KI-Produktionsnetzwerk
Zusammenfassung
- Projektstart: 01.01.2021 (Start Lehrstuhl 01.02.2023)
- Projektende: 31.12.2025 (Verlängerung geplant bzw. beantragt)
- Projektträger: Freistaat Bayern, High-Tech-Agenda
Im KI-Produktionsnetzwerk forschen mehrere Industrie- und Forschungspartner in den Bereichen „Werkstoffe & Produktionstechnologie“ und „Digitalisierung & Selbstorganisation“. Der Lehrstuhl ist mit einer eigenen Forschungszelle in der Halle 43 vertreten und fokussiert sich auf Forschungsthemen zur Stückzahl-1-Produktion, herstellerunabhängige Vernetzung mit semantisch-interoperablen Daten, neue Geschäftsmodelle und die vollautomatisierte Produktion inkl. prozessbegleitender Qualitätssicherung. Es stehen unterschiedliche Maschinen und Roboter für die Forschungsaktivitäten zur Verfügung.
Projektbeschreibung
Im Rahmen des KI-Produktionsnetzwerkes sollen verschiedene thematische Schwerpunkte durch die beteiligten Partner erforscht werden. Diese Schwerpunkte stellen Schlüsselelemente der übergeordneten Vision einer KI-basierten Produktion dar. Die Forschungsschwerpunkte des KI-Produktionsnetzwerks lassen sich in die zwei Bereiche „Werkstoffe & Produktionstechnologie“ (verantwortet durch die Mathematisch-Naturwissenschaftlich Technischen Fakultät) sowie „Digitalisierung & Selbstorganisation“ (verantwortet durch die Fakultät für Angewandte Informatik) unterteilen.[1]
Als Fenster in die Forschung und als Networking-Space bietet der Showroom des KI-Produktionsnetzwerks an der Universität Augsburg auf 150qm optimale Möglichkeiten, um mit „KI in der Produktion“ in Kontakt zu treten. Besucherinnen und Besucher erleben an interaktiven Ausstellungsstücken die Funktionsweisen und Möglichkeiten des KI-Einsatzes im Umfeld von Produktion und der Arbeit in der Industrie 4.0: Von der Erkennung und Deutung menschlicher Emotionen zur Erforschung des Arbeitsplatzes der Zukunft im Laborumfeld, über Lego-Modelle zur Veranschaulichung von Daten-Kreisläufen, bis hin zu einem Demonstrator, der die Zustandsüberwachung von Getrieben und die Möglichkeiten für die Industrie zum Anfassen präsentiert.
Darüber hinaus werden an einer Vielzahl von Infotafeln, Bildschirmen und weiteren Exponaten Hintergründe und Forschungsfelder des KI-Produktionsnetzwerk Augsburg aufgezeigt. [2]
In der Halle 43 auf dem Walter Campus sind verschiedene Forschungspartner gemeinsam in unterschiedlichen Forschungszellen aktiv. Neben der Universität Augsburg, der Hochschule Augsburg und dem Fraunhofer IGCV sind mehrere, namhafte Industrieunternehmen in praxisnahen Forschungsprojekten involviert. In der Halle findet sich auch die Forschungszelle des Lehrstuhls für Produktionsinformatik.
Forschungszelle des Lehrstuhls
In der Forschungszelle sind aktuell eine Laserschneidanlage, eine Maschine zur Entgratung sowie ein Roboter mit Vakuum-Endeffektor und eine Lagereinrichtung vorhanden.
Zusätzlich sind notwendige Absauganlagen vorhanden. Damit bietet die Forschungszelle die Möglichkeit, metallbearbeitende Prozesse abzubilden und diese für die unterschiedlichen Forschungsfelder zu nutzen. Durch die realisierte Vernetzungsstruktur und eigener Server ist es möglich, Vernetzungslösungen zu erforschen, zu testen und zu validieren. Gleichzeitig können externe Vernetzungslösungen wie bspw. IndustryFusion genutzt werden.
Forschungsfelder
Im Rahmen der Forschungsaktivitäten werden u.a. folgende Forschungsfelder bearbeitet:
- Stückzahl 1 Industrieunternehmen stehen vor der Herausforderung, immer individuellere Kundenwünsche für Produkte zu immer niedrigeren Preisen zu fertigen. Die notwendigen Planungsaktivitäten sind personalintensiv und werden nicht automatisiert. Der Lehrstuhl erforscht Lösungsansätze zur Reduzierung von manuellen Planungsaktivitäten ohne Produkteinschränkungen, beispielsweise durch den Einsatz von KI für resiliente Produktionsplanung oder die Generierung einer Montagereihenfolge.
