Forschungsthema »Industrie 4.0 - Smart Manufacturing«

Unsere aktuellen Forschungsprojekte

EPIC - Centre of Excellence in Production Informatics and Control

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.

Eckdaten zum Forschungsprojekt

Projektname: Centre of Excellence in Production Informatics and Control
Kurztitel:
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
Projektwebseite: https://www.centre-epic.eu/

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.

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.

Ansprechperson

Arko Steinwender

Contact Press / Media

Dr. techn. Arko Steinwender

Projektleiter

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien, Austria

Mobil +43 676 888 616 11

LEOPOLD - Industrial Energy Optimization and Flexibility Through Digitalization

Im Forschungsvorhaben LEOPOLD wird eine digitale Methode zur Flexibilisierung von Energiesystemen durch optimierte Planung und Steuerung industrieller Gesamtsysteme, auf Basis einer flexiblen und effizienten Modellierung und Optimierung, entwickelt.

Der gesellschaftlich erkannten Notwendigkeit, Industrie nachhaltiger und energieeffizienter zu betreiben, steht das Fehlen leistungsfähiger, anwendungsbereiter, digitaler Werkzeuge für die optimierte Gestaltung und Planung von komplexen Energie- und Produktionssystemen für die Industrie gegenüber. Obwohl die grundsätzliche Möglichkeit und das Nutzenpotential einer Synchronisation des industriellen Energiebedarfes mit dem (vermehrt, durch den steigenden Anteil erneuerbarer Energiequellen im Versorgungsmix) fluktuierenden Energieangebot erkannt wird, fehlen auch hierfür digitale Werkzeuge, aber auch Konzepte für die flexible Energieversorgung für industrielle Verbraucher. Damit bleibt ökologisches und ökonomisches Optimierungspotential in einem Hochtechnologieumfeld ungenutzt.

Eckdaten zum Forschungsprojekt

FTI-Initiative: Energieforschungsprogramm 6. Ausschreibung
Langtitel des Projekts: industriaL Energy OPtimizatiOn and fLexibility through Digitalization
Kurztitel des Projekts: LEOPOLD
Antragsteller: Fraunhofer Austria Research GmbH
Projektpartner: TU Wien, Institut für Energietechnik und Thermodynamik (TU-IET)
AutomationX GmbH (AX)
Stahl Judenburg GmbH (STJ)
Veredelungstechnik Krieglach Gmbh (VTK)
Verbund AG (VER)
Laufzeit des Projekts: Laufzeit von 03/2021 bis 03/2024
Laufzeit in Monaten: 36
Kostendarstellung: Gesamtkosten [€]: 942.043
Gesamtförderung [€]: 658.152

LEOPOLD entwickelt eine anwendungsorientierte digitale Methode zur Flexibilisierung von Energiesystemen durch optimierte Planung und Steuerung industrieller Gesamtsysteme, auf Basis einer flexiblen und effizienten Modellierung und Optimierung von Prozess und Struktur. Dadurch wird eine Energieeffizienzsteigerung im Gesamtprozess von bis zu 20% angestrebt, sowie eine ökonomisches und ökologisches Optimierungspotential als der Synchronisation von industriellem Energiebedarf und -angebot. Die neu entwickelte Methode basiert auf hybrider Simulation und metaheuristischer Optimierung auf Gesamtsystemebene, sowie gradientenbasierter Optimierung auf der Ebene komplexer Energiesysteme, in einem integrierten und abgestimmten Verfahren. LEOPOLD beinhaltet einen umfangreichen zweiteiligen Use-Case entlang einer Wertschöpfungskette in der energieintensiven Industrie, der die Praxisanwendungsperspektive des Ansatzes sicherstellt. Ein interdisziplinäres Konsortium sowie die Integration eines Energieversorgers ermöglichen die erfolgreiche Bearbeitung des ambitionierten Vorhabens.

Ansprechperson

Thomas Sobottka

Contact Press / Media

Dr. Thomas Sobottka

Wissenschaftlicher Mitarbeiter

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien

Mobil +43 676 888 616 26

Ausgangssituation

Thöni entwickelt und baut Gussanlagen, in welchen aus flüssigem Buntmetall im Stranggussverfahren Bänder, Profile und Rundformate gegossen werden. Das Metall wird im Schmelzofen verflüssigt, über eine Gießrinne einer Kokille zugeführt und als erstarrender Bolzenstrang kontinuierlich aus der Kokille herausgeführt. Zurzeit wird erstmals eine Gussanlage mit umfangreicher Industrie-4.0-fähiger Sensorik, Aktorik und Regelungstechnik ausgestattet. Die dadurch zur Verfügung stehenden Prozessdaten sollen unter anderem dazu genutzt werden, Optimierungspotential für den Anlagenbetrieb zu erkennen.

