geräts direkt in die Landschaft projiziert. Zur Umsetzung werden automatisch erzeigte 3D-Daten aus der Trassenplanungssoftware Korfin© über eine 3D-Engine eingebunden und auf den jeweiligen Darstellungszweck angepasst. Hinsichtlich der Auralisation wird an einer Normalisierung der Geräuschkulisse bei Zugdurchfahrten auf ein Maß geforscht, welches unbedenklich wahrzunehmen ist, aber einen guten Eindruck über die Wirkung der Lärmschutzwand liefert. Ansprechpartner: R. Leder (Projektleiter) Förderung durch: ZIM Laufzeit: 01.01.2020 - 31.12.2021 Publikationen des Projekts ansehen Projektseite ansehen
	AxIoM Gamifiziertes KI-Assistenzsystem zur Unterstützung des manuellen Montageprozesses In diesem Forschungsprojekt soll ein neuartiges Assistenzsystem auf Basis künstlicher Intelligenz für manuelle Montagestationen entwickelt werden, welches zum einen den Montageprozess und die Qualität des zu fertigenden Produkts überprüft und zum anderen den Mitarbeiter bei der Arbeit am Handarbeitsplatz berücksichtigt sowie individuell unterstützt. Das System soll die am Montageplatz gesammelten sensorischen Informationen unter Einsatz von Bildverarbeitungs- und maschineller Lernverfahren im Hinblick auf die ergonomische und produktionsbezogene Arbeitssituation des Mitarbeiters analysieren. Damit ist das neu entwickelte Assistenzsystem in der Lage, sich an die individuellen Bedürfnisse des Mitarbeiters anzupassen, um dessen Arbeitssituation durch spezifische Unterstützungen sowie Motivations- und Weiterbildungsstrategien zu verbessern. Durch die Überwachung von Montagefortschritt und -bauteil soll das System zudem die Prozesseffizienz und Montagequalität steigern. Ansprechpartner: C. Petzoldt (Projektleiter) T. Beinke D. Keiser Förderung durch: EFRE: Europ�ischer Fonds f�r regionale Entwicklung Laufzeit: 01.06.2019 - 31.03.2021 Publikationen des Projekts ansehen Projektseite ansehen (http://www.efre-bremen.de)
	OffshorePlan Komplementäre Nutzung mathematischer und ereignisdiskreter Modelle zur Lösung komplexer Planungs- und Steuerungsprobleme in der Offshore-Baustellenlogistik Die Offshore-Baustellenlogistik mit Schwerpunkt der Windenergie definiert ein komplexes Planungs- und Steuerungsproblem. Grundsätzlich werden hierzu ereignisdiskrete Simulationsverfahren oder Ansätze der mathematischen bzw. stochastischen Optimierung eingesetzt. Beide Methoden besitzen Vor- und Nachteile hinsichtlich Laufzeit, Detaillierungsgrad und Optimalitätsbedingungen. In diesem Projektvorhaben soll deshalb die komplementäre Nutzung untersucht werden. Ausgehend von einem einheitlichen Grundmodell werden ereignisdiskrete Simulationsmodelle als auch Modelle der stochastischen Optimierung für verschiedene Abstraktions-/Aggregationsebenen abgeleitet und verknüpft. Im Ergebnis sollen die jeweiligen Vorteile der beiden Methoden in einem komplementären Ansatz für eine verbesserte rechnergestützte Planung und Steuerung genutzt werden. Ansprechpartner: M. Lütjen (Projektleiter) N. Jathe D. Rippel Förderung durch: DFG Laufzeit: 01.04.2019 - 30.09.2021 Publikationen des Projekts ansehen Projektseite ansehen
