EPIC

Eckdaten zum Forschungsprojekt

Projektname EPIC - Centre of Excellence in Production Informatics and Control
Kurz-Titel
EPIC
Fördergeber EU
Programm Horizon 2020
Projektnummer
739592
Projektpartner National Research, Development and Innovation Office (NKFIH)
Institute for Computer Science and Control, Hungarian Academy of Sciences (SZTAKI)
Budapest University of Technology and Economics (BME)
Fraunhofer-Gesellschaft (FhG): IPA-Stuttgart, IPK-Berlin, IPT-Aachen
Fraunhofer Austria Research GmbH (FhA)
Laufzeit 7 Jahre (April 2017 – März 2024)
Gesamtbudget EUR 21,7 Millionen

This project has received funding from the European Union's Horizon 2020 research and innovation programme under grant agreement No 739592.

 

Fragestellung

Mit Industrie 4.0 erleben Produktionen weltweit eine digitale Transformation. Automatisierung, Digitalisierung und Vernetzung sind demnach die größten Herausforderungen für Industrieunternehmen.

Im Zentrum des Projekts steht die Etablierung des »Centre of Excellence in Production Informatics and Control«, kurz EPIC, als eine der führenden, international anerkannten Kompetenzschmieden im Bereich cyber-physischer Produktionssysteme (CPPS) in Ungarn. EPIC ist Teil des EU-Förderprogramms »Horizon 2020« und konzentriert die Kompetenzen der beteiligten Forschungspartner aus Österreich, Deutschland und Ungarn.

Unser Beitrag

Der Forschungsschwerpunkt von Fraunhofer Austria liegt auf dem Thema Cyber-physikalische Systeme, insbesondere auf der Planung und Steuerung kooperativer, adaptiver Produktions- und Logistiksysteme.

Im Rahmen von EPIC soll ein Netzwerk verschiedener Pilot-CPPS, darunter auch die TU Wien Pilotfabrik Industrie 4.0, aufgebaut und international vernetzt werden. Fragestellungen rund um das Thema können somit unter realen Bedingungen untersucht und Industrieunternehmen zugänglich gemacht werden. Zugleich werden die Erfahrungen anderer Pilot-CPPS genutzt sowie Synergien gefördert.

Darüber hinaus bringt Fraunhofer Austria Know-how aus vergangenen und aktuellen nationalen und internationalen Projekten in das Konsortium ein. Zudem werden Networking Events und Workshops, die über das Projektkonsortium hinausgehen, die internationale Zusammenarbeit sowie den wissenschaftlichen Austausch zwischen den einzelnen Ländern fördern.

Zielsetzung

Ziel von EPIC ist es, Innovationen durch Industrie 4.0 Ansätze zu beschleunigen, industrielle Lösungen zu realisieren und eine neue Generation hochqualifizierter Fachkräfte auszubilden. Insbesondere kleine und mittlere Unternehmen sollen durch EPIC Zugang zu Industrie 4.0 Anwendungen erhalten und bei ihrem individuellen Weg in die Industrie 4.0 unterstützt werden. Das soll letztendlich dazu beitragen, die Entwicklung eines wettbewerbsfähigen europäischen Wirtschafts- und Forschungsstandorts in CEE voranzutreiben und langfristig zu stärken.

Publikationen

  1. Lukas Lingitz, Viola Gallina, Fazel Ansari, David Gyulai, Andras Pfeiffer, Wilfried Sihn, Laszlo Montostori: "Lead time prediction using machine learning algorithms: A case study by a semiconductor manufacturer." In:Procedia CIRP, Volume 72, P. 1051-1056 (2018).
  2. Gyulai, D., Pfeiffer, A., Nick, G., Gallina, V., Sihn, W., Monostori, L.: Lead time prediction in a flow-shop environment with analytical and machine learning approaches, IFAC INCOM 2018 Conference, Bergamo, Italy. June 11-13 (2018)
  3. Gyulai, D., Pfeiffer, A., Bergmann, J., Gallina, V.: Online lead time prediction supporting situation-aware production control, in Procedia CIRP, Volume 78, p. 190-195 (2018)
  4. Gyulai, D., Pfeiffer, A., Galina V.: New perspective in production control: situation-aware decision making with machine learning approaches, in 68th CIRP General Assembly, Tokyo, Japan, 19-25. August (2018)
  5. Glawar, R.; Karner, M.; Nemeth, T.; Matyas K.; Sihn W.: An approach for the integration of anticipative maintenance strategies within a production planning and control model, in Procedia CIRP, 11th CIRP Conference on Intelligent Computation in Manufacturing Engineering, Vol 67. Pp. 46-51. (2018)
  6. Kovacs, K., Ansari, F., Geisert, C., Uhlmann, E., Glawar, R., Sihn, W.: A Process Model for Enhancing Digital Assistance in Knowledge-Based Maintenance , in ML4CPS 2018 (Machine Learningfor Cyber Physical Systems and Industry 4.0)
  7. Karner, M., Glawar, R., Sihn, W., Kurt, M.: Integrating machine tool condition monitoring and production scheduling in metal forming, in MOTSP2018, Primosten, Croatia (2018)
  8. Kritzinger, W., Karner,M., Traar, G., Henjes, J.,Sihn, W.: Digital Twin in manufacturing: A categorical literature review, in IFAC INCOM 2018 Conference Bergamo, Italy. June 11-13 (2018)