Eckdaten zum Forschungsprojekt

projekttitel: Anwendung von Industrie 4.0 Konzepten auf Stranggussanlagen
kurztitel:
Stranggussanlagen 4.0
fördergeber: Land Tirol
Ausschreibung:
Tiroler Innovationsförderung
Konsortialführer:
Thöni Industriebetriebe GmbH
Partner:
Fraunhofer Austria Research GmbH
ematric GmbH
Laufzeit:
12 Monate
(02/2021 - 01/2022)

Zielsetzung und Projektbeschreibung

Die in der Stranggussanalage mittels moderner Sensorik gemessenen Produktionsparameter sollen durch die Auswertung unter Einbeziehung modernen Datenverarbeitungsmethoden aus den Bereichen Data Science und KI zur Optimierung des Anlagenbetriebs beitragen.

Der Fokus dieser Optimierungsbestrebungen liegt auf der Steigerung der Produktqualität mittels kontinuierlicher und automatisierter Überwachung der Produktionsparameter und regelmäßiger Ableitung von Optimierungspotentialen für den Anlagenbetrieb.

 

Ergebnis

Das Ergebnis stellt ein in der Praxis evaluiertes Konzept für die Anwendung von Data Science-Methoden auf Anlagenbetriebsdaten dar, um dadurch Optimierungspotential für den Anlagenbetrieb zu erkennen und somit einen Mehrwert für die Anlagenbetreiber zu generieren.

Ansprechperson

Maximilian Ulrich

Contact Press / Media

Dipl.-Ing. Maximilian Ulrich

wissenschaftlicher Mitarbeiter

Fraunhofer Innovationszentrum »Digitale Transformation der Industrie« in Tirol
Weisstraße 9 c/o Werkstätte Wattens
6112 Wattens, Österreich

Mobil +43 676 888 616 49

True Usage - System zur Überwachung der tatsächlichen Nutzung und Optimierung der Wartungs- und Bestandsplanung bei militärisch genutzten Einsatzfahrzeugen

KI basierte Analyse heterogener Datenquellen, wie Sensor- und Fahrzeugsteuerungsdaten, zur Erfassung eines objektiven Nutzungsprofils militärisch genutzter Einsatzfahrzeuge. Nutzung der gesammelten Informationen für Optimierung in Wartungs- und Bestandsplanung durch vorausschauende Wartung und optimiertes Lagermanagement.

 

Herausforderung

Nutzungsprofile militärischer Fahrzeuge unterscheiden sich auf Grund der spezifischen Aufgaben für welche sie verwendet werden, wie Landesverteidigung, Katastrophenhilfe, Friedenssicherung, etc. grundlegend von denen nichtmilitärischer Fahrzeuge. Die Nutzungsdauer ist beträchtlich höher, Laufleistungen teilweise um ein Vielfaches niedriger und die Beschaffenheit der Einsatzgebiete deutlich diverser. Eine konsistente, transparente und realitätsnahe Erfassung des tatsächlichen Nutzungsprofils (True-Usage) ist aktuell nicht gegeben. Auswirkungen der Nicht-Nutzung (Materialdegradation, Standschäden, etc.) der Fahrzeuge werden ebenfalls nicht erhoben. Wichtige Aspekte des Flottenmanagements wie Lebenszykluskostenberechnung, Organisation von Instandhaltungsmaßnahmen und logistische Dispositionsberechnung basieren daher aktuell auf Erfahrungsreferenzen und sind dadurch mit signifikanten Unsicherheiten behaftet.

Eckdaten zum Forschungsprojekt

projektname True_Usage - System zur Überwachung der tatsächlichen Nutzung und Optimierung der Wartungs- und Bestandsplanung
kurztitel
True Usage
Förderprogramm
Cyber Defence und Führungsinformationssysteme, FFG
Projektnummer
879702
Konsortialführer
Fraunhofer Austria Research GmbH
partner
Bundesministerium für Landesverteidigung
Messfeld GmbH
Rheinmetall MAN Military Vehicles Österreich GesmbH
TU Wien, Forschungsgruppe Smart and Knowledge-Based Maintenance
laufzeit
10/2020 - 09/2023 (36 Monate)

Zielsetzung

Ziel des Forschungsvorhabens True_Usage ist es eine transparente und nachvollziehbare Erfassung und Überwachung der tatsächlichen Nutzung (true-usage) von militärisch genutzten Einsatzfahrzeugen zu ermöglichen. Zu diesem Zweck werden unterschiedliche (heterogene) Datenquellen erfasst, analysiert und mittels KI-basierter Methoden ein objektives Nutzungsprofil ermittelt. Dadurch ist eine realistische Berechnung sowie eine Minimierung der Lebenszykluskosten beispielsweise durch eine Optimierung der Wartungs- und Bestandsplanung Möglich. Dies wird durch Entscheidungsunterstützungssystem zur vorausschauenden Wartung (Predictive Maintenance) und zur Bestandsoptimierung im Lagermanagement ermöglicht.

