Výzkumné projekty

Specifikace projektu

Abraze pneumatik patří k největším zdrojům mikroplastů v životním prostředí.
Efektivní snížení abraze pneumatik brání nedostatek online dat o opotřebení pneumatik za reálných podmínek, platných výpovědí o hlavních ovlivňujících faktorech, které abrazi určují, a prediktivních softwarových nástrojů umožňujících snížení abraze přizpůsobené situaci.

Ústředním cílem projektu je vyvinout softwarové nástroje založené na AI, které dokážou propojit a analyzovat inline shromážděná data o abrazi pneumatik užitkových vozidel, data BMDV o silnici & počasí a laboratorní indikátory se senzorem KapSor, aby bylo možné

• (lépe) porozumět hlavním faktorům ovlivňujícím abrazi pneumatik
• provádět situační predikce abraze pneumatik
• porovnávat pneumatiky z hlediska odolnosti proti abrazi
• minimalizovat opotřebení pneumatik v budoucnu aktivním zásahem
  Jednotlivé cíle:
• Klasifikace kvality pneumatik z hlediska abraze
• Predikce životnosti pneumatik
• Stanovení faktorů ovlivňujících opotřebení pneumatik včetně jejich vah
• Vztah mezi abrazí pneumatik v terénních zkouškách a v laboratorních testech
• Analýza snížení opotřebení pneumatik – štítek abraze pneumatik

Těžiště úkolů projektových partnerů

• Koordinace projektu
• Vývoj senzoru KapSor pro použití ve speciálních vozidlech a nákladních automobilech
• Koordinace zkušebního programu
• Přenos dat
• Vyhodnocení terénních zkoušek

• Vývoj digitálního dvojčete a výpovědí o vlivu abraze na základě rozsáhlého sběru dat (např. z laboratorních a terénních zkoušek, dat o vozidlech, posouzení a hodnocení profesionálními řidiči/experty) pomocí vyhodnocení pomocí AI

• Vývoj kvazikontinuálního vyhodnocení signálů senzoru KapSor
• Podpora při přizpůsobení elektroniky a konceptu senzoru pro použití v nákladních automobilech
• Zvýšení robustnosti a dosažení miniaturizace senzoru KapSor
• Přenos dat

• V rámci projektu vyvine DENKweit analýzu IR snímků kontaktních ploch pneumatik pomocí AI a identifikuje a validuje další indikátory abraze na základě IR snímků předzatížených pneumatik.

• Zaznamenávání laboratorních indikátorů abraze pryžových směsí pneumatik včetně přípravy vzorků
• Podpora při vývoji senzoru abraze pneumatik pro nákladní automobily (KapSor)
• Pořizování IR snímků kontaktních ploch pneumatik při zkouškách na stendu a terénních zkouškách
• Průběžná korelační analýza a vyhodnocení pomocí AI
• Rozhraní k politickým činitelům v regionu středního Německa

Zamýšlené výsledky

• Získání podložených znalostí o opotřebení pneumatik užitkových vozidel za reálných provozních podmínek

• Kvantitativní výpovědi o faktorech ovlivňujících abrazi pneumatik

• Softwarové nástroje založené na AI pro správu pneumatik

• Klasifikace nebo regresní analýza pneumatik z hlediska abraze založená na AI

• Přístupy ke snížení abraze pneumatik podle situace (tlak v pneumatikách / styl jízdy)
• Souvislosti mezi opotřebením pneumatik v terénu & relevantními laboratorními indikátory

• Doporučení pro pneumatiky & stavbu silnic optimalizované z hlediska emisí

Informace o našich partnerech

Rösler Tyre Innovators GmbH & Co. KG

Univerzita v Paderbornu

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

DENKweit

Specifikace projektu

Cílem společného výzkumného projektu je vyvinout inovativní, softwarově řízený, miniaturizovaný a vysoce přesný stříkací systém s přesným a dohledatelným dávkováním množství – na bázi extruzního systému.
Plánovaný vývoj má přinést významné výhody oproti současné technice:

• Snížení odchylek ve výdeji množství z cca 15 % na max. 5 %
• Dohledatelnost vydaného množství
• Virtuální měření viskozity provozního média
• Adaptivní regulační chování vzhledem k viskozitě provozního média
• Stupňovité nanášení na součásti s lineárně proměnným výdejem objemu
• Dosažení vysoké dynamiky stříkacího systému s regulační odezvou do 50 ms

