Exzellenzcluster – Internet of Production

  Nicht verfügbar Urheberrecht: © Dr. Martin Riedel

„The world becomes a Lab“ – Domänenübergreifende Generierung und Echtzeitaustausch von Informationen zur Verbesserung von modellbasierten Regelungsansätzen für Produktionssysteme

01.01.2019

Steckbrief

Eckdaten

Laufzeit:
01.01.2019 bis 31.12.2026
Akronym:
IoP CRD-B2
Gruppe:
Produktionssysteme
Fördergeber:
DFG

Kontakt

Name

Sebastian Stemmler

Geschäftsführender Oberingenieur, Abteilungsleiter Industriesysteme und Produktionssysteme

Telefon

work
+49 241 80 27479

E-Mail

E-Mail
 

Motivation

Die Gewährleistung der Wettbewerbsfähigkeit produzierender Unternehmen in Hochlohnländern erfordert die Flexibilität und Effizienz der Produktionsprozesse unter hohen Qualitätsansprüchen. Vor diesem Hintergrund ist die gesamtheitliche Betrachtung und Optimierung der Produktion notwendig, welches die domänenübergreifende Generierung und den echtzeitfähigen Austausch von Wissen zur Verbesserung existierender Ansätze in der Produktionstechnik erfordert.

 

Projektziele und Methoden

Gefördert von der Deutschen Forschungsgemeinschaft

Im Rahmen der Exzellenzstrategie des Bundes, im Exzellenzcluster „Internet of Production“ sollen anwendungsorientierte und innovative Lösungen im Bereich der Produktionstechnik untersucht werden. Beispielsweise soll beim Schruppfräsen die Geometrie und Oberflächenqualität bei gleichzeitiger Minimierung der Herstellungszeit optimiert und beim Kunststoffspritzgießen das spezifische Gewicht der produzierten Formen auch unter Umweltstörungen reproduzierbar eingestellt werden können. Möglich ist die Umsetzung dieser Ziele durch die modellbasierte Kopplung der Ziel- und Qualitätsgrößen mit den Maschinengrößen. Konkret für die gegebenen Beispiele können die genannten Optimierungsziele für das Erstere in Abhängigkeit der Werkzeuggeschwindigkeit und für das Letztere in Abhängigkeit des Werkzeuginnendrucks modelliert werden, wobei unbekannte Zusammenhänge, Nichtlinearitäten und sich verändernde Randbedingungen eine stetige Optimierung und fortlaufende Anpassung der Modelle erfordern. Deswegen soll untersucht werden, in welchen Adaptionsstrukturen die Stärken datenbasierter Lernverfahren, wie Neuronale Netze und Support Vector Machines genutzt werden können, um bestehende physikalische Modelle zu verbessern. Weiterhin ist zu erforschen, wie diese Adaptionsstrukturen echtzeitfähig und kompatibel mit höheren Regelungsverfahren betrieben werden können. Mittels dieser Modelle und „optimaler Regelung“ sollen die Prozesse an der Produktivitätsgrenze geführt werden, ohne die definierten Qualitätsziele zu vernachlässigen.

 

Innovation und Perspektiven

Domänenübergreifend geschaffene Datenpools können genutzt werden, um zusammen mit physikalischen Ansätzen die Modelle für entscheidende Qualitätsgrößen zu verbessern. Ferner kann durch die Kombination von physikalischen und datenbasierten Modellierungsansätzen die Interpretierbarkeit von gelernten Modellen erhalten und das Wissen über die Abläufe im Prozess erweitert werden. Die Erforschung von höheren Regelungsverfahren in Umgang mit solchen Modellierungsansätzen erhöht sowohl die domänenübergreifende Interoperabilität von Regelungsansätzen als auch die Flexibilität und Effizienz im Produktionsprozess.

 
Projektpartner