Projekt

DigiPro4BaSys

DigiPro4BaSys

  • Laufzeit:

Der Trend hin zu immer kleineren Losgrößen die flexibel gefertigt werden müssen, steht der Notwendigkeit zur wirtschaftlichen Nutzung von Maschinen entgehen. Besonders KMU verfügen oft nicht über digitalisierte Prozesse und damit nicht über die erforderlichen Informationen über Kosten und Produktqualität um ihre Prozesse mit kleinen Stückzahlen effizient zu betreiben. Durch die Digitalisierung von Fertigungsprozessen werden ganzheitliche Live-Abbilder der Prozesse verfügbar, mit deren Hilfe auftretende Probleme schneller erkannt und beseitigt werden können. Dies erfordert die Integration von bestehenden Geräten mit standardisierten Industrie 4.0 Schnittstellen. Derzeit existieren vielfältige Technologien, wie OPC-UA, die diese Integration ermöglichen. Jedoch fehlt eine umfassende Technologie, die Eigenschaften, Prozessdaten und Geräteschnittstellen von Anlageteilen verschiedener Hersteller einheitlich beschreibt und die Interoperabilität zwischen Anlagen garantiert. Die BaSys 4.0 Middleware ermöglicht eine Ende-zu-Ende Kommunikation zwischen Einheiten aus verschiedenen Ebenen der Automatisierungspyramide. Damit entsteht eine Infrastruktur für weitere fortgeschrittene datenbezogene Steuerungsfunktionen und Big-Data-Applikationen, wie Prozessoptimierung und Predictive Maintanance, welche die Produktionsleistung unmittelbar verbessern und Betriebskosten vermindern. Dazu werden zwei Use Cases bei zwei verschiedenen Industriepartnern umgesetzt.

Partner

Arend Prozessautomation GmbH, WICO Textilbeschichtung und -kaschierung GmbH, Lohmann Druck GmbH, Fraunhofer-Institut für Experimentelles Software Engineering IESE (Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.)

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

01IS19009E

BMBF - Bundesministerium für Bildung und Forschung

Projekt teilen auf:

Keyfacts

Publikationen zum Projekt

William Motsch, Aleksandr Sidorenko, Alexander David, Pascal Rübel, Achim Wagner, Martin Ruskowski

In: Procedia Manufacturing 55 Seiten 535-542 Elsevier 2021.

Zur Publikation

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence