Im Forschungsprojekte ReProSi – Ressourcenorientierte Auftragsregelung hybrider Produktionen mittels betriebsbegleitender Simulation – wird ein Produktionsregelungssystem anhand eines digitalen Zwillings entwickelt und validiert.

Im Anwendungsbeispiel Kalksandstein-Industrie treffen stark gestiegene Variantenzahlen auf große Unwägbarkeiten bzgl. der am Ende zu liefernden Stein-Variante, auf schwer vorhersagbare externe Faktoren wie Witterung, Rohstoffqualität etc. sowie einen trägen, chargengestützten, hybriden Fertigungsprozess, der eine Flexibilität in Form einer kundenindividuellen, auftragsbezogenen Einzelfertigung im Kundentakt kaum ermöglicht. KS-Unternehmen begegnen dem Käufermarkt mit einem Make-to-Stock Produktionskonzept und nehmen hohe Lagerbestände mit enormem Bedarf an Working Capital und Fläche in Kauf.

Um Aufwand zur Planung und Steuerung der Produktion vor diesem Hintergrund in Grenzen zu halten wurde der Planungs- und Steuerungsprozess in Richtung einer automatisierten, simulationsbasierten Fertigungsregelung analog dem Industrie 4.0-Ansatz weiterentwickelt.

Das entwickelte KS-Cockpit zur simulationsbasierten Fertigung soll den Betriebsleiter in die Lage versetzen, die Fertigungsabläufe laufend zu überwachen, bei auftretenden Veränderungen gegenüber der Ausgangsplanung eine fundierte Lösung durch eine optimierende Simulation im digitalen Zwilling abzuleiten und diese dann in die Fertigungssteuerung zurückzuspielen.

Bisher wurden Simulationsverfahren fast ausschließlich im Rahmen langfristiger, strategischer Entscheidungen eingesetzt, wie etwa bei Werks-Neuplanungen, größeren Änderungen im Fertigungslayout, etc.

Das KS-Cockpit ermöglicht eine kontinuierliche Überwachung der Fertigungsabläufe sowie eine vorausschauende, optimale Reaktion auf Planabweichungen.

In der ausgeschriebenen Masterthesis oder Projektarbeit soll ein Konzept des KS-Cockpit erarbeitet werden, wobei die darzustellenden Informationen unter fundierter theoretischer Bearbeitung des Standes der Wissenschaft begründet sowie eine erste Implementierung eines User Interfaces in enger Kooperation mit Industriepartnern erfolgen soll.

 

Aufgabenstellung:

• Analyse von Wettbewerbsfaktoren in der Kalksandstein-Produktion
• Herleitung von Kennzahlen (ggfs. in einem Kennzahlensystem) zur betriebsbegleitenden Steuerung hybrider Produktionssysteme
• Entwurf und Implementierung von User Interface-Elementen in Plant Simulation
• Programmierung von Datenauswertungen
• Simulationsmodellierung von Produktionswerken
• Simulationsdatenverwaltung
• Entwicklung in enger Kooperation mit Industriepartnern

 

Die Arbeitsinhalte können individuell abgestimmt und angepasst werden. Der Startzeitpunkt kann bestenfalls ab sofort erfolgen.

Für inhaltliche und organisatorische Fragen sowie Interessensbekundungen, unkompliziert einfach an

Ausgangssituation:
Das Spritzgussverfahren ist branchenübergreifend eines der wichtigsten Fertigungsverfahren zur kosteneffizienten Produktion großer Stückzahlen von Bauteilen. Moderne Spritzgussmaschinen weisen vielfältige Sensoren zur Erfassung von Betriebsdaten auf. Standardisierte Kommunikationsprotokolle (OPC UA, MQTT) erlauben die einfache Integration weiterer Sensorik zur vollumfänglichen digitalen Abbildung des Maschinenbetriebes. Zur Auswertung der erfassten Daten stehen Methoden des maschinellen Lernens zur Verfügung. Diese lassen automatisiert Rückschlüsse auf die Prozess- und Produktqualität, ohne einer aufwendigen Interaktion mit den menschlichen Anwendern zu. Sie erlauben des Weiteren die Erzeugung von Prognosen über die Entwicklung von Messwerten, welche die Grundlage zur Realisierung einer bedarfsgerechten Wartung (Predictive Maintenance) oder Anpassung von Prozessparametern (Predictive Quality) darstellen.