Těžiště úkolů projektových partnerů

• Vývoj inovativní konstrukce dávkovacího prvku
• Implementace konstrukce dávkovacího prvku v demonstrátoru
• Vývoj celkové konstrukce stříkacího systému

• Vývoj inteligentního řízení trysek s rekalibrací
• Vývoj přizpůsobení viskozity pomocí virtuálního senzoru

• Vývoj hnací jednotky sestávající z pohonných akčních členů a řídicí elektroniky
• Validace a kalibrace funkcí trysek a vývoj modelu

Informace o našich partnerech

HIESSL Schmiertechnik GmbH (mazací technika)

Fraunhofer IWU – Institut für Werkzeugmaschinen und Umformtechnik (Institut pro obráběcí stroje a tvářecí techniku)

Specifikace projektu

Cílem projektu je vyvinout nové modulární montážní řešení založené na AI s autonomními pracovišti, aby bylo možné nabízet větší rozmanitost produktů bez ztráty efektivity ve výrobě. Toho má být dosaženo simulačním zobrazením výrobního řetězce, sběrem výrobních dat napříč stroji v reálném čase a analýzou dat založenou na AI s rozhraním na nadřazený systém kompletace zakázek. Řídicí algoritmus podporovaný strojovým učením má také umožnit malým a středním podnikům s převážně ruční výrobou flexibilně reagovat na různé změny ve výrobní zakázce. Kromě toho budou mít zaměstnanci v novém digitálním pracovním prostředí k dispozici všechny relevantní informace o své výrobní zakázce.

Výchozí situace

Současné montážní linky s definovanými taktovými časy již nedokážou kvůli nedostatku flexibility uspokojit rostoucí požadavky zákazníků a ukazují se jako stále méně ekonomické.

Cíle a řešení

Plánovaným vývojem je nové modulární montážní řešení založené na AI s autonomními pracovišti pro dosažení větší rozmanitosti produktů.

Očekávané výsledky

• Zkrácení doby zpracování produktů o 20 %
• Snížení počtu zásobníkových pozic o 50 %
• Spolehlivost systému 99 %

Těžiště úkolů projektových partnerů

• Testování na montážní lince, která byla pro projekt speciálně poskytnuta
• Zjištění relevantních výrobních dat pro simulaci a vývoj řídicího algoritmu
• Vývoj rozhraní k systému ERP pro přístup k relevantním datům pracovních postupů a zakázkového materiálu (ve spolupráci s iMes)
• Definice požadavků a cílových parametrů, které je třeba splnit
• Poskytnutí prostor pro pracovníky Univerzity aplikovaných věd v Kemptenu pro schůzky a testy na místě
• Investice na realizaci projektu

• Vývoj neuronové sítě, která podporuje řídicí algoritmus pro výrobní linku
• Vytvoření potřebných rozhraní pro propojení řídicího systému se stávajícím systémem ERP společnosti Otto Martin Maschinenbau GmbH
• Integrace řídicího systému do výrobní linky
• Vývoj intuitivního uživatelského rozhraní pro zaměstnance (aby nebylo nutné žádné zvláštní školení)
• Implementace automatizované výměny dat pro určité procesy (například řídicí data pro zajištění kvality)

• Vytvoření co nejrealističtější simulace výrobní linky společnosti Otto Martin Maschinenbau GmbH a algoritmu pro její optimalizaci
• Kontrola plausibility a kvality dat
• Stanovení pravděpodobnosti výskytu různých událostí, které ovlivňují výrobní proces, a na tomto základě vytvoření rozdělení výsledků
• Vývoj algoritmu, který analyzuje a řídí výrobu prediktivně i preskriptivně na základě synteticky generovaných cílových dat, včetně případných zvláštních dob běhu
• Ověření výsledného algoritmu pomocí dalších simulací, aby byla zajištěna robustnost výsledků

Informace o našich partnerech

Otto Martin Maschinenbau GmbH & Co. KG

Hochschule für Angewandte Wissenschaften Kempten

Specifikace projektu

Cílem výzkumného projektu je vyvinout „inteligentní krystalizační senzor“ pro prvotřídní zajištění kvality při vstřikování plastů a otestovat jej s koncovými uživateli (Exipnos GmbH, Mercedes Benz AG). „Inteligentní krystalizační senzor“ by měl být schopen minimalizovat zmetky způsobené deformací ve výrobním procesu a přijímat protiopatření při kolísání procesních parametrů relevantních pro kvalitu. Inovativním základem je kombinace ultrarychlého infračerveného (IR) teplotního senzoru s inline modelem krystalizace integrovaným v hardwaru do „krystalizačního senzoru“.