 

Ergebnisse und Nutzen

Angestrebtes Ergebnis ist ein wirklichkeitsnahes und transparentes Nutzungsprofil der untersuchten Fahrzeuge. Darauf aufbauend werden folgende Ergebnisse erwartet:

  • Realistische Berechnung der Folgekosten von Betrieb und Wartung sowie dynamische Anpassung der Lebenszykluskosten während der Betriebsdauer
  • Erhöhung der Verfügbarkeit des Systems durch proaktives Ableiten von Wartungsmaßnahmen und Reduktion von ungeplanten Ausfällen
  • Optimierung der Verfügbarkeit von Fahrzeugen und Ersatzteilen durch eine Dispositionsberechnung basierend auf Fläche, Zeit und militärischen Rahmenbedingungen

Ansprechperson

Robert Glawar

Contact Press / Media

Dr. techn. Robert Glawar

Gruppenleiter Produktionsoptimierung und Instandhaltungsmanagement

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien, Österreich

Mobil +43 676 888 616 07

COGNITUS - Generic Building Blocks for Explainable Deep Learning Based Outage Predictions

KURZFASSUNG

Aktuelle Entwicklungen im Bereich Deep Learning und deren erfolgreiche praktische Anwendung in unterschiedlichen Anwendungen (z.B.: Bildklassifikation) suggerieren, dass diese Methoden auch zur Prognose von Maschinenausfällen herangezogen werden können.

In den Bereichen Produktion und Logistik, welche die Anwendungsfelder von COGNITUS darstellen, wird der Bedarf an neuen, effektiveren Lernansätzen ganz klar durch die Tatsache motiviert, dass Wartungskosten zwischen 15% und 40% der Gesamtkosten darstellen.
Drei Aspekte behindern derzeit jedoch den Einsatz von Deep Learning in diesen Bereichen:

  • Modelle sind nicht erklärbar
  • es ist unklar wie algorithmische Prognosen in Wartungsprozesse und Entscheidungen einfließen sollen, und
  • es fehlen Pilotstudien basierend auf realweltlichen Datensätzen.

Das Ziel von COGNITUS besteht deshalb darin, eine Deep Learning Pipeline bestehend aus generischen algorithmischen Bausteinen zur Verfügung zu stellen, die zur Prognose von Maschinenausfällen auf Basis von Sensor Datenströmen herangezogen werden können. Diese Bausteine sollen dann in zwei unterschiedlichen realweltlichen Anwendungsfällen eingesetzt werden und Ausfälle von Schmuck-Produktionsmaschinen im Bereich Produktion (Swarovski) bzw. Lagertechniksystemen im Bereich Logistik (SPAR) prognostizieren. Orthogonal dazu werden in COGNITUS neue datengetriebene Wartungsprozesse und -strategien entwickelt die Entscheidungen auf Basis algorithmischer Prognosen unterstützen.

Eckdaten zum Forschungsprojekt

Projektname Generic Building Blocks for Explainable Deep Learning Based Outage Predictions
Kurz-Titel COGNITUS
Fördergeber FFG, ICT OF THE FUTURE
Konsortialführer Austrian Institute of Technology (AIT)
Partner
  • Fraunhofer Austria Research GmbH (FhA)
  • LineMetrics GmbH (LineMetrics)
  • D. Swarovski KG (Swarovski)
  • SPAR Österreichische Warenhandels-AG (SPAR)
Laufzeit
10/2019 - 09/2021 (24 Monate)
Projektgesamtkosten €880.000,-
Fördervolumen €681.000,-

Die zu erwartenden Projektergebnisse sind:

(i) daten-getriebene Wartungs- und Entscheidungsunterstützungsmodelle die algorithmische Prognosen unterstützen,
(ii) Komponenten zur Analyse und Visualisierung von Datenströmen,
(iii) Softwarebibliotheken zum Training, zur Evaluierung und zur Erklärung von Deep Learning basierten Ausfallsprognosemodellen, sowie
(iv) zwei Pilot-Demonstratoren in den Bereichen Produktion und Logistik, die eine Beurteilung und Quantifizierung des Nutzens auf operativer und geschäftlicher Ebene ermöglichen.

Innovation in COGNITUS ergibt sich durch die Interdisziplinarität, die eine Kombination von Expertise aus den Bereichen Data Science (AIT, LineMetrics) und Instandhaltungsplanung (FhA) ermöglicht. Daraus werden neue, integrierte Data Science und Instandhaltungsplanungsmethoden hervorgehen, die offene wissenschaftliche und technische Fragestellungen adressieren, wie z.B.: die Verwendung von Deep Learning Modellen in Streaming Plattformen, oder neue Sondierungsmethoden zur Erforschung der inneren Strukturen von trainierten Deep Learning Ansätzen. COGNITUS wird außerdem neue prototypische Dashboards entwickeln, die zeigen sollen wie algorithmische Prognosen den Benutzern kommuniziert werden können und dabei versuchen, existierende Wartungssoftwarelösungen hinsichtlich User-Experience zu übertreffen.

Experten und Entscheidungsträger aus dem Bereich Wartung stellen die Benutzer-Zielgruppe des Projekts dar. Sie werden von automatisierten Prognosen profitieren und wissen wie diese Prognosen in Wartungsprozesse und -entscheidungen einfließen sollen. Dies kann ungeplante Ausfälle reduzieren und die Effektivität von Maschinen und Anlagen in beiden Anwendungsfällen um bis zu 25% erhöhen.

Ansprechperson

Tanja Nemeth

Contact Press / Media

Dr. Tanja Nemeth

Wissenschaftliche Mitarbeiterin

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien, Österreich

Telefon +43 676 888 616 19

VER-PrIns - Vorgehensmodell zur Einführung und quantitativen Reifegradbewertung einer präskriptiven Instandhaltungsstrategie

Die produzierende Industrie sieht sich aufgrund der digitalen Transformation mit der zentralen Herausforderung konfrontiert, die Instandhaltung an neuartige und komplexe Anforderungen der Digitalisierung anzupassen. Es besteht speziell die Notwendigkeit, derzeit überwiegend klassisch ausgerichtete Instandhaltungsorganisationen, -strategien und -systeme in Richtung prädiktiver sowie präskriptiver Instandhaltungskonzepte weiterzuentwickeln.

Obwohl gerade dieses Themenfeld in den kommenden drei Jahren mit 79% als das wichtigste Anwendungsfeld im Bereich „Industrial Analytics“ gilt (vgl. Lueth et al., 2016), nutzen derzeit nur rund 20% produzierender Unternehmen einzelne Anwendungen im Bereich der prädiktiven bzw. präskriptiven Instandhaltung (vgl. St. Gallen, 2016).
Die Gründe hierfür sind vielfältig: Im wissenschaftlichen Kontext wird auf die fehlende Anwendbarkeit akademischer Entscheidungsunterstützungsmodelle in der industriellen Praxis, veraltete Prozessmodelle zur Datenanalyse sowie auf vage Leitlinien zur prädiktiven und präskriptiven Instandhaltung hingewiesen. Einzelne Methoden zur Minderung dieser Probleme werden in aktuellen Veröffentlichungen (bspw. von Wang et al, 2017 oder Abramovici et al., 2017) aufgezeigt, es fehlt jedoch ein ganzheitlicher, integrierter Ansatz.

Eckdaten zum Forschungsprojekt

Projektname Vorgehensmodell zur Einführung und quantitativen Reifegradbewertung einer präskriptiven Instandhaltungsstrategie
Kurztitel VER-PrIns
Fördergeber FFG
Konsortialführer Fraunhofer Austria Research GmbH
Betreuende Universität Technische Universität Wien
Institut für Managementwissenschaften
Univ. Prof. Dr. Kurt Matyas
Laufzeit des Projektes
01/2019 - 12/2020 (24 Monate)
Projektgesamtkosten €168.817,-
Fördervolumen €84.408,-

Ziele und Innovationsgehalt gegenüber dem Stand der Technik/Stand des Wissens

Der Innovationsgehalt stellt sich durch die systematische Verknüpfung der drei Research Streams Wissensbasierte Instandhaltung, Entscheidungsunterstützungs- und Reifegradmodelle in der Instandhaltung mittels eines Vorgehensmodells dar. Durch Anwendung des Modells wird eine signifikante Reduktion ungeplanter Maschinenstillstände um bis zu 50% erreicht, sodass sich eine Erhöhung der Informationsqualität und Entscheidungsfähigkeit des Instandhaltungsplaners um bis zu 30% und eine Entlastung des operativen Instandhaltungspersonals ergibt.

Angestrebte Ergebnisse und Erkenntnisse

Ergebnis ist ein multidimensionales Vorgehensmodell zur Einführung und quantitativen Reifegradbewertung einer präskriptiven Instandhaltungsstrategie. Das Modell wird in ein Excel-basiertes Berechnungstool überführt und hinsichtlich dessen Effektivität sowie Effizienz auf die operative, taktische und strategische Instandhaltungsebene im industriellen Kontext eines KMU sowie großem Unternehmens ermittelt und methodisch gegenüberge-stellt.