- Herstellerunabhängige Vernetzung Die Vernetzung von Anlagen ist die notwendige Basis für die Entwicklung und Erprobung von KI-Algorithmen im Produktionsumfeld. Gleichzeitig sollen keine Data-Lakes entstehen, sondern die Daten mit Kontextinformationen gespeichert werden. Ziel sind semantisch-interoperable Datenmodelle zur universellen Weiterwendung. Gleichzeitig ermöglicht dieser Weg die Entwicklung herstellerunabhängige KI-Modelle und Algorithmen. Ein Beispiel dazu finden Sie unten.
- Neue Geschäftsmodelle Auf Basis der o.g. Vernetzung können sich neue Geschäftsmodelle wie Equipment-as-a-Service oder Cloud Manufacturing entwickelt. Gemeinsam mit Industrieunternehmen können standortunabhängige Vernetzungslösungen für diese Geschäftsmodelle erforscht werden.
- Vollautomatisierte Produktion Für eine vollautomatisierte Produktion sind automatisierte Maschinen notwendig. Typischerweise sind in KMU’s ältere Maschinen im Einsatz, die entweder vollumfänglich manuell bedient werden müssen oder nur eine rudimentäre Steuerung besitzen. Dieses Brownfield gilt es durch geschickt gewählte Ergänzungen zu automatisieren, um sie in einen vollautomatisierten Produktionsprozess einzubinden.
Beispiel: Semantisch-interoperable Datenmodelle
Datenmodellierungen und Vernetzungslösungen sind üblicherweise maschinen- und herstellerspezifisch implementiert. Die dazugehörigen individuellen Vernetzungslösungen erschweren die Nutzung allgemeiner KI- und Verhaltensalgorithmen, so dass eine Anpassung erforderlich ist. Durch die Verwendung von semantisch-interoperablen Datenmodellen und notwendigen Kontextinformationen können Entwicklungen in abstrahierter Form erfolgen und beispielsweise bestimmte sicherheitstechnische Vorgaben umgesetzt werden. Exemplarisch hierzu sind in der Abbildung zwei Datenmodelle einer Laserschneidanlage und einer Absauganlage zu sehen.
Die Art der Beschreibung erlaubt zum einen die notwendige sicherheitstechnische Verknüpfung der Anlage und die Beschreibung dazugehöriger Regeln für den Betrieb. Beispielsweise muss die Absauganlage in Abbildung Datenmodell 1 den Status „ON“ ausweisen, wenn die Laserschneidanlage einen Schnittvorgang starten möchte. Diese Regel, bzw. deren Beschreibung, erfolgt herstellerunabhängig und ist damit für beliebige Maschinenkombinationen nutzbar, wie in der Abbildung dargestellt. [3]
Dieses Vorgehen lässt sich in Abbildung Datenmodell 2 auf beliebig komplexe Maschinenkombinationen übertragen und bietet den Ausgangspunkt für die Entwicklung herstellerunabhängiger KI-Lösungen, bspw. zur Steuerung der Absaugestärke in Abhängigkeit unterschiedlicher Parameter.
Quellenangaben und weiterführende Links
[1] https://www.uni-augsburg.de/de/forschung/einrichtungen/institute/ki-produktionsnetzwerk/forschung/
[2] https://www.uni-augsburg.de/de/forschung/einrichtungen/institute/ki-produktionsnetzwerk/showroom/
[3] Andreas Leinenbach, Marcel Wagner, Fabio Oettl and Johannes Schilp. 2024. The process data twin for digitized production. In D. Herberger, M. Hübner (Eds.). Proceedings of the CPSL 2024 - 6th Conference on Production Systems and Logistics. publish-Ing., Hannover, 647-655 DOI: 10.15488/17753
KI-Produktionsnetzwerk: https://www.uni-augsburg.de/de/forschung/einrichtungen/institute/ki-produktionsnetzwerk/
Veröffentlichungen des Lehrstuhls unter Publikationen: https://www.uni-augsburg.de/de/fakultaet/fai/informatik/prof/pi/lehrstuhl/mitarbeiter/schilp/