Ve druhém kroku bude ke krystalizačnímu senzoru přidán modul AI, aby vznikl „inteligentní krystalizační senzor“. Tento modul využívá data z krystalizačního senzoru a průběžně zaznamenávané parametry vstřikovacího procesu a prostředí k vytvoření predikce kvality pro každou jednotlivou součást inline a také generuje návrhy na úpravu parametrů vstřikování.

Základem je trénování systému AI během obvyklé fáze vzorkování při rozjezdu vstřikovací formy. 3D měření bude zapotřebí pouze během této fáze učení systému AI; ve výrobním procesu samotném má být nahrazeno systémem AI pro zajištění kvality, což nabízí významné časové a nákladové výhody.

Těžiště úkolů projektových partnerů

• Vývoj modelu krystalizace vhodného pro inline použití, včetně
• implementace v algoritmu, který vydává parametry krystalizace (teplotu a teplo krystalizace) a splňuje požadavky rutinně použitelného inline krystalizačního senzoru z hlediska doby běhu a robustnosti

• Hardwarová integrace vyvinutého modelu krystalizace pomocí
• jeho kombinace s vlastním IR teplotním senzorem do „krystalizačního senzoru“, který inline zjišťuje a vydává parametry krystalizace a zpřístupňuje je pro další vyhodnocení

• Vývoj systému AI, který je trénován ve fázi vzorkování s 3D měřením součástí a který následně poskytuje predikce kvality součástí a návrhy na úpravu procesních parametrů

• Systematické testování „inteligentního krystalizačního senzoru“ za reálných podmínek, včetně
• zpětné vazby s projektovými partnery nezbytné pro jeho optimalizaci

Zamýšlené výsledky

• Vývoj robustního inline algoritmu na základě modelu krystalizace, který dokáže v reálném čase poskytovat informace o lokálním stavu krystalizace vstřikovaných plastových součástí
• Hardwarová integrace vyvinutého algoritmu do „krystalizačního senzoru“ pro výstup parametrů krystalizace, jako je teplota a teplo krystalizace, v reálném čase
• Vývoj systému AI, který po fázi učení s 3D měřením umožňuje činit výpovědi o kvalitě součástí – pouze na základě dat z krystalizačního senzoru a doprovodných konvenčních procesních dat
• Kombinace „krystalizačního senzoru“ a systému AI do „inteligentního krystalizačního senzoru“, který pracuje robustně za výrobních podmínek a spolehlivě splňuje výše uvedené požadavky
• Zkoumání možností generování užitečných návrhů na úpravu procesních parametrů vstřikování na základě dat z krystalizačního senzoru a doprovodných procesních dat shromážděných pomocí systému AI

Informace o našich partnerech

FOS Messtechnik GmbH

Exipnos GmbH

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

Specifikace projektu

Cílem výzkumného projektu je vývoj inteligentního řízení mikrodávkovacích ventilů na základě obrazu pro nanášení tekutin v řádu nanolitrů.
V rámci tohoto projektu má být vyvinut nový systém analýzy obrazu, který bude na základě grafického rozpoznávání vzorů provádět porovnání cílového a skutečného stavu kapek tekutiny při nanášení a smáčení povrchu a zobrazovat je na snímcích. Tento inovativní analytický nástroj by měl umožnit analyzovat optimální vydávané množství a optimální stupeň smáčení nanášené tekutiny. Tímto způsobem bude poprvé umožněno automatizované nanášení průmyslově používaných pájecích past pro vysoce miniaturizované elektronické obvody na trojrozměrné povrchy.

Těžiště úkolů projektových partnerů

• Analýza reologických vlastností technických tekutin (pájecí pasty, oleje, maziva, laky, tavidla atd.) ke stanovení správných nastavovacích parametrů pro nanášení různých tekutin s rozdílnou viskozitou
• Na základě zjištěných parametrů by mělo být možné zpracovávat širokou škálu tekutin prostřednictvím vyvíjeného aplikačního systému pomocí drobných zásahů do systému, ideálně pouze v softwaru
• Návrh ventilu včetně geometrie ventilu a pístku i případných poloměrů, povrchů a materiálového provedení
• Vývoj aplikačního akčního členu (definice rychlosti pístku při zpracování jednotlivých tekutin za účelem vytvoření odpovídajícího nanášeného množství)
• Zkoumání impulzního zdvihu pístku k vytvoření optimální kapky
• Analýza ventilu v závislosti na viskozitě tekutiny pro nanášení určitých množství