Ansprechperson

Tanja Nemeth

Contact Press / Media

Dr. Tanja Nemeth

Wissenschaftliche Mitarbeiterin

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien, Österreich

Telefon +43 676 888 616 19

SEMPRE - Selbstlernende Prognose kapazitiver Aufwände zur Sicherung der Materialver- und -entsorgung komplexer Produktionssysteme

Kurze Reaktionszeiten und Produktlebenszyklen sowie eine hohe Variantenvielfalt bringen mehr Komplexität in der Materialver- und -entsorgung komplexer Produktionssystem mit sich. Dadurch ergeben sich auch neue Herausforderungen für die zugehörige Kapazitätsplanung. Heute bestehende Methoden werden jenen gestiegenen Anforderungen hinsichtlich Digitalisierung und Vernetzung im Kontext von Industrie 4.0 nicht gerecht. Folglich kommt es vermehrt zu einer mangelhaften Versorgung des Produktionssystems, ineffizienter Flächennutzung im Produktionsbereich sowie zu einer Verschwendung von Ressourcen. Um stabile Produktionsprozesse erfolgreich realisieren zu können, ist eine adäquate produktionslogistische Kapazitätsplanung notwendig. 

Eckdaten zum Forschungsprojekt

Projektname Selbstlernende Prognose kapazitiver Aufwände zur Sicherung der Materialver- und -entsorgung komplexer Produktionssysteme
Kurz-Titel SEMPRE
Fördergeber BMVIT
Programm/Ausschreibung Produktion der Zukunft, 24. Ausschreibung PdZ nationale Projekte 2017
Projektnummer 864792
Konsortialführer Fraunhofer Austria Research GmbH
Partner
Siemens Aktiengesellschaft Österreich
Technische Universität Wien Institut für Logic and Computation
ZKW Group GmbH
Laufzeit 36 Monate (01.04.2018 – 31.03.2021)

Projektbeschreibung

Im vorliegenden Forschungsvorhaben wird eine Methode zur Prognose schwer planbarer kapazitiver Aufwände in der Ver- und entsorgung entwickelt. Anhand der Abweichungen von Ist- zu Plan-Werten wird mittels eines Machine Learning Algorithmus auf die ausschlaggebenden Wechselwirkungen geschlossen. Durch die selbstlernende Prognose sollen Mehr- bzw. Minderaufwände für zukünftige Planungsperioden präzise und verlässlich vorausgesagt werden.

Zielsetzung

Ziel ist es, die Grundlage für eine möglichst realitätsnahe Kapazitätsplanung für die Materialver- und -entsorgung komplexer Produktionssysteme zu schaffen. Diese soll insbesondere der zunehmend höheren Komplexität gerecht werden und einen stabilen Produktionsprozess ermöglichen.

ASPeCT - Adaptive Smoothed Production

Herausforderung

Aktuell erfolgen in Produktionsunternehmen die lang- und mittelfristige Produktionsplanung sowie die kurzfristige Produktionsplanung und -steuerung (PPS) in getrennten Systemen und mit unterschiedlichen Methoden. Daraus resultieren zum einen Widersprüche zwischen den Zielen der Planungsebenen und damit zwischen den jeweiligen Planungsergebnissen. Zum anderen bleiben Synergieeffekte ungenutzt. Eine energie- und ressourceneffiziente Produktion wird heute zunehmend wichtiger und bietet Produktionsunternehmen ein hohes Kosteneinsparungspotential. Um jene Potentiale neben den klassischen ökonomischen Zielen heben zu können, fehlen den Unternehmen jedoch oft die nötigen Werkzeuge.

Zudem nehmen aktuell verfügbare Planungstools die Produktionsglättung (gleichmäßig aufgelastete Produktionskapazitäten) meist nach einem Kriterium in der Langfristplanung und oft nach sehr starren Regeln vor. Dadurch können Unsicherheiten der Planungsergebnisse in Hinblick auf die tatsächlich verfügbare Kapazitätsauslastung entstehen.

Eckdaten zum Forschungsprojekt

Projektname Adaptive Smoothed Production
Kurz-Titel ASPeCT
Programm »Produktion der Zukunft«, FFG
Projektnummer 858655
Konsortialführer Fraunhofer Austria Research GmbH
Partner

Institut für Rechnergestützte Automation, TU Wien

Institut für Energietechnik und Thermodynamik, TU Wien

AutomationX GmbH

Handl Tyrol GmbH

Maschinenfabrik Liezen Gießerei GmbH

Miraplast GmbH

Dauer
Oktober 2017 bis März 2020
Projektbudget EUR 899.044

Forschungsthema und -ziele

Das öffentlich geförderte Forschungsprojekt »Balanced Manufacturing« unter der Leitung der TU Wien beschäftigte sich bereits mit der Fragestellung, wie Ressourcen- und Energieeffizienz in der Produktion durch gezielte Maßnahmen der PPS erhöht werden kann. Im darauf aufbauendem Forschungsprojekt »Adaptive Smoothed Production« werden die gewonnenen Erkenntnisse auf die Mittel- und Langfristplanung erweitert. Damit wird eine ressourcen-optimierte Produktion durch Koppelung der Produktionsplanung mit den Möglichkeiten der Bereitstellung von Energie bei Nutzen von kurz- und langfristigen Beschaffungsmärkten ermöglicht (bspw. energieintensive Aufträge zu Zeiten niedriger Energiekosten terminieren etc.)

