Künstliche Intelligenz zur Automatisierung von Diensten in verteilten Netzwerkinfrastrukturen

Sensorischer Einleger für den Kunststoffspritzguss mit vollständigem Dünnschichtsensorsystem.
© Fraunhofer IST
Sensorischer Einleger für den Kunststoffspritzguss mit vollständigem Dünnschichtsensorsystem.
Das 9. Ziel für nachhaltige Entwicklung der UN: Industrie, Innovation und Infrastruktur.

Herausforderung 

Die Digitalisierung ist von enormer Bedeutung und Entwicklungen wie Robotik und die Industrie 4.0 werden weiter einen bedeutenden Einfluss auf unser Leben haben. Im Projekt »ANIARA« arbeitet das Fraunhofer IST an der Entwicklung und Anbindung intelligenter Dünnschichtsensoren für einen automatisierten, drahtlosen Datenaustausch auf Basis konkreter »Use Cases« im Kontext der Produktionstechnik.

Lösung 

ANIARA bringt drei Technologiefelder zusammen: Kommunikationsnetze und -technologien für 5G und perspektivisch 6G, nutzungsnahe Rechenzentren sowie Künstliche Intelligenz (KI). Das Fraunhofer IST wird dabei echtzeitfähige Sensorsysteme entwickeln, die in bestehende Infrastrukturen integriert und zur Datenanalyse mit KI-Algorithmen eingesetzt werden können. Mittels automatisierter Fehlererkennung und der Ableitung virtueller Produkteigenschaften sollen optimale Betriebsstrategien entwickelt und die gesamte Prozesskette überwacht werden.

Mehrwert 

Die Ergebnisse des Forschungsprojektes ermöglichen eine systematische und zielorientiere Entwicklung und Anbindung von echtzeitfähigen Dünnschichtsensoren an automatisierte Netzwerk- und Kommunikationsstrukturen. Somit können erzeugte Sensor- und Messdaten zukünftig auch über verschiedene Standorte hinweg effizienter und umfassender genutzt werden.

Einblick ins Projekt

Konzept ANIARA
© IWF TU Braunschweig
Schematische Darstellung von Netzwerkebenen für unterschiedliche Geräte und Dienste.

Weitere Informationen

 

Publikation

Anna-Sophia Wilde, Marvin Czarski, Anna Schott, Tim Abraham, Christoph Herrmann

Utilizing Artificial Intelligence for Virtual Quality Gates in Changeable Production Systems.

In: Congress of the German Academic Association for Production Technology. Production at the Leading Edge of Technology  (2023) pp 484–493.

DOI: 10.1007/978-3-031-18318-8_49

 

Publikation

Anna Schott, Martin Rekowski, Frederic Timmann, Christoph Herrmann, Klaus Dröder

Development of Thin-film Sensors for In-process Measurement during Injection Molding.

In: Procedia CIRP, Volume 120 (2023), Pages 619-6242023.

https://doi.org/10.1016/j.procir.2023.09.048

Förderhinweis

Dieses Vorhaben wird aus Mitteln des Bundesministeriums für Bildung und Forschung gefördert.

Logo des Bundesministeriums für Bildung und Forschung BMBF
© BMBF

Wir bieten Ihnen Lösungen für Ihre Anwendungen

 

Branchenlösungen

Digitalwirtschaft