	LNG Armaturen Set Entwicklung eines sensitiven Armaturen-Sets fu?r den hochvolumigen ship to ship LNG Transfer Die Nutzung von LNG-Antrieben (Liquefied Natural Gas) bei Schiffen hat große umwelttechnische Vorteile, da sie Seegebiete und Häfen emissionstechnisch entlasten. Im Projekt soll ein sensitives Armaturen Set für den hochvolumigen LNG Transfer zwischen Schiffen entwickelt werden. Dieses soll auf einer Vielzahl verschiedener Schiffstypen zum Einsatz kommen können und dadurch eine deutlich höhere Sicherheit, Installier- und Wartbarkeit bei gleichzeitiger Kostenreduktion ermöglichen. Die Aufgabe des BIBA ist dabei die Entwicklung einer Augmented Reality (AR)-Lösung, die zu Wartungs- und Servicezwecken dieser Armaturen eingesetzt werden kann. Mittels einer Kombination aus einer kommerziellen Datenbrille, einer Kamera sowie eines Embedded-PC wird eine konfigurierbare Anwendungslösung geschaffen. Diese soll in der Lage sein die vorliegende Komponente zu identifizieren, zugehörige Zustandsinformationen sowohl visuell als auch per Funk auszulesen und die Nutzer mit Wartungsinformationen und Checklisten zu versorgen. Die AR-Lösung soll bedarfsgerecht zur Unterstützung von Technikern beim Betrieb sowie bei Installations- und Wartungsarbeiten der LNG-Armaturen entwickelt werden. Mittels Techniken der Bildverarbeitung und Objekter-kennung sollen dabei zunächst Zustandsinformationen der Armaturen erfasst werden. Anschließend wird ein AR-User Interface entwickelt, das als Assistenzsystem der Nutzer fungiert. Ansprechpartner: H. Stern (Projektleiter) R. Leder Förderung durch: BMWi Laufzeit: 01.03.2019 - 28.02.2021 Publikationen des Projekts ansehen Projektseite ansehen
	LNG Safety Safety-Prozess-System fu?r den Transfer von kryogenen Fluidmitteln Bei der Handhabung von kryogenen Fluiden (beispielsweise verflüssigtes Erdgas) bestehen große Risiken bezüglich der Betriebssicherheit. Bei Austritt der Flüssigkeit während eines Transfervorgangs (z. B. Betankung von Schiffen) können schnell große Mengen Gas entstehen, die leicht entzündlich und explosiv sind. Einem entsprechenden Sicherheitssystem zur Prozessüberwachung kommt daher große Bedeutung zu. Das Ziel des Projektes ist eine Verbesserung der Betriebssicherheit während des LNG-Transfervorgangs durch ein redundant angelegtes optisches Überwachungssystem. Dieses soll in der Lage sein Armaturen, Schiffsaufbauten und Menschen selbsttätig zu erkennen und eine automatisierte Sichtprüfung der korrekten Kopplung vorzunehmen. Das Mehrkamerasystem besteht aus einer Weitwinkel-, einer Zoom- und einer Infrarotkamera und kann somit auf verschiedenste Umgebungsbedingungen (Tag, Nacht, Wettereinflüsse) reagieren. Es überwacht selbsttätig den LNG-Transferprozess. Mittels Deep Machine Learning wird die Objekterkennung von Armaturen, Schiffaufbauten und Menschen ermöglicht, die zur Überwachung des Gefahrenraums notwendig ist. Ansprechpartner: H. Stern (Projektleiter) N. Jathe Förderung durch: BMWi Laufzeit: 01.03.2019 - 28.02.2021 Publikationen des Projekts ansehen Projektseite ansehen
	EIT Manufacturing EIT Manufacturing Die Fertigungsindustrie steht durch den zunehmenden globalen Wettbewerb, kostengünstige Produktion in Entwicklungsländern sowie die knappen Rohstoffe vor großen Herausforderungen. EIT Manufacturing ist eine Initiative des Europäischen Innovations- und Technologieinstituts (EIT), in dem das BIBA einer von 50 Kernpartnern ist. Die Initiative hat das Ziel, europäische Akteure der Fertigungsindustrie in innovativen Netzwerken zusammenzubringen, die einen einzigartigen Mehrwert für europäische Produkte, Prozesse und Dienstleistungen schaffen. Dies soll der europäischen Fertigungsindustrie helfen, wettbewerbsfähiger, nachhaltiger und produktiver zu arbeiten. Hierfür werden sechs Strategien verfolgt: 1. Exzellente Fertigungsqualitäten und Talente: Wertschöpfung durch hochqualifizierte Arbeitskräfte und engagierte Studierende 2. Effiziente Ökosysteme für Fertigungsinnovationen: Wertschöpfung durch die Schaffung von Ökosystemen für Innovation, Unternehmertum und Unternehmenstransformation, welche sich auf Innovations-Hotspots konzentrieren 3. Vollständige Digitalisierung der Fertigung: Wertschöpfung durch digitale Lösungen und Plattformen, die Wertnetzwerke weltweit verbinden 4. Kundenorientierte Fertigung: Wertschöpfung durch agile und flexible Fertigung, die dem globalen personalisierten Bedarf entspricht 5. Sozial nachhaltige Produktion: Wertschöpfung durch sichere, gesunde, ethische und sozial nachhaltige Produktion und Produkte 6. Umweltfreundliche, nachhaltige Produktion: Wertschöpfung durch das Erschaffen einer umweltfreundlicheren und saubereren Industrie Die Initiative setzt sich bis 2030 folgende Ziele: - 1000 Start-Ups zu entwickeln und zu unterstützen- - 60% der Fertigungsunternehmen sollen nachhaltige Produktionsverfahren anwenden - Investitionen in der Höhe von 325 Millionen EUR sollen von EIT Projekten herangezogen werden - 50000 Personen sollen aus- und fortgebildet sowie umgeschult werden - Es sollen 360 neue innovative Lösungen entwickelt werden - 30% des Materialeinsatzes soll wiederverwendbar sein Ansprechpartner: P. Klein J. Wilhelm Förderung durch: European Institute of Innovation & Technology (E Laufzeit: 01.01.2019 - 01.01.2026 Publikationen des Projekts ansehen Projektseite ansehen (http://www.eit-manufacturing.eu)
	DPNB Dynamic Production Network Broker Motivation Vollständig dynamische unternehmensübergreifende Produktionsnetzwerke, die sich dem individuellen Kundenauftrag anpassen, sind eine Kernvision im Bereich Industrie 4.0. Bereits heute werden Produktionskapazitäten im Bereich von Zeichnungs- und Sonderteilen teilweise sehr kurzfristig benötigt: Gründe sind der Ausfall von eigenen Maschinen oder Maschinen eines Zulieferers, der Komplettausfall eines Zulieferers oder auch ein sprunghafter Anstieg auf der Nachfrageseite. Einer schnellen Reaktion stehen in diesen Fällen jedoch Barrieren, wie das Auffinden eines oder mehrere Zulieferer mit freien Kapazitäten oder die hohen manuellen Aufwände zur Einbindung neuer Lieferanten in bestehende Bestell- und Logistikprozesse, entgegen. Ziel Der Dynamic Production Network Broker soll die dynamische Bildung von Produktionsnetzwerken durch einen Service-Baukasten unterstützen. Dieser beinhaltet das Matching von Angebot und Nachfrage nach kurzfristiger Verfügbarkeit von Produktionskapazitäten bei gleichzeitiger Sicherstellung der nötigen Transportkapazitäten, das kurzfristige Onboarding der Zulieferer, d.h. die schnelle Einbindung in den Bereichen Produktion, Logistik und Qualitätssicherung und die Möglichkeit, komplexe Montagetätigkeiten durch ein auf Augmented Reality (AR) Technologien basierendes Assistenzsystem outsourcingfähig zu machen. Ziele des BIBA im Verbundprojekt sind einerseits die Entwicklung einer ontologischen Beschreibung von Maschinenfähigkeiten und Anforderungen, inklusive eines semantischen Mediators mit den notwendigen Schnittstellen zu anderen Informationssystemen. Andererseits die Konzeptionierung generischer servicebasierter Geschäftsmodelle und deren Evaluation anhand der Projektergebnisse. Vorgehen Gemeinsam mit den Industriepartnern werden die Problemstellungen herausgearbeitet und auf dieser Basis vier Anwendungsfälle definiert. Für diese werden in einzelnen Bausteinen zunächst Minimal Viable Products, d.h. schnell zu realisierende, prototypische Lösungen entwickelt, die anschließend zu einem durchgängigen Prozess integriert werden. Ansprechpartner: E. Broda (Projektleiter) M. Hoff-Hoffmeyer-Zlotnik S. Wiesner Förderung durch: BMBF / PTKA Laufzeit: 01.01.2019 - 31.12.2021 Publikationen des Projekts ansehen Projektseite ansehen (dpnb.de)
	VirtuOS Multi-kriterielle Optimierung der Position und Konfiguration von 3D-Sensoren durch Virtual Reality für flexible Automatisierungslösungen in der Logistik Die Entwicklung flexibler Handhabungsroboter und autonomer Fahrzeuge für logistische Prozesse ist aufgrund heterogener Objekte, variablen Umgebungsbedingungen und komplexen Eigenschaften der 3D-Sensorik eine große Herausforderung und mit hohen finanziellen Risiken verbunden. Im Projekt VirtuOS wird ein online frei verfügbares Werkzeug entwickelt, mit dem Anwendungsszenarien im virtuellen Raum frei konfiguriert und 3D-Sensordaten realitätsnah simuliert werden können. Die Zielsetzung des Projekts ist die Entwicklung und Integration einer multi-kriteriellen Optimierung, die abhängig von unterschiedlichen Optimierungskriterien anwendungsspezifisch optimale Sensorkonfigurationen liefert. KMUs wie Automatisierungsunternehmen, Systemintegratoren sowie Anbieter von Sensorik und Bildverarbeitungslösungen können somit bei der Auswahl und Konfiguration der Sensorik für neue Arbeitsstationen bzw. Roboter unterstützt werden. Ansprechpartner: A. Börold (Projektleiter) L. Panter Förderung durch: AiF Laufzeit: 01.06.2018 - 28.02.2021 Publikationen des Projekts ansehen Projektseite ansehen
	ReaLCoE Robuste, zuverlässige und große 12+MW Offshore Windenergieanlage der nächsten Generation für saubere, günstige und wettbewerbsfähige Energie Die Offshore Windenergie ist eine Schlüsseltechnologie für die Erzeugung von regenerativen Energien. Aufgrund ihrer relativ hohen Kosten, unter anderem durch komplexere Installations- und Wartungsprozesse, sind Offshore Windenergieanlagen (OWEA) bislang jedoch nur bedingt wettbewerbsfähig und maßgeblich von Subventionen abhängig. ReaLCoE setzt an diesem Punkt an und versucht durch verschiedene Maßnahmen die Stromgestehungskosten (LCoE) entlang der gesamten Wertschöpfungskette der OWEA von derzeit 117/MWh auf 35/MWh zu senken. Um eine Senkung der LCoE in dieser Größenordnung zu realisieren, erarbeitet und implementiert das BIBA u.a. ein Konzept für die Digitalisierung der OWEA entlang ihres kompletten Lebenszyklus. Hauptaugenmerk liegt dabei einerseits auf einer Industrie 4.0 Einbindung der OWEA durch einen digitalen Zwilling und das Internet der Dinge (IoT). Neben einem verbesserten Informationsaustausch sollen mittels der dadurch geschaffenen Dateninfrastruktur auch intelligente Strategien und Instrumentarien für eine vorausschauende Wartung eingeführt werden. Außerdem werden optimierte Installations- und Logistikprozesse während der Errichtungsphase der OWEA konzipiert, die auf eine Kostenreduktion in der Errichtungsphase abzielen. Validiert werden die erarbeiteten Konzepte anhand eines 12+MW Turbinen-Prototyps sowie durch Start einer ersten Vorserie von 4-6 OWEAs. Ansprechpartner: J. Uhlenkamp (Projektleiter) A. Ait Alla M. Kreutz S. Oelker A. Sander M. Stietencron Förderung durch: H2020 Laufzeit: 01.05.2018 - 31.10.2021 Publikationen des Projekts ansehen Projektseite ansehen (realcoe.eu)
	CooPick Kollaborative Roboter-Roboter-Mensch-Interaktion beim Fruchtauflegen Je nach Flexibilitäts- und Kapazitätsbedarf erfolgt das Auflegen von Früchten auf Förderbänder bislang entweder komplett manuell oder in großen Anlagen vollautomatisiert. Dem Prozess angegliedert erfolgt eine Qualitätskontrolle und eine abschließende Verpackung. Vor diesem Hintergrund lassen sich große Rationalisierungspotenziale für mittlere Flexibilitäts- und Kapazitätsbedarfe durch Teilautomatisierung erkennen. Das Ziel des Projektvorhabens ist die Entwicklung eines kollaborativen Fruchtauflegesystems, welches sowohl hinsichtlich des Mitarbeiter- als auch des Robotereinsatzes frei skalierbar ist und bei der automatisierten Handhabung, Qualitätskontrolle und Verpackung unterstützen kann. Dabei soll das System universell einsetzbar sein und sich je nach Saison schnell auf verschiedene Fruchtsorten anpassen lassen. Wesentliches Merkmal ist eine intuitive Arbeitsorganisation zwischen Mensch und Roboter. Ansprechpartner: J. Arango Castellanos (Projektleiter) M. Lütjen A. Rohde Förderung durch: BMWi Laufzeit: 01.01.2018 - 15.04.2021 Publikationen des Projekts ansehen Projektseite ansehen
	F.I.T. Gaerautomat Entwicklung eines Gärvollautomaten mit automatischer Ermittlung des Gärzustandes In der industriellen Backwarenproduktion wird für die Bestimmung des optimalen Gärzustandes durch Backexperten viel Zeit aufgewendet. Eine Erreichung des optimalen Gärzustandes rein über die Gärzeit und die Sicherstellung der Einhaltung der maschinenseitigen Gär- und Kühlparameter ist somit sowohl im Filialbetrieb als auch im industriellen Betrieb nach heutigem Entwicklungsstand unmöglich. Ziel des Projektes ist die Entwicklung eines neuartigen Gärsystems (Gärvollautomaten) mit integrierter Messtechnik und einer speziellen Software-Lösung, durch die die aktuelle Stückgutgärreife automatisch und reproduzierbar bestimmt wird ohne dafür den Gärprozess unterbrechen zu müssen. Dabei soll das System kostengünstig, lernfähig (große Produktpalette) und einfach zu bedienen sein. Ebenfalls soll das System dazu in der Lage sein Prozessnivellierungen vorzugeben. Ansprechpartner: J. Arango Castellanos A. Rohde Förderung durch: BMWi Laufzeit: 01.10.2017 - 15.07.2021 Publikationen des Projekts ansehen Projektseite ansehen
	IRiS Interaktives Robotiksystem zur Entleerung von Seecontainern Die Entladung von Containern stellt eine der letzten nicht automatisierten Aktivitäten in einer hochtechnisierten Transportkette dar. Ein signifikanter Anteil der im- und exportierten Container wird in Seehäfen entleert bzw. beladen. Bisher existierende automatische und halbautomatische Systeme genügen aufgrund hoher Investitionskosten sowie hohen Inbetriebnahmezeiten und Anpassungen an die Infrastruktur den Anforderungen von Hafenbetreibern nicht und haben einen sehr geringen Verbreitungsgrad. Das Ziel des Projektes IRiS ist die Entwicklung eines neuartigen, mobilen Roboters für die Verbesserung der Effizienz von Umschlagprozessen an Seehäfen. Der Roboter soll ohne große Anpassungen an die vorhandene betriebliche Infrastruktur innerhalb kürzester Zeit zur Entladung eingesetzt werden können. Um Störsituationen möglichst schnell und aufwandslos begegnen zu können, wird dabei eine intuitive Mensch-Roboter-Interaktionsschnittstelle entwickelt. Ansprechpartner: T. Beinke (Projektleiter) N. Hoppe C. Petzoldt L. Rolfs J. Wilhelm Förderung durch: BMVI Laufzeit: 01.09.2017 - 30.04.2021 Publikationen des Projekts ansehen Projektseite ansehen (http://www.iris-projekt.de)