Ziel des Forschungsprojekts ASPeCt ist es, eine Methode für die integrierte (Ressourcen, Energie, Prozesse und Materialfluss simultan betrachten) und durchgängige (kurz- bis mittelfristig planen) Produktionsplanung mit der Optimierung aller essentiellen Produktionsressourcen zu entwickeln.

Die Methode wird mit Forschungs- und Unternehmenspartnern unterschiedlicher Branchen entwickelt und in Form von Demonstratoren implementiert. Ergebnis ist ein Prototyp für ein leistungsfähiges integriertes Planungssystem sowie die detaillierte Potentialabschätzung der Wirkung der neu entwickelten Methode im Unternehmenseinsatz.

Unser Beitrag

Fraunhofer Austria fungiert im Forschungsprojekt ASPeCT als Konsortialführer. Besonders bringt Fraunhofer Austria Kompetenzen im Bereich der Entwicklung innovativer Glättungsmethoden sowie in der Simulation von Produktionsabläufen ein.  

Ihr Nutzen

Durch den Testeinsatz des Planungswerkzeuges (Kombination Produktionsglättung & weiterentwickelter hybrider Simulator) aus ASPeCT kann eine Abschätzung der Nutzenpotentiale (Produktionskosten, CO2 Emissionen etc.) verlässlich erfolgen und Unternehmen können die Methode schließlich für die Praxis nutzbar machen.

Ansprechperson

Thomas Sobottka

Contact Press / Media

Dr. Thomas Sobottka

Wissenschaftlicher Mitarbeiter

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien

Mobil +43 676 888 616 26

Fragestellung

Aktuell untersuchen Fraunhofer Austria-Mitarbeiter über die Kooperation mit der Technischen Universität Wien im österreichischen FFG-Leitprojekt »AddManu – Additive Manufacturing« gemeinsam mit Technologie- und Industriepartnern ausschlaggebende Kriterien, um die Potenziale dieser neuen industrierelevanten Fertigungstechnologien für Österreich zu identifizieren.

Das Leitprojekt unter der wissenschaftlichen Leitung der TU Wien widmet sich folgenden Herausforderungen:

  • Weiterentwicklung der Generativen Fertigung und Nutzung der spezifischen Möglichkeiten in Österreich zur Etablierung einer High-Tech-Technologie für kleine Losgrößen und komplexe Geometrien
  • Entwicklung neuer Werkstoffe und neuer Anwendungsfelder für Additive Manufacturing sowohl für Polymere, keramische und metallische Werkstoffe
  • Entwicklung wichtiger Entscheidungsgrundlagen für den Aufbau einer Additive Manufacturing-Industrie in Österreich
  • Leuchtturm für die nächste Zukunft für den Bereich Moderne Produktion und Schaffung internationaler Sichtbarkeit auf diesem Gebiet

Unser Beitrag

AddManu ist ein Forschungsprojekt unter der wissenschaftlichen Leitung der TU Wien. Über die enge Kooperation der TU Wien mit Fraunhofer Austria sind auch Fraunhofer-Mitarbeiter an dem Projekt beteiligt. Die Rolle der TU Wien ist die Leitung des Arbeitspakets »Prozessintegration, Auswirkungen und Geschäftsmodelle«.

Ihr Nutzen

Im Rahmen des Forschungsprojekts werden Anwendungsfelder für Generative Fertigung sowie die Auswirkungen der Technologie auf die Wertschöpfungskette identifiziert und Anforderungen für neue Geschäftsmodelle ermittelt.

Partner und Förderung

Unter der wissenschaftlichen Leitung der TU Wien sowie der administrativen Leitung der Montanuniversität sind folgende Partner an dem Projekt beteiligt: Airbus DS, Böhler Edelstahl GmbH&CoKG, Mahle Austria Filtersysteme GmbH, FOTEC GmbH, GE Jenbacher GmbH Co OG, Hage Sondermaschinenbau GmbH & CoKG, Joanneum Research Forschungsgesellschaft mbH, LAM Research AG, Lithoz GmbH, Magna Steyr Engineering AG&CoKG, O.K.+Partner, PKT Präzisionskunststofftechnik Bürtlmair GmbH, Profaktor GmbH, RHI AG, RHP-Technology GmbH, TIGER Coatings GmbH & C. KG.