Bei Spritzgussmaschinen kommen Messgrößen wie bspw. Forminnendruck, Dosierzeit, Temperatur oder Kühlwasserdurchflussmenge standardmäßig eine besondere Bedeutung zu. Hinzu kommt mit modernen Systemen der Körperschall. Geeignet ausgewertet, können diese Parameter die Grundlage zur Effizienzsteigerung des Maschinenbetriebs darstellen.

Keywords:
I 4.0, Predictive Maintenance, Predictive Quality, Injection Moulding, Machine Learning, Process Engineering & Monitoring, Acoustic Sensor, Deep Learning

 

Aufgabenstellungen:

• Analyse des Spritzgussprozesses an einer ausgewählten Maschine, der IT-Systeme zur Steuerung und Datenerfassung sowie vorausgegangener Arbeiten zum Thema
• Vergleich zwischen beobachteten physikalischen Effekten und den Signaländerungen
• Modellierung und Umsetzung von Methoden des maschinellen Lernens (ML) zur Vorhersage von Effekten mit dem Ziel der Effizienzsteigerung
• Entwicklung einer prototypischen Applikation inkl. graphischer Benutzeroberfläche zur Nutzung der ML-Methoden durch Endanwender
• Wirtschaftlichkeitsbetrachtung
• Prototypische Validierung des erarbeiteten Lösungsansatzes
• Dokumentation der Arbeit

 

Anforderungsprofil:

• Student der Fachrichtung Ingenieurwissenschaften
• Programmierkenntnisse in einer Hochsprache (z.B. Python, C++, C#, Java, Matlab)
• Kenntnisse der physikalischen Grundlagen von Sensoren und Signalverarbeitung
• Gute Kommunikationsfähigkeit
• Verhandlungssicheres Englisch in Wort und Schrift

 

Sonstiges:
Die Bearbeitung erfolgt in Zusammenarbeit mit einem Industriepartner.

 

 

Ausganssituation

Ein wesentliches Ziel von Industrie 4.0 ist es, die Wandlungsfähigkeit und Flexibilität von Produktionsprozesse zu erhöhen und den Mehraufwand für individualisierte Produkte zu reduzieren. Derzeit wird die Automatisierung mit Hilfe der sogenannten Automatisierungspyramide umgesetzt, welche aus separaten Schichten mit festgelegten Interaktionspunkten bestehen. Während eine SPS die spezifischen Schritte in vorgegebenen zyklischen Prozessprogrammen ausführen, realisiert Supervisory Control and Data Acquisition (SCADA) die verteilte Steuerung von mehreren SPSen. Das entstehende System resultiert in starren, hierarchischen Strukturen und aufwendigen Integrationszyklen.

Industrie 4.0 propagiert stattdessen eine Peer-to-Peer-Kommunikation, um eine Device-to-Device-Kommunikation zu ermöglichen. Durch die Einführung einer Service-orientierten Architektur (SoA) zielt Industrie 4.0 darauf ab, den beschriebenen Integrationsaufwand drastisch zu reduzieren. Eine wesentliche Anforderung hierfür ist die Integration der SPS in die SoA.

Aufgabenstellung

Ziel dieser Arbeit ist die Abstrahierung einer SPS mittels Open-Source-Technologien wie Apache PLC4X sowie deren Integration in eine bestehende Service-orientierte Architektur. Im Rahmen dessen leiten sich verschiedene Aufgabenstellungen ab, die die Entwicklung einer SoA adressieren. Eine mögliche Aufgabenstellung wäre:

• Fachliche Einarbeitung in die Grundlagen der Automatisierungstechnik, Industrie 4.0 und Service-orientierte Architekturen
• Technische Einarbeitung in die Open-Source-Technologie Apache PLC4X
• Konzeptualisierung und Implementierung einer SoA mittels bestehender Code-Basis an einer Produktionsanlage des Lehrstuhls
• Evaluation, Diskussion und Dokumentation der Arbeit

