Projekty badawcze

Opis projektu

Ścieranie opon jest jednym z największych źródeł mikroplastiku w środowisku.
Efektywną redukcję ścierania opon utrudnia brak danych online o zużyciu opon w rzeczywistych warunkach, wiarygodnych wypowiedzi na temat głównych czynników wpływających na ścieranie oraz predykcyjnych narzędzi programowych umożliwiających dostosowaną do sytuacji redukcję ścierania.

Głównym celem projektu jest opracowanie opartych na AI narzędzi programowych, które potrafią łączyć i analizować zbierane inline dane o ścieraniu opon pojazdów użytkowych, dane BMDV o drodze & pogodzie oraz wskaźniki laboratoryjne z czujnikiem KapSor, aby

• (lepiej) zrozumieć główne czynniki wpływające na ścieranie opon
• tworzyć prognozy sytuacyjne dotyczące ścierania opon
• porównywać opony pod względem odporności na ścieranie
• zminimalizować zużycie opon w przyszłości poprzez aktywną interwencję
  Cele szczegółowe:
• Klasyfikacja jakości opon pod względem ścierania
• Prognozowanie trwałości opon
• Określenie czynników wpływających na zużycie opon wraz z ich ważeniem
• Zależność między ścieraniem opon w próbach terenowych i w badaniach laboratoryjnych
• Analiza redukcji zużycia opon – etykieta ścierania opon

Zakres zadań partnerów projektu

• Koordynacja projektu
• Opracowanie czujnika KapSor do zastosowania w pojazdach specjalnych i ciężarowych
• Koordynacja programu badań
• Transfer danych
• Ocena prób terenowych

• Opracowanie cyfrowego bliźniaka i wypowiedzi na temat wpływu ścierania na podstawie obszernego zbierania danych (np. z testów laboratoryjnych i terenowych, danych pojazdów, ocen i opinii zawodowych kierowców/ekspertów) z pomocą analiz AI

• Opracowanie quasi-ciągłej oceny sygnałów czujnika KapSor
• Wsparcie w dostosowaniu elektroniki i koncepcji czujnika do zastosowania w samochodach ciężarowych
• Zwiększenie odporności i osiągnięcie miniaturyzacji czujnika KapSor
• Transfer danych

• W ramach projektu DENKweit opracuje analizę AI obrazów IR powierzchni styku opon i zidentyfikuje oraz zwaliduje dodatkowe wskaźniki ścierania na podstawie obrazów IR opon wstępnie obciążonych.

• Rejestracja wskaźników laboratoryjnych ścierania mieszanek gumowych opon wraz z przygotowaniem próbek
• Wsparcie rozwoju czujnika ścierania opon do samochodów ciężarowych (KapSor)
• Pozyskiwanie obrazów IR powierzchni styku opon podczas testów stanowiskowych i prób terenowych
• Towarzysząca analiza korelacji i ocena AI
• Interfejs do decydentów politycznych w regionie Niemiec Środkowych

Zamierzone rezultaty

• Uzyskanie solidnej wiedzy o zużyciu opon w pojazdach użytkowych w rzeczywistych warunkach eksploatacji

• Ilościowe wypowiedzi na temat czynników wpływających na ścieranie opon

• Oparte na AI narzędzia programowe do zarządzania oponami

• Oparta na AI klasyfikacja lub analiza regresji opon pod względem ścierania

• Podejścia do dostosowanej do sytuacji redukcji ścierania opon (ciśnienie w oponach / sposób jazdy)
• Korelacje między zużyciem opon w terenie & istotnymi wskaźnikami laboratoryjnymi

• Wytyczne dla opon & budowy dróg zoptymalizowanych pod kątem emisji

Informacje o naszych partnerach

Rösler Tyre Innovators GmbH & Co. KG

Uniwersytet w Paderborn

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

DENKweit

Opis projektu

Celem wspólnego projektu badawczego jest opracowanie innowacyjnego, sterowanego programowo, zminiaturyzowanego i wysoce precyzyjnego systemu natryskowego z dokładnym i identyfikowalnym dozowaniem ilości – w oparciu o system wytłaczania.
Planowany rozwój ma zapewnić istotne korzyści w porównaniu z obecną technologią:

• Zmniejszenie odchyleń wydawanej ilości z ok. 15% do maks. 5%
• Identyfikowalność wydawanej ilości
• Wirtualny pomiar lepkości medium roboczego
• Adaptacyjne zachowanie regulacji w zależności od lepkości medium roboczego
• Stopniowane natryskiwanie komponentów z liniowo zmienną wydajnością objętościową
• Osiągnięcie wysokiej dynamiki systemu natryskowego z reakcją regulacji poniżej 50 ms

Zakres zadań partnerów projektu

• Opracowanie innowacyjnej konstrukcji elementu dozującego
• Wdrożenie konstrukcji elementu dozującego w demonstratorze
• Opracowanie ogólnej konstrukcji systemu natryskowego

• Opracowanie inteligentnego sterowania dyszą z ponowną kalibracją
• Opracowanie adaptacji do lepkości z czujnikiem wirtualnym

• Opracowanie jednostki napędowej składającej się z siłowników napędowych i elektroniki sterującej
• Walidacja i kalibracja funkcji dyszy oraz opracowanie modelu

Informacje o naszych partnerach

HIESSL Schmiertechnik GmbH (technika smarowania)

Fraunhofer IWU – Institut für Werkzeugmaschinen und Umformtechnik (Instytut Obrabiarek i Techniki Kształtowania)

Opis projektu

Celem projektu jest opracowanie nowego, opartego na AI modułowego rozwiązania montażowego z autonomicznymi stanowiskami pracy, aby oferować większą różnorodność produktów bez utraty efektywności produkcji. Ma to zostać osiągnięte poprzez symulacyjne odwzorowanie łańcucha produkcji, zbieranie w czasie rzeczywistym danych produkcyjnych ponad granicami maszyn oraz analizę tych danych opartą na AI, z interfejsem do nadrzędnego systemu kompletacji zamówień. Algorytm sterowania wspierany uczeniem maszynowym powinien również umożliwić MŚP o produkcji głównie ręcznej elastyczne reagowanie na różne zmiany w kolejności zleceń produkcyjnych. Ponadto pracownicy otrzymają wszystkie istotne informacje o swoim zleceniu produkcyjnym w nowym cyfrowym środowisku pracy.

Sytuacja wyjściowa

Obecne linie montażowe o zdefiniowanych czasach taktu nie są już w stanie sprostać rosnącym wymaganiom klientów z powodu braku elastyczności i okazują się coraz mniej opłacalne.

Cele i rozwiązania

Planowany rozwój to nowatorskie, oparte na AI modułowe rozwiązanie montażowe z autonomicznymi stanowiskami pracy, umożliwiające osiągnięcie większej różnorodności produktów.

Oczekiwane rezultaty

• Skrócenie czasu przetwarzania produktów o 20%
• Redukcja miejsc buforowych o 50%
• Niezawodność systemu na poziomie 99%

Zakres zadań partnerów projektu

• Testy na linii montażowej udostępnionej specjalnie na potrzeby projektu
• Określenie istotnych danych produkcyjnych do symulacji i opracowania algorytmu sterowania
• Opracowanie interfejsu do systemu ERP w celu dostępu do istotnych danych planu pracy i materiału zleceń (we współpracy z iMes)
• Określenie wymagań i parametrów docelowych do spełnienia
• Udostępnienie pomieszczeń dla pracowników Uniwersytetu Nauk Stosowanych w Kempten na potrzeby spotkań i testów na miejscu
• Inwestycje na potrzeby realizacji projektu

• Opracowanie sieci neuronowej wspierającej algorytm sterowania linią produkcyjną
• Stworzenie niezbędnych interfejsów do połączenia systemu sterowania z istniejącym systemem ERP w Otto Martin Maschinenbau GmbH
• Integracja systemu sterowania z linią produkcyjną
• Opracowanie intuicyjnego interfejsu użytkownika dla personelu (tak aby nie były wymagane specjalne szkolenia)
• Wdrożenie zautomatyzowanej wymiany danych dla wybranych procesów (na przykład danych kontrolnych na potrzeby zapewnienia jakości)