© GermanRepRap
Generative Fertigung in der Industrie

Ansprechperson

Arko Steinwender

Contact Press / Media

Dr. techn. Arko Steinwender

Projektleiter

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien, Austria

Mobil +43 676 888 616 11

DAWO - Entwicklung einer Methode zur Erhebung des Digitalisierungs- und Automatisierungsgrades von Wertschöpfungs- und Organisationsfaktoren produzierender Unternehmen

Die integrierte Nutzung der Digitalisierung und Automatisierung (DA) gilt derzeit als einer der bestimmenden Faktoren zur Wohlstands- und Effizienzsteigerung in Gesellschaft und Industrie. Trotzdem gehen die Entwicklungen zur Erhöhung der DA, vor allem in österreichischen Produktionsunternehmen, verglichen mit den technologischen Möglichkeiten, langsam voran. Dies ist neben der hohen Abstraktheit und Komplexität der DA-Konzepte - etwa in Form von Industrie 4.0-Lösungen - vor allem auf fehlende Ansätze zur Bewertung und Steigerung des Unternehmens-DA-Grades zurückzuführen. Aus Wissenschaftssicht ist das Fehlen ganzheitlicher und objektiver Bewertungsmethoden des DA-Grades wiederum mit unzureichenden Operationalisierungen grundlegender DA-Elemente in realen Produktionsumgebungen zu begründen.
Ziel dieses Dissertationsprojektes ist daher, die DA im industriellen Umfeld zu analysieren, zu operationalisieren und mittels einer eigens entwickelten, praktisch anwendbaren Methode in Produktionsunternehmen messbar und bewertbar zu machen. Wissen über den eigenen DA-Grad soll Unternehmen folglich befähigen, den Soll-DA-Grad abzuleiten, Digitalisierungsstrategien zu definieren und letztendlich konkrete Investitionen in organisatorische und technologische Entwicklungen zu tätigen.
Zur Umsetzung wird ein integriertes Konzept der industriellen Automatisierung und Digitalisierung aus der Literatur abgeleitet und dieses auf reale Arbeitsumgebungen von Produktionsunternehmen angewendet. Hohe Praxisrelevanz und Anwendbarkeit wird über die Zusammenarbeit mit 4 Partnerunternehmen und 2 Fachverbänden der WKÖ zur Testung und Validierung der Inhalte sichergestellt. Das Resultat ist eine Methode zur Erhebung des Digitalisierungs- und Automatisierungsgrades von Wertschöpfungs- und Organisationsfaktoren produzierender Unternehmen (kurz: DAWO).
Der Innovationssprung aus Wissenschaftssicht liegt vor allem im integrierten Konzept des DAWO speziell für Produktionsunternehmen, sowie in einer objektiven Erhebungsmethode, welche die realen Unternehmensstrukturen, Prozesse, Technologien und Mitarbeiter berücksichtigt. Für österreichische Produktionsunternehmen aller Größen soll die bereitgestellte DAWO-Erhebungsmethode die innerbetriebliche Digitalisierung und Automatisierung vorantreiben und so einen Wettbewerbsvorteil für die heimische Industrie schaffen. Parallel soll durch diese Entwicklung die Vorreiterrolle des Forschungsstandortes Österreich im Bereich der industriellen Digitalisierung und Automatisierung weiter gestärkt werden.

Eckdaten zum Forschungsprojekt

Projekttitel Entwicklung einer Methode zur Erhebung des Digitalisierungs- und Automatisierungsgrades von Wertschöpfungs- und Organisationsfaktoren produzierender Unternehmen
Projektkurztitel DAWO
Antragsteller Dr.techn. Andreas Schumacher
Dissertant Andreas Schumacher
Betreuende Universität Technische Universität Wien
Laufzeit des Projektes
01.02.2019 – 31.05.2021 (28 Monate)
Kostendarstellung Gesamtkosten [EUR]: 181.873
Gesamtförderung [EUR]: 90.936

Zielsetzung

Ziel dieses Dissertationsvorhabens ist die Digitalisierung und Automatisierung im industriellen Umfeld zu analysieren, zu operationalisieren und infolge messbar und bewertbar zu machen. Hierfür wird ein integriertes Konzept der industriellen Automatisierung und Digitalisierung aus der Literatur abgeleitet und dieses, mithilfe von 4 Partnerunternehmen sowie 2 Fachverbänden der WKÖ, auf reale Strukturen von Produktionsunternehmen angewendet.

