Digitale Zwillinge für Werkstoff, Prozesse, Produktionsnetzwerk und Produkt

Für die konsequente Umsetzung von digitalen Technologien ist eine datenunterstützte Beschreibung von Objekten und Prozessen notwendig. Der perfekte digitale Zwilling ist eine digitale Repräsentation der physischen Bauteil-, Anlagen- und Prozessdynamik über die Wertschöpfungskette hinweg und verhält sich wie das reale System. Dabei gibt es genau genommen nicht den einen digitalen Zwilling im Sinne eines einzelnen perfekten Abbildes, sondern eine Sammlung an anforderungsoptimierten Datenmodellen innerhalb des digitalen Zwillings – für jede Aufgabe kann das passende Modell ausgewählt bzw. generiert werden.

 

Im Sinne des KI-Produktionsnetzwerkes sind digitale Zwillinge mehr als nur eine einfache Sammlung von Prozessdaten: Digitale Zwillinge leiten Zusammenhänge aus diesen Daten ab (Datenmodelle) und sind sogar im Stande Vorhersagen für ihr reales Gegenstück zu treffen. Digitale Zwillinge sehen den Prozess nicht einfach nur – sie verstehen den Prozess. Dies ermöglicht die Ableitung von zukünftigen Entscheidungen – wie z.B. die Adaptierung der weiteren Prozessschritte - aus Daten der Vergangenheit.

 

Mittlerweile beschäftigt sich eine Vielzahl von Projekten mit der Nutzbarmachung von digitalen Zwillingen, wobei dies in der heutigen industriellen Anwendung üblicherweise noch stark isolierte Konzepte sind. Um den digitalen Zwilling von morgen, der auch über die Grenzen einzelner Unternehmen hinweg existieren kann, zu gestalten, sind gemeinsame Schnittstellen und Formen der Repräsentation auf Basis bewährter industrieller Standards notwendig.

 

Digitale Zwillinge beschränken sich nicht alleine auf die Produktebene, sondern existieren auch für ganze Fertigungsprozesse und sogar über die Grenzen einzelner Fertigungsstandorte und Unternehmen hinweg. Auf Produktionsnetzwerkebene sollen die einzelnen Prozesse zusammengeführt werden, um ein umfassendes digitales Abbild des gefertigten Produkts und damit seiner Qualität zu erzeugen. Zur Umsetzung von Selbstorganisationsansätzen sowie zur smarten Optimierung der Gesamtanlage ist aber ebenso ein digitales Ebenbild des Produktionsnetzwerks selbst notwendig, um eine virtuelle Produktionsplanung zu ermöglichen. Diese lückenlose digitale Nachvollziehbarkeit aller am Produkt beteiligten Prozesse und die Möglichkeit, diese Daten sinnvoll zu nutzen, führt zu kürzeren Innnovationszyklen und einer gesteigerten Wirtschaftlichkeit bei gleichzeitig höherer Qualität.

© Universität Augsburg

Projekte

  • ADELeS - Assistenzsystem zur KI-unterstützten Detektion und Behebung von Qualitätsabweichungen und Fehlern in Produktionsprozessen. 
  • AI4FSW - Erforschung eines multisensorischen Prozessüberwachungssystems für das roboterbasierte und portalanlagen-basierte Rührreibschweißen basierend auf Methoden der künstlichen Intelligenz.
  • AICUT - Automatisierte Erkennung von Prozessstörungen und Qualitätsschwankungen bei der spanenden Fertigung mittels maschinellen Lernens. 
  • CPS4EU - Stärkung der Cyber Physical Systems-Wertschöpfungskette durch die Schaffung europäischer KMUs und die Bereitstellung von CPS-Technologien. 
  • FLOATTWIN - Mit künstlicher Intelligenz unterstützter digitaler Zwilling für die Floatglas-Produktion. 
  • FORinFPRO - Selbstadaptive Regelungssysteme für Intelligente Fertigungsprozesse und Closed-Loop-Produktion.
  • INPAICT: KI als Unterstützung zur menschlichen Entscheidungsfindung in der  zerstörungsfreien Prüfung und Prozessüberwachung.
  • KOGNIA - Konstruktionsunterstützung durch künstliche Intelligenz und automatisiertes maschinelles Lernen.
  • KoKiRo - Erforschung eines I4.0-fähigen, kognitiven und flexibel konfigurierbaren Roboter-Montagesystems. 
  •   NACSIM - KI-basierte mikroskopische, partikelbasierte Fluidsimulation auf großen Domänen.
  • R4CMC - Das Projekt R4CMC beschäftigt sich mit der Reparatur von geschädigten keramischen Faserverbundwerkstoffen. Nach zerstörungsfreier 3D-Analyse werden Schädigungsbereiche gezielt abgetragen und anschließend über neuartige Reparaturprozesse mit geeignetem Material verfüllt. So werden Ressourcen geschont und der Ausschuss verringert.
  • SensAI - zerstörungsfreie Charakterisierung von Materialien durch Sensordatenauswertung und maschinellem Lernen.
  • SmartCut - Smarte Lösungen für zerspanende Bearbeitungsprozesse durch den Einsatz geeigneter Sensorik und die Fusion derer Daten. 
  • SurroGlas - Substitution numerischer Simulationen in der Floatglas-Produktion mittels künstlicher Intelligenz. 
  • TurnKI - Erforschung eines Echtzeitfähigen Überwachungssystems für die Erkennung, Klassifizierung sowie Quantifizierung von Werkstück- und Werkzeugabweichungen. 
  • TwinSpace - Ressourcengekoppelte Hardware-Software-Co-Entwicklung im Zwillingsraum.

Ansprechpartner Forschungsschwerpunkt

Wissenschaftlicher Mitarbeiter
Lehrstuhl für Mechatronik

Suche