Aktive Forschungsprojekte im Bereich Simulation

Connect4HCA | 2024-2028

Connectivity for Human-Centered Automation 5.0

Implementierung fortschrittlicher Konnektivitätstechnologien und -strukturen in der Produktion

Das Projekt Connect4HCA stellt durch die ganzheitliche Betrachtung von Konnektivität den Menschen in den Mittelpunkt der industriellen Automatisierung. Der Begriff der Konnektivität reicht hierbei von der Integration von Prozessen, Anlagen, Produktionslinien und -standorten sowie Lieferketten bis hin zu Systemen und Daten über deren Lebenszyklen. Des Weiteren umfasst der Begriff Konnektivität sowohl die Interaktion von Technologie zu Technologie, als auch zwischen menschlicher und künstlicher Intelligenz. Eine dezentrale technische Intelligenz gestaltet zukünftig gemeinsam mit dem Menschen die gesamte Wertschöpfungskette entlang des Produktlebenszyklus. Hierfür wird ein gesamtheitlicher Demonstrator als Forschungsplattform geschaffen, an dem die Konnektivität in mehreren Dimensionen betrachtet wird.

 

Projektpartner

  • Balluff GmbH
  • DITF - Deutsche Institute für Textil- und Faserforschung Denkendorf
  • NAiSE GmbH
  • Fraunhofer
  • Siemens AG
  • Nokia
  • Arena 2036
  • Universität Stuttgart

 

Gefördert durch das Bundesministerium für Bildung und Forschung.

SkaLab | 2023-2025

EIN SKALIERBARES ZENTRUM FÜR DIE FLEXIBLE HERSTELLUNG VON INDIVIDUALISERBAREN BAUTEILEN AUS BLECH

Im Projekt SkaLab entsteht eine skalierbare Biegezelle. Ziel ist die Entwicklung und Erprobung hochflexibler, in Serie herstellbarer Herstellungscenter für in allen Dimensionen skalierbare Karosserieblechbauteile (Geometrie, Halbzeug, Werkstoff, Fertigungsmenge). Die Herstellcenter sollen erstmals ermöglichen, die Prozessreihenfolge in der Serienproduktion bauteilindividuell verändern zu können. Damit sollen die Herstellkosten für neue, geometrisch unterschiedliche Karosserievarianten gesenkt werden.

 

Projektpartner

  • HMT Automotive
  • Franz Hof HmbH
  • MPA Technology
  • Fernuniversität Hagen
  • Universität Siegen
  • TWT
  • VIA Consult
  • voestalpine

TwinMaP | 2023 - 2025

Digitaler Zwilling eines heterogenen Maschinenparks zur Komplettbearbeitung von Bauteilen

Im Projekt TwinMaP werden digitale Zwillinge auf verschiedenen Ebenen (z.B. Simulationsmodelle für die VIBN) erstellt zur Optimierung der Fertigung von kleinen und mittleren Losgrößen. Besonderheit ist der heterogene Maschinenpark aus Bestandsmaschinen und neuen Maschinen. 

Das Projekt wird gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz.

Projektpartner

ISG Industrielle Steuerungstechnik GmbH​ Trumpf Gruppe 
Daimler Truck – EvoBus GmbH​ VELIT Consulting GmbH & Co. KG
SimPlan AG​ ifak e.V.​ 
FORCAM GmbH​ IPI – Institut für Produktion und Informatik​, Technologietransferzentrum (TTZ) Sonthofen im Allgäu

 

FastPeM | 2023-2027

Senkung der Produktionskosten von Brennstoffzellen

Der Fokus des Projekts FastPeM: Beschleunigtes Prüfverfahren für eine Massenproduktion von Brennstoffzellen-Stacks liegt auf den der Brennstoffzellen-Stackfertigung nachgeschalteten Prüfprozessen und deren Optimierung.

Projektpartner

  • Campus Schwarzwald
  • Marquardt Management SE
  • teamtechnik Maschinen und Anlagen GmbH
  • Schnorr GmbH
  • Fraunhofer IPA

 

Gefördert durch das Ministerium für Wirtschaft, Arbeit und Tourismus Baden-Württemberg. Kofinanziert durch die Europäische Union. Teil von RegioWIN.

ViPro | 2022 - 2025

Virtuelle Planung, Auslegung und Inbetriebnahme komplexer, roboterbasierter Prozesse zur Handhabung nachgiebiger Objekte

In vielen Bereichen steigt die Effizienz und Qualität von Steuerungssoftware durch den Einsatz von virtueller Inbetriebnahme bereits heute. Bisher scheitert die virtuelle Inbetriebnahme jedoch an der Simulation von nachgiebigen Objekten, wie z.B. aus der Lebensmittel-, Pharma-, Verpackungsbranche.

Ziel des Projektes ist die Entwicklung neuartiger Simulationsmethoden, welche die wesentlichen statischen und dynamischen Phänomene einer Handhabung von nachgiebigen Objekten abbilden und eine einfache Modellierung dieser Handling-Prozesse ermöglichen. Somit kann auch bei Handling-Anwendungen von nachgiebigen Objekten von den Vorteilen einer VIBN profitiert werden.