• Vývoj vhodného nového a variabilního akčního členu pro řízení dávkovacího ventilu, který lze v reálném čase spojit se zpětnou vazbou senzorického systému (elektromechanický, pneumatický nebo hydraulický přístup)
• Implementace senzorické techniky vyvinuté společností iMes Solutions GmbH pro inline detekci objemu tekutiny a kvality dávkování v dávkovacím systému
• Montáž všech mechanických a elektronických komponent do kompaktního dávkovacího systému
• Vývoj prototypu

• Implementace obrazového měřicího systému, který dokáže na základě grafických vyhodnocení posoudit objem tekutiny a kvalitu nanášení dávkovacího systému – skládajícího se z mono kamery a externí výpočetní jednotky
• Převedení obrazového hardwaru na základě 2D snímku na platný výsledek měření z hlediska objemu tekutiny a kvality nanášení
• Trénování programu pomocí četných matematických a grafových algoritmů

Zamýšlené výsledky

Obrazový přístup ke kontrole nanášení tekutin je v oblasti dávkovací techniky naprostou novinkou. Tento inovativní analytický nástroj umožní analyzovat optimální dávkované množství a optimální stupeň smáčení nanášené tekutiny. Poprvé tak bude možné automatizované nanášení průmyslově používaných pájecích past pro vysoce miniaturizované elektronické obvody na trojrozměrné povrchy. Kromě toho lze přesně řízená množství maziva nebo oleje nanášet na miniaturizované součásti, například mikroozubená kola.

Informace o našich partnerech

Bahner Feinwerktechnik GmbH (jemná mechanika)

TH Köln (Technická univerzita v Kolíně nad Rýnem)

Specifikace projektu

Cílem projektu je technologický a inovativní vývoj inteligentního postupového nástroje, který umožňuje trvalou analýzu stavu a aktivní, průběžné dodatečné seřizování během výroby.

Stav komponent nástroje podléhajících opotřebení má být zaznamenáván senzory, které poskytují informace o životnosti a nezbytných dodatečných seřízeních. Digitální zpracování těchto informací prostřednictvím záznamu dat, analýzy, vizualizace a vyhodnocení ve formě správy dat má převzít inovativně vyvinutý algoritmus i nové softwarové komponenty, které umožňují inteligentní využití těchto dat a automatizaci i samoučící procesy.

Těžiště úkolů projektových partnerů

• Vývoj a výroba vysoce citlivého senzorického systému v čisté místnosti pro použití v postupových nástrojích pro tváření kovů
• Stanovení různých senzorových konceptů pro inovativní vyhodnocování dat o vadách a opotřebení tvářecího nástroje
• Vývoj mikrosenzorického systému pro analýzu rozměrových odchylek na zpracovávaném plechovém dílu

• Návrh a konstrukce inovativního diagramu síla–dráha pro inteligentní nástroj k zaznamenání tlaku a lisování i pohybových účinků

• Konstrukce a vývoj nástroje pro tváření plechu jako inteligentního postupového nástroje a implementace senzorické techniky pro analýzu dat
• Vývoj vhodného umístění senzorů v inovativním nástroji bez blokování provozních procesů
• Zkoumání procesů každé jednotlivé stanice v postupovém nástroji vhodných pro samoučící mechatronický proces a vývoj odpovídajících procesních parametrů
• Vývoj vysoce komplexní konstrukce postupového nástroje a připojení informační a komunikační techniky, aby plnila roli optimalizátora výroby

• Výpočet a vývoj nových algoritmů z dat procesů inteligentního nástroje
• Vývoj informačního a komunikačního systému pro zpracování dat ze senzorů a zahájení opatření ke kvalitě
• Zpracování dat ze senzorů a vizualizace v uživatelsky přívětivém a inovativním softwarovém systému

Výsledky

Integrace a implementace nového nástroje pomocí podrobných parametrů, naměřených hodnot a mezních hodnot ve výrobních procesech všemi zúčastněnými partnery byla úspěšná.

Souhrnně lze výhody zde představených technologických vývojů popsat takto:

• Zajištění kvality produktů
• Zvýšení vyráběného množství
• Snížení zmetkovité výroby
• Prodloužení životnosti nástrojů

Informace o našich partnerech

Brabant & Lehnert Werkzeug und Vorrichtungsbau GmbH

IMSAS – Institut für Mikrosensoren, -aktoren und -systeme der Universität Bremen (Institut pro mikrosenzory, akční členy a systémy na Univerzitě v Brémách)