• Stworzenie możliwie najwierniejszej symulacji linii produkcyjnej Otto Martin Maschinenbau GmbH oraz algorytmu jej optymalizacji
• Sprawdzanie wiarygodności i jakości danych
• Określenie prawdopodobieństwa wystąpienia różnych zdarzeń wpływających na proces produkcyjny i na tej podstawie utworzenie rozkładu wyników
• Opracowanie algorytmu, który analizuje i steruje produkcją w sposób predykcyjny oraz preskryptywny na podstawie syntetycznie generowanych danych docelowych, z uwzględnieniem ewentualnych szczególnych czasów przebiegu
• Testowanie powstałego algorytmu za pomocą kolejnych symulacji w celu zapewnienia odporności wyników

Informacje o naszych partnerach

Otto Martin Maschinenbau GmbH & Co. KG

Hochschule für Angewandte Wissenschaften Kempten

Opis projektu

Celem projektu badawczego jest opracowanie „inteligentnego czujnika krystalizacji”, który zapewni najwyższą jakość zapewnienia jakości w formowaniu wtryskowym, oraz przetestowanie go z użytkownikami końcowymi (Exipnos GmbH, Mercedes Benz AG). „Inteligentny czujnik krystalizacji” powinien minimalizować odrzuty wynikające z odkształceń w procesie produkcyjnym i podejmować działania zaradcze w przypadku wahań parametrów procesu istotnych dla jakości. Innowacyjną podstawą jest połączenie ultraszybkiego czujnika temperatury w podczerwieni (IR) z zintegrowanym sprzętowo modelem krystalizacji działającym inline w „czujnik krystalizacji”.

W drugim kroku do czujnika krystalizacji zostanie dodany moduł AI, aby stworzyć „inteligentny czujnik krystalizacji”. Moduł ten wykorzystuje dane z czujnika krystalizacji oraz na bieżąco rejestrowane parametry procesu wtrysku i otoczenia, aby inline generować prognozę jakości dla każdego pojedynczego elementu, a także tworzyć propozycje dostosowania parametrów wtrysku.

Podstawą jest wytrenowanie systemu AI podczas zwykłej fazy próbkowania przy uruchamianiu formy wtryskowej. Pomiar 3D będzie wymagany tylko w tym okresie uczenia systemu AI; w samym procesie produkcyjnym ma go zastąpić system AI do zapewnienia jakości, co daje istotne korzyści czasowe i kosztowe.

Zakres zadań partnerów projektu

• Opracowanie modelu krystalizacji nadającego się do użycia inline, w tym
• Implementacja w algorytmie, który wyprowadza parametry krystalizacji (temperaturę i ciepło krystalizacji) i spełnia wymagania rutynowo stosowanego czujnika krystalizacji inline pod względem czasu przebiegu i odporności

• Integracja sprzętowa opracowanego modelu krystalizacji poprzez
• połączenie go z własnym czujnikiem temperatury IR w „czujnik krystalizacji”, który określa i wyprowadza parametry krystalizacji inline oraz udostępnia je do dalszej analizy

• Opracowanie systemu AI, który jest trenowany w fazie próbkowania z pomiarem 3D elementów, a następnie dostarcza prognoz jakości elementów i propozycji dostosowania parametrów procesu

• Systematyczne testowanie „inteligentnego czujnika krystalizacji” w rzeczywistych warunkach, w tym
• niezbędne do jego optymalizacji sprzężenie zwrotne z partnerami projektu

