Projektlaufzeit:
September 2024 – April 2025
Ziel:
Entwicklung von prädikativen Wartungsstrategien für Hochregallager-Shuttles.
Lösung:
Das Projekt kombiniert fortschrittliche digitale Zwillinge, Machine Learning, IoT-Plattformen und Cybersicherheitslösungen, um eine produktorientierte Predictive Maintenance zu realisieren.
Technologien:
Highlights:
Ein Demonstrator in der Demofabrik Aachen zeigt die Machbarkeit des Ansatzes und verdeutlicht den Nutzen für Neu- und Bestandsanlagen. Die Integration eines sicheren IT- und Zugriffsmanagements erhöht die Cybersicherheit und gibt Unternehmen ein starkes Werkzeug an die Hand, um sich gegen Bedrohungen zu schützen.
Center DIO/GenAI
Laserbasierte Reparaturprozesskette zur Steigerung der Ressourceneffizienz in der Kreislaufwirtschaft metallischer Präzisionsbauteile
Projektlaufzeit:
Januar 2023 – Dezember 2025
Gefördert durch:
Bundesministerium für Bildung und Forschung
Center DIO
Lösung:
PRECIRC entwickelt eine automatisierte, laserbasierte Prozesskette, die KMUs in die Lage versetzt, beschädigte metallische Präzisionsbauteile nachhaltig und effizient zu reparieren. Dies erfolgt in den drei Schritten: Subtraktiver Materialabtrag, additiver Materialaufbau mithilfe des Extremen Hochgeschwindigkeits-Laserauftragschweißens (EHLA) und Nachbearbeitung.
Technologien:
Highlights:
PRECIRC adressiert die Herausforderungen der Kreislaufwirtschaft durch die Kombination von High-Tech-Fertigungsverfahren mit ressourcenschonender Prozessgestaltung. Es ermöglicht eine nachhaltige Nutzung metallischer Präzisionsbauteile bei gleichzeitiger Reduktion von Abfall sowie Kosten.
Innovationsprojekt
Projektlaufzeit:
November 2023 – November 2024
Ziel:
Ablösung von statischen Papierdokumenten, etwa Laufzettel zu Fertigungsaufträgen, durch eine eventbasierte, automatisierte Prozesssteuerung.
Lösung:
Das EDPO-System kombiniert modernste Technologien, um Produkte präzise zu lokalisieren, Bauteile zu dokumentieren und Echtzeit-Informationen zu Prozessschritten sowie Produktstatus auszugeben und ersetzt so den klassischen Laufzettel. Alle Prozess- und Produktzustandsänderungen werden automatisch in das ERP-System übertragen.
Technologien:
Highlights:
Das Projekt demonstriert die digitale Konvergenz zwischen Computer Vision und Track-and-Trace-Systemen, wodurch Produktionsprozesse intelligent automatisiert und optimiert werden können. Am Beispiel der Kreislaufwirtschaft kann der Demonstrator in der Demonstrationsfabrik Aachen (DFA) betrachtet und getestet werden.
Innovationsprojekt
Projektlaufzeit:
Oktober 2023 – Oktober 2024
Ziel:
Automatisierte Schraubfall-Erkennung und Torquedokumentation für Montageprozesse: Mithilfe von 5G-Konnektivität, Computer Vision und zusätzlichen Daten aus der Inertial-Measurement-Unit (IMU) soll eine präzise Erkennung und Parametrisierung von Schraubfällen in 3D-Räumen erreicht werden, um auf diese Weise die Automatisierung und Effizienz von Montageprozessen zu verbessern.
Lösung:
Das Projekt zeigt die Integration von 5G-Vision-Technologie in Montageprozesse am Beispiel eines Akkuschraubers, der mit einer Kamera ausgestattet ist. Ein Proof-of- Concept demonstriert die Realisierbarkeit einer intelligenten Werkassistenz-Lösung.
Technologien:
Highlights:
Ein Demonstrator in der Demonstrationsfabrik Aachen zeigt die praktischen Vorteile der Lösung und demonstriert, wie 5G, Computer Vision und IMU-Daten in Montageprozessen eingesetzt werden können. Der Prototyp bildet die Grundlage für die Entwicklung eines praxisfähigen Werkzeugs für die Industrie.
Beratungsprojekt
Projektlaufzeit:
Juli 2023 – Juni 2024
Ziel:
Entwicklung eines Demonstrators für eine effiziente Routenplanung und Echtzeit-Optimierung durch Digitalisierung. Der Demonstrator aufzeigen, wie eine dynamische Anpassung der Route während des Transports erfolgen und auf plötzliche Veränderungen, wie Verzögerungen oder Störungen, reagiert werden kann.