Das Projekt wird gefördert durch das Bundesministerium für Bildung und Forschung aufgrund eines Beschlusses des Deutschen Bundestags.

Projektpartner

robomotion GmbHInstitut für Systemdynamik (ISYS), Universität Stuttgart

 

SDM4FZI | 2021 - 2024

Software-Defined Manufacturing für die Fahrzeug- und Zulieferindustrie

Im Großprojekt SDM4FZI wird mit 30 Projektpartnern das Thema Wandelbarkeit in der Produktion adressiert.

Schwerpunkt ist dabei die effiziente Erstellung von Software mit Hilfe modellgetriebener Ansätze und die Verwendung von Digitalen Zwillingen, um Softwaretests über den gesamten Lebenszyklus und alle Ebenen einer Produktionsanlage durchführen zu können.

Das Projekt wird gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestags.

Projektpartner: 

Robert Bosch GmbHBosch Automotive Steering GmbHBosch Manufacturing Solutions GmbHBosch Rexroth AG
AUDI AGAudi Planung GmbHEPLAN GmbH & Co. KGTRUMPF Werkzeugmaschinen GmbH+Co.KG
HOMAG GmbHPilz GmbH & Co. KGABB AG - Forschungszentrum DeutschlandABB Automation Products GmbH
ABB Automation GmbHBalluff GmbHCarl zeiss Industrielle Messtechnik GmbHNAGEL Maschinen- und Werkzeugfabrik GmbH
HEITEC AGCODESYS Development GmbHISG Industrielle Steuerungstechnik GmbHSCALE it eG (i.G.)
ASCon Systems GmbHSimPlan AGSOTEC Software Entwicklungs GmbH+Co. Mikrocomputertechnik KGEXAPT Systemtechnik GmbH
KENBUN IT AGIngenieurbüro Roth GmbH & Co. KG23 Technologies GmbHflexis AG
Universität StuttgartKarlsruher Institut für Technologie

KausalAssist | 2021 - 2024

Kausale Graphen als lernendes Assistenzsystem für automatisiertes Fehlermanagement in der Produktion

Mit der immer stärker werdenden Vernetzung und softwaretechnischen Aufrüstung der Fertigung, werden aktuell zusätzliche, hochqualifizierte Fachkräfte im Fehlermanagement benötigt.

Das Projekt KausaLAssist hat zum Ziel, mittels Kausaler Graphen KI-basiert Fehlerfälle am digitalen Zwilling der realen Anlage zu erlernen. Mit Hilfe der trainierten Kausalbeziehungen kann das Anlagenpersonal während des Betriebs bei der Fehlerbehebung unterstützt werden und so zum effizienten Fehlermanagement beitragen.

Das Projekt wird gefördert durch das Bundesministerium für Bildung und Forschung aufgrund eines Beschlusses des Deutschen Bundestags.

Projektpartner

Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWUInstitut für Angewandte Informatik e.V.Schuster Maschinenbau GmbHKAMAX Tools & Equipment GmbH & Co. KG
Industrie-Partner GmbH CoswigSEITEC GmbHqueo GmbH 

AICoM | 2021 - 2024

Lernende Werkzeugmaschine zur autonomen Fräsfertigung kundenindividueller Werkstücke

Ziel ist die Entwicklung einer lernenden Werkzeugmaschine für die spanende Fertigung mit der Fähigkeit den Prozess autonom anzupassen und auf erlerntes “Wissen” bzw. erlernte “Erfahrungen” zurückzugreifen, um so auch bei kleinen Stückzahlen das hohe Maß an nötigem Prozessverständnis kosteneffizient einsetzen zu können.

Die dafür notwendigen Informationen werden AICoM durch aufbereitete maschineninterne bzw. externe Sensordaten sowie durch ein skalierbares und echtzeitfähiges Prozessmodell zurückgeführt.

Das Projekt wird gefördert durch das Bundesministerium für Bildung und Forschung aufgrund eines Beschlusses des Deutschen Bundestags.

Projektpartner

Technische Universität Darmstadt - Data Management

Technische Universität Darmstadt - Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen

Gühring KG

Datron AG

ModuleWorks GmbH

Synop-Systems UG

Lorenz Hoffmann

 

 

KI-Steuerung | 2021 - 2025

Erforschung einer automatisierten Steuerungsprogrammierung mittels Maschinellem Lernen

Digitale Zwillinge werden heutzutage bereits für die virtuelle Inbetriebnahme verwendet, um Steuerungssoftware unabhängig vom Hardwareaufbau der realen Anlage testen zu können.

Ziel von KI-Steuerung ist es, den digitalen Zwilling bereits bei der Steuerungsprogrammierung einzusetzen und diese mittels Maschinellem Lernen zu automatisieren. Dadurch wird der Softwareentwicklungsprozess massiv verkürzt, was bei steigender Anzahl an Produktvarianten und sinkender Time-to-Market einen essenziellen Marktvorteil bietet.

Das Projekt wird gefördert durch das Bundesministerium für Bildung und Forschung aufgrund eines Beschlusses des Deutschen Bundestags.

Projektpartner

Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen (ISW)

Universität Stuttgart

IT Engineering Software Innovations GmbH