	CBS Verbesserung der logistischen Leistung mit cluster-basierter dezentraler Steuerung in Materialflussnetzwerken in der Produktion Im Zuge von Industrie 4.0 hat das Konzept der dezentralen Steuerung in Produktion und Logistik zunehmend an Bedeutung gewonnen. Die bisherigen Forschungsaktivitäten in diesem Bereich fokussierten überwiegend auf die Entwicklung neuartiger Steuerungsalgorithmen zur Entscheidungsfindung sowie der zur Umsetzung dieser Algorithmen erforderlichen Informations- und Kommunikationstechnologien. Daneben konnte ein weiterer Faktor für den erfolgreichen Einsatz dezentraler Steuerung ausgemacht werden: Die Topologie eines Materialflusssystems. Gleichwohl wurde die Topologie in diesem Zusammenhang bislang nicht ausreichend berücksichtigt. Ziel des Projekts ist es daher, den Einfluss der Topologie eines Materialflussnetzwerks auf die logistische Zielerreichung zu quantifizieren und zu untersuchen inwieweit Steuerungsalgorithmen je nach vorhandener Topologie des Netzwerks angepasst oder konfiguriert werden müssen. Ansprechpartner: S. Schukraft D. Wagner-Kampik Förderung durch: DFG Laufzeit: 16.08.2017 - 15.11.2022 Publikationen des Projekts ansehen Projektseite ansehen
	AdaptiveSBO Ein adaptives simulationsbasiertes Optimierungsverfahren zur Planung und Steuerung dynamischer Produktionssysteme Motivation Die Planung und Steuerung von Produktionsabläufen hat maßgeblichen Einfluss auf die Leistung einer Werkstattfertigung. Werkstattfertigungen unterliegen dynamischen Einflüssen (z. B. Störungen durch Maschinenausfälle oder Eilaufträge), die bei der Planung und Steuerung berücksichtigt werden müssen. Gängige Methoden sind daher meist in Module zur Berechnung von Plänen und Module für die operative Steuerung unterteilt. Eine Optimierung findet dabei meist nur auf der groben Planungsebene statt, während die Feinplanung auf Grundlage einfacher, statischer Regeln durchgeführt wird. Dies ermöglicht zwar die Erzeugung von Ablaufplänen in kurzer Rechenzeit, jedoch werden in der Regel keine optimalen Abläufe basierend auf dem aktuellen Zustand des Produktionssystems erzeugt. Ergebnisse der 1. Phase In der ersten Phase des brasilianisch-deutschen Kooperationsprojekts wurde ein simulationsbasiertes Optimierungsverfahren zur Steuerung dynamischer Werkstattfertigungen entwickelt. Im Projekt wurde der klassische Ansatz simulationsbasierter Optimierung so erweitert, dass auch die Dynamik einer Werkstattfertigung berücksichtigt wird und die Optimierung von Planungsentscheidungen und Steuerungsregeln stets auf Grundlage des aktuellen Systemzustands erfolgt. Das entwickelte Verfahren wurde anhand der Werkstattfertigung eines brasilianischen Herstellers mechanischer Bauteile evaluiert. Ziele der 2. Phase Um den aktuellen Zustand eines Produktionssystems detaillierter abbilden zu können, soll in der zweiten Projektphase eine Methode zur integrierten Steuerung von Bestands-, Produktions- und Instandhaltungsprozessen entwickelt werden. Dadurch können zusätzlich zur bestehenden Methode Instandhaltungsaufträge für die Maschinen eingeplant werden und die Lagerbestände in der Planung berücksichtigt werden. Vorgehen Zunächst werden auf deutscher und brasilianischer Seite parallel Methoden für die Planung von Instandhaltungs- sowie Lageraufträgen entwickelt, welche stets aktuelle Systemdaten verwenden. Anschließend werden beide Ansätze zu einer Planungsmethode integriert, die dann in einem realen Szenario mit Daten des Industriepartners Rudolph sowie Szenarien aus der Literatur evaluiert wird. Ansprechpartner: E. Broda (Projektleiter) Förderung durch: DFG Laufzeit: 01.04.2016 - 31.03.2021 Publikationen des Projekts ansehen Projektseite ansehen (https://www.smartconnectedmanufacturing.de/#projects)

Forschung

Projekt