Lösung:
Der Demonstrator für die datenbasierte Routenplanung wird als Referenzfall mit einer Gitterbox entwickelt, die den Transport von Gütern durch ein Intermodal-Netzwerk simuliert. Sie berücksichtigt u. a. folgende Funktionen und Merkmale: individuelle Routenfindung und Optimierung, Echtzeit-Reaktion auf Änderungen, Transportbudget, Quantencomputing, Sensorik, intelligente Ladungsträger.
Technologien:
Highlights:
Ein physischer Demonstrator wird aufgebaut, der das Miniaturabbild von Deutschland darstellt und die Routenoptimierung durch ein realistisches Transportnetzwerk simuliert. Auf diese Weise ist es möglich, die Vorteile der Lösung zu testen und zu veranschaulichen.
Frühzeitige Fehlererkennung zur Vermeidung von Brandrisiken und Maschinenstillständen
Innovationsprojekt
Projektlaufzeit:
Oktober 2023 – Mai 2024
Ziel:
Sicherheits- und Wartungsoptimierung für Maschinen und Anlagen, um Fehler frühzeitig zu erkennen und Brandrisiken sowie Maschinenstillstände zu vermeiden.
Lösung:
Das e.Guard-System bietet eine unabhängige Lösung zur Fehlererkennung und Brandprävention für Maschinen und Anlagen. Die Integration von Differenzstrommessung ermöglicht es, Fehler zu erkennen, bevor es zu einem Schaden oder einem Brand kommt. Das System unterscheidet zwischen wartungs- und sicherheitsrelevanten Anomalien und kann diese umgehend an verantwortliche Personen melden.
Technologien:
Highlights:
Livebetrieb in der Demonstrationsfabrik Aachen: Das e.Guard-System wird in Echtzeit betrieben und überwacht Maschinen, um eine kontinuierliche Fehlererkennung und Wartungsoptimierung zu ermöglichen. Die Lösung lässt sich problemlos in bereits bestehende Maschinen und Anlagen integrieren und ermöglicht so eine einfache Skalierbarkeit.
Beratungsprojekt Fertigungsindustrie
Projektlaufzeit:
Februar 2024 – Mai 2024
Ziel:
Steigerung der Produktivität und Reduktion des Ausschusses durch KI-gesteuerte Qualitätsinspektion, effiziente Fehlererkennung und Entlastung von Mitarbeitenden in der Serienproduktion mithilfe von Computer Vision und Machine Learning.
Lösung:
Die Lösung besteht aus einer Arbeitsstation mit einem Kameraaufbau und Computer Vision. Dies ermöglicht es, mehrere Bauteile gleichzeitig auf verschiedene Fehlerarten zu prüfen. Die Künstliche Intelligenz (KI) analysiert das Bild und identifiziert multifaktorielle Fehler, die für den Menschen schwer erkennbar sind. So lassen sich eine automatisierte Fehlererkennung realisieren und Mitarbeitende von repetitiven Aufgaben entlasten.
Technologien:
Highlights:
Das Projekt wird in Zusammenarbeit mit einem Automobilzulieferer umgesetzt, um die Industriekompatibilität und Anwendbarkeit der Lösung sicherzustellen. Das zum Einsatz kommende KI-Modell wird kontinuierlich verbessert und optimiert, um flexibel auf wechselnde Produktionsbedingungen und unterschiedliche Bauteile anpassbar zu sein.
Augmented-Reality-gestützter Fernservice für effiziente Fehlerbehebung
Innovationsprojekt
Projektlaufzeit:
Juni 2023 – Oktober 2023
Ziel:
Erhöhung der Servicequalität und Minimierung von Ausfallzeiten durch Angebot eines effizienten Remote-Supports mithilfe von Augmented Reality (AR) und 5G-Technologie.
Lösung:
Die Kombination aus AR-Technologie und Remote-Expert:innen-Support ermöglicht eine nahtlose Zusammenarbeit zwischen Servicetechniker*innen n vor Ort und Fachleuten aus der Ferne. Sie umfasst AR-basierte Arbeitsanweisungen, KI-gestützte Fehlererkennung, Optimierung der Dokumentation und die Integration in das 5G-Netzwerk für eine stabile und schnelle Datenkommunikation.
Technologien:
Highlights:
Ein Demonstrator in der Demonstrationsfabrik Aachen zeigt die praktische Anwendung des Systems und verdeutlicht die Vorteile der Kombination von AR, 5G und KI für den Servicebereich.