Zamierzone rezultaty

• Opracowanie solidnego algorytmu inline opartego na modelu krystalizacji, który może dostarczać w czasie rzeczywistym informacji o lokalnym stanie krystalizacji wtryskiwanych elementów z tworzyw sztucznych
• Integracja sprzętowa opracowanego algorytmu w „czujniku krystalizacji” w celu wyprowadzania parametrów krystalizacji, takich jak temperatura i ciepło krystalizacji, w czasie rzeczywistym
• Opracowanie systemu AI, który po fazie uczenia z pomiarem 3D umożliwia formułowanie wypowiedzi o jakości elementów – wyłącznie na podstawie danych z czujnika krystalizacji i towarzyszących konwencjonalnych danych procesowych
• Połączenie „czujnika krystalizacji” i systemu AI w „inteligentny czujnik krystalizacji”, który działa solidnie w warunkach produkcyjnych i niezawodnie spełnia powyższe wymagania
• Zbadanie możliwości generowania użytecznych propozycji dostosowania parametrów procesu formowania wtryskowego na podstawie danych z czujnika krystalizacji i towarzyszących danych procesowych zbieranych za pomocą systemu AI

Informacje o naszych partnerach

FOS Messtechnik GmbH

Exipnos GmbH

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

Opis projektu

Celem projektu badawczego jest opracowanie inteligentnego, opartego na obrazie sterowania zaworami mikrodozującymi do nanoszenia płynów w zakresie nanolitrów.
W ramach projektu ma zostać opracowany nowatorski system analizy obrazu, który na podstawie graficznego rozpoznawania wzorców będzie porównywał wartości docelowe z rzeczywistymi dla kropli płynu podczas nanoszenia i zwilżania powierzchni oraz przedstawiał je na obrazach. To innowacyjne narzędzie analityczne powinno umożliwić analizę optymalnej wydawanej ilości i optymalnego stopnia zwilżenia nanoszonego płynu. W ten sposób po raz pierwszy możliwe stanie się zautomatyzowane nanoszenie stosowanych przemysłowo past lutowniczych do wysoce zminiaturyzowanych układów elektronicznych na powierzchniach trójwymiarowych.

Zakres zadań partnerów projektu

• Analiza właściwości reologicznych płynów technicznych (pasty lutownicze, oleje, smary, lakiery, topniki itp.) w celu określenia prawidłowych parametrów ustawień do nanoszenia różnych płynów o zróżnicowanej lepkości
• Na podstawie określonych parametrów szeroka gama płynów powinna dać się przetwarzać za pomocą opracowywanego systemu nanoszenia poprzez niewielkie ingerencje w system, a najlepiej wyłącznie w oprogramowaniu
• Konstrukcja zaworu wraz z geometrią zaworu i tłoczka oraz ewentualnymi promieniami, powierzchniami i materiałem
• Opracowanie siłownika nanoszenia (określenie prędkości tłoczka przy przetwarzaniu poszczególnych płynów w celu uzyskania odpowiedniej nanoszonej ilości)
• Badanie skoku impulsowego tłoczka w celu wytworzenia optymalnej kropli
• Analiza zaworu w zależności od lepkości płynu pod kątem nanoszenia określonych ilości

• Opracowanie odpowiedniego nowatorskiego i zmiennego siłownika do sterowania zaworem dozującym, który można sprzęgać w czasie rzeczywistym ze sprzężeniem zwrotnym systemu czujników (podejście elektromechaniczne, pneumatyczne lub hydrauliczne)
• Wdrożenie opracowanej przez iMes Solutions GmbH techniki czujnikowej do wykrywania inline objętości płynu i jakości dozowania w systemie dozującym
• Montaż wszystkich komponentów mechanicznych i elektronicznych w kompaktowym systemie dozującym
• Opracowanie prototypu

• Wdrożenie opartego na obrazie systemu pomiarowego, który potrafi oceniać objętość płynu i jakość nanoszenia systemu dozującego na podstawie analiz graficznych – składającego się z kamery mono i zewnętrznej jednostki obliczeniowej
• Przekształcenie opartego na obrazie sprzętu, wykorzystującego obraz 2D, w wiarygodny wynik pomiaru dotyczący objętości płynu i jakości nanoszenia
• Trenowanie programu licznymi algorytmami matematycznymi i grafowymi

