Datensysteme

Die Arbeitsgruppe bündelt die Kompetenzen des Fraunhofer IKTS in der datenbasierten Steuerung und Optimierung komplexer Herstellungsprozesse insbesondere im Bereich keramischer Pulver- und Massenaufbereitung. Aufbauend auf einer jahrzehntelangen Erfahrung in der Herstellung keramischer Hochleistungskomponenten entwickeln die Forschenden die notwendige datenwissenschaftliche Infrastruktur, um alle relevanten Parameter in der Batteriefertigung zu erfassen und für eine Optimierung aufzubereiten.

Mittels neuester Methoden der Künstlichen Intelligenz und Einbindung in Machine-Learning-Konzepte ist es möglich, Fertigungsprozesse modular und bedarfsgerecht auszulegen, die Produktqualität signifikant zu erhöhen und so die Gesamtwirtschaftlichkeit der Batterieproduktion zu steigern. Im Forschungsfokus liegen dabei modulare Konzepte im Sinne einer Microservice-Architektur, die direkt an den Pilotlinien am BITC validiert und anschließend beim Kunden skaliert werden können. Durch die Nutzung industrieller Standardschnittstellen und Softwareframeworks ist eine Übertragung der Softwarelösungen auf andere industrielle Prozesse wesentlich vereinfacht.

Die wissens- und datengetriebenen Ansätze greifen eng ineinander mit den Hardwareentwicklungen des Bereichs Smartes Maschinen- und Produktionsdesign und bieten Projektpartnern Gesamtlösungen im Bereich der vernetzten und modularen Batterieproduktion (Industrie 4.0).

 

Kernkompetenzen

• Wissens- und datenbasierte Softwareentwicklung für Industrie 4.0-Systemkonzepte
• Datenaufbereitung und -strukturierung
• Entwicklung und Einbindung von Software und Computing-Infrastrukturen in industrielle Fertigungsprozesse und Pilotlinien
• Daten- und Wissensmanagementstrukturen
• Prozess- und Technologieverständnis für komplexe keramische Herstellungsprozesse

Leistungsangebot

 

Datenmanagement

• Datenakquisition auf allen Ebenen im Shopfloor (Maschine, Maschinenverbund, Fabrik)
• Datenaufbereitung und -strukturierung (ETL/ELT-Prozesse, Datenkonsolidierung)
• Datenverarbeitung und Datenzugriff
• Daten- und Softwarequalität (automatisierte Softwaretests)
• Entwicklung und Einbindung von Datenspeicherkonzepten (Data Warehouse, Data Lake,
  Distributed Filesystems)
• Definition und Eigenentwicklung industrierelevanter Datenformate  (In-House-Datenformate)
• Metadatenmanagement

 

Computing-Konzepte

• Entwicklung und Integration zentraler und dezentraler Computing-Konzepte (Data Center Solutions, Edge Computing, Cloud Computing)
• Einbindung kommerzieller IIoT-Plattformen
• Entwicklung neuer Geschäftsmodelle auf Grundlage fertigungsrelevanter Datenstrukturen (SaaS-Modelle)
• Schnittstellenmanagement (Industrial Ethernet und Feldbusse)
• Bewertungs- und Analysemethoden
• Entwicklung und Anwendung KI-basierter Technologien für Produktionsdatenmanagement (Semantische Technologien, Ontologien, Reasoning/Inference etc.)
• Programmierung von Algorithmen für vernetzte und verteilte Systeme
• Steuerung von Assistenzsystemen und Human-Machine-Interaction (HMI)
• Prozessmodellierung
• Data Analytics und Datenvisualisierung für interne und externe Reporting (Dashboards,
  interaktive Datenanalyse)

 

Workflowmanagement

• Aufbau von Produktionsworkflows und Maschinensteuerungskonzepten sowie Erprobung in industriellen Pilotlinien (Data Pipelines, Container-Technologien, Smart Scheduling, Dependency Management, Error Handling, Maschinen-Orchestrierung, Schnittstellendefinition etc.)
• Entwicklung von Track&Trace-Technologien für die Rückverfolgbarkeit