Das Resultat ist eine Methode zur Erhebung des Digitalisierungs- und Automatisierungsgrades produzierender Unternehmen, sowie zur Nutzbarmachung moderner DAWO-Konzepte (Industrie 4.0) für konkrete Problemstellung der Unternehmen. Die gewonnenen Erkenntnisse sollen die Basis für strategische Entscheidungen und Entwicklungen in den Unternehmen, sowie für politische Initiativen bilden, und so zur Erhöhung der Digitalisierung und Automatisierung in Österreichs Industrie beitragen.

Ansprechperson

Andreas Schumacher

Contact Press / Media

Dr. techn. Andreas Schumacher

Gruppenleiter Industrielle Digitalisierungsstrategien

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien, Österreich

Mobil +43 676 888 616 35

StaProZell - Stabile Produktion in wandlungsfähigen zellenorientierten Montagesystemen durch einen Digital Twin

Eine steigende Variantenvielfalt, individualisierbare Produkte, verkürzte Produktlebenszyklen aber auch sinkende Losgrößen fordern zunehmend eine erhöhte Flexibilität seitens der Industriebetriebe. Um auch in Zukunft jenen Anforderungen gewachsen zu sein, müssen vor allem die Produktionsbereiche flexibler werden. Bisher eingesetzte Linien-Montagesysteme werden teilweise jenen Ansprüchen nicht mehr gerecht. Neue Trends zeichnen sich vor allem im Bereich der Zellenmontage ab.

In der Wissenschaft sind mittlerweile vereinzelt Konzepte vorhanden, die derartige wandlungsfähige modulare Montagesysteme beschreiben. Jedoch gilt es für eine erfolgreiche technische und wirtschaftliche Umsetzung noch einige Herausforderungen zu bewältigen. Aktuelle Konzepte und Methoden zur Produktionsplanung, vor allem solche für wandlungsfähige modulare Systeme, sind nur teilweise in das physische Montagesystem integriert und können so nur längerfristige Anpassungen berücksichtigen.

 

Eckdaten zum Forschungsprojekt

Projektname Stabile Produktion in wandlungsfähigen zellenorientierten Montagesystemen durch einen Digital Twin (StaProZell)  
Fördergeber BMVIT, FFG
Programm /Ausschreibung Produktion der Zukunft, 24. Ausschreibung PdZ Nationale Projekte 2017
Projektnummer 864792
Konsortialführer Fraunhofer Austria Research GmbH
Partner

Bosch Rexroth GmbH

Hans Brantner & Sohn Fahrzeugbaugesellschaft m.b.H.

Innio Jenbacher

Ungarische Akademie der Wissenschaften (MTA SZTAKI)

Laufzeit Oktober 2018 bis März 2021

Projektbeschreibung

Im Forschungsprojekt »Stabile Produktion in wandlungsfähigen zellenorientierten Montagesystemen durch einen Digital Twin (StaProZell)« forschen die Projektpartner unter der Konsortialführerschaft von Fraunhofer Austria an der Entwicklung und Evaluierung einer Methode zur Planung und Steuerung in wandlungsfähigen zellenorientierten Montagesystemen durch einen Digital Twin, um eine stabile Produktion zu ermöglichen. Durch die Wandlungsfähigkeit der Module und der Konfiguration der Montagezellen stellt das Montagesystem kein statisches Konstrukt mit fest vorgegebenen Montagefunktionen dar, sondern repräsentiert ein dem effizientesten Wertschöpfungsfluss folgendes System.

Zielsetzung

Das Ziel von StaProZell ist es, eine Methode für die optimierte Planung und Steuerung von wandlungsfähigen modularen cyberphysischen Montagesystemen, basierend auf rekonfigurierbaren Zellen zu entwickeln. Die grundlegende Basis hierfür bildet ein Digital Twin, ein digitales und stets aktuelles Abbild des physischen Montagesystems. Der Digital Twin bietet die Möglichkeit unterschiedliche Szenarien in einer Simulation zu bewerten und basierend auf den Ergebnissen aktiv das physische Montagesystem zu steuern. Durch ständige Neuplanung und Neuausrichtung der Systemmodule des Montagesystems wird dieses den kapazitiven und funktionalen Ansprüchen gerecht und ermöglicht so eine stabile, bedarfsorientierte und effiziente Montage. Der zu entwickelnde Proof-of-Concept-Demonstrator wird in der TU Wien Pilotfabrik Industrie 4.0 evaluiert sowie eine Machbarkeitsstudie durchgeführt.

 

Unser Beitrag

Fraunhofer Austria ist als Konsortialführer für das Forschungsprojekt verantwortlich und bringt Kompetenzen in den Themenfeldern Produktionsplanung und -steuerung sowie cyber-physische Montagesysteme ein.

Ansprechperson

Alexander Gaal

Contact Press / Media

Dipl.-Ing. Alexander Gaal

Projektleiter

Fraunhofer Austria Research GmbH
Theresianumgasse 7
1040 Wien

Telefon +43 676 88861648