Industrie 4.0-Forschung

Forschungsstipendium für Industrie 4.0-Forschung

Im Zuge der Industrie 4.0 gilt die Individualisierbarkeit von Produkten bis hin zur Losgröße 1 bei minimalen Kosten als eines der Hauptziele. Für viele Unternehmen des deutschen Maschinenbaus, die sich mit der Kleinserien- und Einzelteilfertigung befassen, ist diese Anforderung bereits Alltag, um bei immer größer werdender Konkurrenz international wettbewerbsfähig bleiben zu können.

Die Kleinserien- und Einzelteilfertigung zeichnet sich insbesondere durch eine hohe Komplexität der Fertigungsprozesse sowie hohe Qualitätsanforderungen an die Produkte aus. Das erforderliche Maß an Flexibilität der Maschinen und die sich stetig ändernden Bedingungen erschweren den Einsatz herkömmlicher Systeme zur Prozess- und Maschinenüberwachung. Damit sind zuverlässige Prognosen, beispielsweise hinsichtlich der Werkzeugreststandzeit, die maßgeblich zur Kostensenkung und Qualitätssicherung beitragen können, de facto unmöglich.

Vor diesem Hintergrund forscht das Fraunhofer IMS an Lösungen der Predictive Maintenance für die Fertigungsindustrie, die durch den Einsatz smarter Sensorsysteme und eingebetteter Künstlicher Intelligenz (KI) auch höchsten Anforderungen wie bei der Kleinserien- und Einzelteilfertigung genügen und dort eingesetzt werden können, wo herkömmliche Systeme scheitern.

Im Zuge dieser Forschung erhält die Masterandin Zero Liß seit November 2021 ein Forschungsstipendium der Stiftung Industrieforschung. Mit dem Stipendium werden leistungsstarke Student*innen gefördert, die mit ihrer Arbeit einen Beitrag zu zentralen Forschungsfragen des industriellen Mittelstandes in Deutschland leisten. In ihrer Abschlussarbeit beschäftigt sich die Studentin des Maschinenbaus mit Schwerpunkt Digital Engineering mit der Entwicklung und Implementierung eines Edge Computing-basierten Architekturkonzeptes für die Prozess- und Werkzeugüberwachung in CNC-Bearbeitungszentren am Beispiel des Fräsprozesses. Ziel ist es, applikationsnah und mit hohen Abtastraten aufgezeichnete Sensordaten mittels verteilter eingebetteter Systeme bereitzustellen und den Einsatz sensornaher Signalverarbeitung sowie eingebetteter KI zu ermöglichen. Die Abschlussarbeit gliedert sich in eine von Industriepartnern unterstützte Kooperation zwischen dem Fraunhofer IMS und dem Fachbereich Maschinenbau der Hochschule Ruhr-West ein. 

Unsere Technologien – Innovationen für Ihre Produkte

Verteiltes Lernen

Verteiltes Lernen ermöglicht das Training komplexer Aufgaben auf mehreren kleinen eingebetteten Systemen.

Hybrides Lernen und PGNNs

Bei unzureichenden Trainingsdaten helfen Simulationen auf Basis physikalischer Modelle die Datenlage zu verbessern.

Merkmalsextraktion für Smarte Sensoren

Mittels angepasster Merkmalsextraktion kann die Größe eines Neuronalen Netzes reduziert werden.

Embedded KI für LiDAR

Mit Hilfe von Embedded KI kann die Abstandsmessung durch LiDAR Sensoren beschleunigt und qualitativ verbessert werden.

Unsere Technologiebereiche – Unsere Technologien für Ihre Entwicklung

Kommunikation und Vernetzung

Kommunikationsschnittstellen erlauben den Datenaustausch mit anderen Geräten und die Anbindung an Netzwerke.

User Interfaces

User Interfaces als Schnittstelle zwischen Gerät und Anwender erlauben die Konfiguration und die Bedienung eines Produkts.

Maschinelle Lernverfahren für Embedded-Systems

Künstlicher Intelligenz auf ressourcenbegrenzten Systemen dient zur Gewinnung höherwertiger Informationen aus Sensorrohdaten.

Computer Vision

Computer Vision extrahiert das Maximum an Informationen aus Bilddaten.

 

Embedded Software and Artificial Intelligence (Home)

Hier gelangen Sie zurück zu der Übersichtsseite der Kernkompetenz
Embedded Software and Artificial Intelligence (ESA).