Zamierzone rezultaty

Oparte na obrazie podejście do kontroli nanoszenia płynów jest całkowitą nowością w dziedzinie techniki dozowania. To innowacyjne narzędzie analityczne umożliwi analizę optymalnej wydawanej ilości i optymalnego stopnia zwilżenia nanoszonego płynu. Tym samym po raz pierwszy możliwe będzie zautomatyzowane nanoszenie stosowanych przemysłowo past lutowniczych do wysoce zminiaturyzowanych układów elektronicznych na powierzchniach trójwymiarowych. Ponadto można nanosić precyzyjnie kontrolowane ilości smaru lub oleju na zminiaturyzowane komponenty, takie jak mikrokoła zębate.

Informacje o naszych partnerach

Bahner Feinwerktechnik GmbH (mechanika precyzyjna)

TH Köln (Technische Hochschule Köln)

Opis projektu

Celem projektu jest technologiczny i innowacyjny rozwój inteligentnego narzędzia progresywnego, które umożliwia stałą analizę stanu oraz aktywne, ciągłe dostrajanie w trakcie produkcji.

Stan elementów narzędzia podlegających zużyciu powinien być rejestrowany przez czujniki dostarczające informacji o trwałości i niezbędnych dostrojeniach. Cyfrowe przetwarzanie tych informacji poprzez rejestrację, analizę, wizualizację i ocenę danych w formie zarządzania danymi ma przejąć innowacyjnie opracowywany algorytm oraz nowe komponenty oprogramowania, które umożliwiają inteligentne wykorzystanie tych danych oraz automatyzację i procesy samouczące się.

Zakres zadań partnerów projektu

• Opracowanie i produkcja wysoce czułego systemu czujników w pomieszczeniu czystym do zastosowania w progresywnych narzędziach do kształtowania metali
• Określenie różnych koncepcji czujników do innowacyjnej oceny danych o wadach i zużyciu w narzędziu do kształtowania
• Opracowanie systemu mikroczujników do analizy odchyłek wymiarowych na obrabianej części z blachy

• Projekt i konstrukcja innowacyjnego wykresu siła–droga dla inteligentnego narzędzia, rejestrującego nacisk i prasowanie oraz efekty ruchu

• Projekt i opracowanie narzędzia do kształtowania blachy jako inteligentnego narzędzia progresywnego oraz wdrożenie techniki czujnikowej do analizy danych
• Opracowanie odpowiedniego rozmieszczenia czujników w innowacyjnym narzędziu bez blokowania procesów roboczych
• Badanie procesów każdej pojedynczej stacji w narzędziu progresywnym pod kątem odpowiedniości dla samouczącego się procesu mechatronicznego oraz opracowanie odpowiednich parametrów procesu
• Opracowanie wysoce złożonej konstrukcji narzędzia progresywnego i połączenie techniki informacyjno-komunikacyjnej tak, aby pełniła rolę optymalizatora produkcji

• Obliczanie i opracowywanie nowych algorytmów na podstawie danych z procesów inteligentnego narzędzia
• Opracowanie systemu informacyjno-komunikacyjnego do przetwarzania danych z czujników i inicjowania działań jakościowych
• Przetwarzanie danych z czujników i wizualizacja w przyjaznym dla użytkownika i innowacyjnym systemie oprogramowania

Wyniki

Integracja i wdrożenie nowego narzędzia z zastosowaniem szczegółowych parametrów, wartości pomiarowych i granicznych w procesach produkcyjnych przez wszystkich zaangażowanych partnerów zakończyły się sukcesem.

Podsumowując, zalety przedstawionych tu rozwiązań technologicznych można opisać następująco:

• Zapewnienie jakości produktu
• Zwiększenie ilości produkcji
• Ograniczenie produkcji wadliwej
• Wydłużenie trwałości narzędzi

Informacje o naszych partnerach

Brabant & Lehnert Werkzeug und Vorrichtungsbau GmbH

IMSAS – Institute for Microsensors, Actuators and Systems na Uniwersytecie w Bremie