Hinweise zur Bewerbung

• Interesse an Maschinellem Lernen im industriellen Umfeld
• Hohe Motivation und Auffassungsgabe und strukturierte Arbeitsweise
• IT-Affinität sowie Erfahrung in der Python-Programmierung wünschenswert
• Bewerbungen mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an tobias.reichenstein@faps.fau.de und tim.raffin@faps.fau.de

Im Rahmen der Energiewende verlagert sich der Fokus von fossilen Brennstoffen und Atomenergie zu erneuerbaren Energiequellen. Hybride Netzstrukturen aus einer Kombination aus Gleich- und Wechselstrom vereinen die Vorteile beider Versorgungsstrategien. Sie berücksichtigen jede Art von Verbrauchern, Speichern und Erzeugern.

In Kooperation mit über 30 namhaften Partnern der Industrie baut der FAPS in seinen Laborhallen eine Demonstratoranlage mit regenerativen Erzeugern, verschiedenen Speichern und industriellen Verbrauchern auf. Entstandene Simulationen können dort messtechnisch validiert und das Gesamtkonzept auf die praktische Umsetzbarkeit sowie die Wirtschaftlichkeit untersucht werden.

Mit dem neuartigen PHIL-Ansatz sollen Energieverläufe aus Simulationen mit Leistungselektronik verbunden werden, um so Strom- und Spannung als Quelle und als Senke an einem Gleichstromnetz aufzuschalten.

Für Abschlussarbeiten ergeben sich folgende Anknüpfungspunkte:

1. Stand der Technik und Forschung im Bereich PHIL und Möglichkeiten der PHIL-Simulation
2. Entwicklung eines PHIL-Simulators durch Kopplung von Simulationsumgebung und Netzteil
3. Entwicklung einer Bibliothek (z. B. MATLAB), um Signalverläufe vorzugeben
4. Messung realer Leistungsverläufe von Produktionszellen, einzelnen Verbrauchern, regenerativen Erzeugern oder Verbrauchern, um diese in die Bibliotheken zu übernehmen
5. Implementierung eines messtechnischen Feedbacks an die Simulationsumgebung z. B. mit interoperablen I4.0 Kommunikationsprotokollen (OPC UA, MQTT etc.)

 

Um den CO2-Fußabdruck eines Produkts/einer Fertigungslinie gegenüber Verbrauchern, Kunden oder Regulierungsbehörden nachzuweisen und mit ihren Lieferanten gezielte Reduktionsmaßnahmen zu initiieren, sind Unternehmen auf genaue Informationen auf Produktebene angewiesen. Der CO2-Fußabdruck ist schon längst kein Imagefaktor für Unternehmen mehr, sondern stellt bereits ein signifikantes Kaufargument in vielen Industriesparten wie zum Beispiel in der Automobilindustrie dar oder wird politisch bereits gefordert. Mit einem neuartigen Messkoffer soll Unternehmen eine Hilfe gegeben werden, wie die CO2-Emissionen ermittelt und nachverfolgt werden können. Aufbauend darauf können Reduzierungsmaßnahmen zur Dekarbonisierung entwickelt und ergriffen werden.

Mögliche Abschlussarbeiten/Inhalte:

• Grundlagenrecherche zur Bestimmung oder Zertifizierung des CO2-Fußabdrucks von Produkten, Produktionsanlagen, Werken oder digitalen Services etc.
• Identifikation und Beurteilung aller Einflüsse auf den CO2-Fußabdrucks und Generierung von Kennzahlen (auch wirtschaftlich)
• Grundlagenermittlung für einen Messkoffer/ein Messkonzept und Ansprüche an die Sensorik und Auswertung
• Bau und Verdrahtung des Messkoffers oder/und Programmierung von Auswerteeinheiten und User-Interface (z. B. SPS, Computer, Messkarten, Mikrocontrollern, Webserver etc.)
• Recherche zu bestehenden Softwarelösungen/Messkonzepten
• Möglichkeiten der Kopplung mit Industriesteuerungen (z. B. SPS oder Cloud-Edge-Devices)
• Aufzeigen von Maßnahmen zur Reduzierung des CO2-Fußabdrucks zur Dekarbonisierung von Produktionsanlagen/Werken etc.
• Ggf. Simulationskopplung

Um den CO2-Fußabdruck eines Produkts/einer Fertigungslinie gegenüber Verbrauchern, Kunden oder Regulierungsbehörden nachzuweisen und mit ihren Lieferanten gezielte Reduktionsmaßnahmen zu initiieren, sind Unternehmen auf genaue Informationen auf Produktebene angewiesen. Der CO2-Fußabdruck ist schon längst kein Imagefaktor für Unternehmen mehr, sondern stellt bereits ein signifikantes Kaufargument in vielen Industriesparten wie zum Beispiel in der Automobilindustrie dar oder wird politisch bereits gefordert.

Mögliche Abschlussarbeiten/Inhalte:

• Grundlagenrecherche zur Bestimmung oder Zertifizierung des CO2-Fußabdrucks von Produkten, Produktionsanlagen, Werken oder digitalen Services etc.
• Identifikation und Beurteilung aller Einflüsse auf den CO2-Fußabdrucks
• Simulationstechnische Lösungen (z. B. Digital Twin) zur Berechnung des Carbon-Footprints aus den Energieflüssen z. B. von Produktionsanlagen
• Tracking/Transparenzbildung des Carbon-Footprints über den gesamten Produktlebenszyklus
• Aufzeigen von Maßnahmen zur Reduzierung des CO2-Fußabdrucks zur Dekarbonisierung von Produktionsanlagen/Werken etc.

Ausgangssituation:
Das Spritzgussverfahren ist branchenübergreifend eines der wichtigsten Fertigungsverfahren zur kosteneffizienten Produktion großer Stückzahlen von Bauteilen. Moderne Spritzgussmaschinen weisen vielfältige Sensoren zur Erfassung von Betriebsdaten auf. Standardisierte Kommunikationsprotokolle (OPC UA, MQTT) erlauben die einfache Integration weiterer Sensorik zur vollumfänglichen digitalen Abbildung des Maschinenbetriebes. Zur Auswertung der erfassten Daten stehen Methoden des maschinellen Lernens zur Verfügung. Diese lassen automatisiert Rückschlüsse auf die Prozess- und Produktqualität, ohne einer aufwendigen Interaktion mit den menschlichen Anwender zu. Sie erlauben des Weiteren die Erzeugung von Prognosen über die Entwicklung von Messwerten, welche die Grundlage zur Realisierung einer bedarfsgerechten Wartung (Predictive Maintenance) darstellen.

Bei Spritzgussmaschinen kommen Messgrößen wie bsp. Forminnendruck, Dosierzeit oder Wasserdurchflussmenge standardmäßig eine besondere Bedeutung zu. Hinzu kommt mit modernen Systemen der Körperschall. Geeignet ausgewertet, können diese Parameter die Grundlage zur Effizienzsteigerung des Maschinenbetriebs darstellen. Sie erlauben eine Werkzeugoptimierung durch die Vorhersage von Wartungsintervallen, die Optimierung der Werkzeugparameter, eine Entlüftungskontrolle und eine Verschleißkontrolle.

Keywords:
I 4.0, Predictive Maintenance, Injection Moulding, Machine Learning, Process Engineering &
Monitoring, Acoustic Emissions

Aufgabenstellung:

• Analyse am Markt verfügbarer Predictive Maintenance Systeme für Spritzgussmaschinen
• Begleitung und Dokumentation der Einführung eines der Systeme
• Datenauswertung: Vergleich zwischen beobachteten physikalischen Effekten und den
  Signaländerungen
• Erarbeitung übertragbarer Lösungskonzepte und Methoden (Standardisierung)
• Wirtschaftlichkeitsbetrachtung anhand der identifizierten Optimierung
• Prototypische Validierung des erarbeiteten Lösungsansatzes
• Dokumentation der Arbeit

Anforderungsprofil:

• Student der Fachrichtung Ingenieurwissenschaften
• Programmierkenntnisse in einer Hochsprache (z.B. Python, C++, C#, Java, Matlab)
• Kenntnisse der physikalischen Grundlagen von Sensoren und Signalverarbeitung
• Gute Kommunikationsfähigkeit
• Verhandlungssicheres Englisch in Wort und Schrift

Sonstiges:
Die Bearbeitung erfolgt in Zusammenarbeit mit einem Industriepartner.