StartseiteLänderEuropaNiederlandeVerbundprojekt: KI-unterstützte Elektroniksysteme für die nachhaltige Produktion - AIMS5.0 -

Verbundprojekt: KI-unterstützte Elektroniksysteme für die nachhaltige Produktion - AIMS5.0 -

Laufzeit: 01.06.2023 - 30.04.2026 Förderkennzeichen: 16MEE0361
Koordinator: Technische Universität Dresden - Fakultät Maschinenwesen - Institut für Technische Logistik und Arbeitssysteme - Professur für Technische Logistik

In AIMS5.0 beteiligt sich die TU Dresden (TUD) mit der Professur für Technische Logistik und adressiert folgende Themenschwerpunkte: (1) Erhöhung des Automatisierungs- bzw. Autonomisierungsgrades des Transport- und Handhabungssystems (AMHS: Automated Material Handling System): Es werden hybride AMHS konzipiert, sowohl aus technologischer Sicht als auch Steuerungsansätze, welche mit Unterstützung KI-basierter Ansätze generiert & analysiert werden. Insb. werden autonome, flurgebundene Transportfahrzeuge/-roboter betrachtet und Aussatzszenarien herausgearbeitet. Zur Analyse werden Ansätze und Modelle der ereignisdiskreten Simulation angewendet. (2) Ein weiterer Schwerpunkt beschäftigt sich mit der Produktionsplanung und -steuerung von Fertigungsstätten für Halbleitererzeugnisse und deren typischerweise hohen Volatilität. In diesem Zusammenhang wird die TUD untersuchen, inwieweit sich Ansätze und Modelle des sog. "ATP" (Available-To-Promise) zur Vorhersage des Systemverhaltens von Waferfabs und darüber hinaus zur Steuerung von Lieferketten anwenden lassen. Dafür wird sich die TUD mit der Identifizierung passender Parameter zur Bestimmung von ATP-Kennzahlen befassen. (3) Die TUD wird sich außerdem mit dem Arbeitsfeld des Predictive Maintenance für das Deckentransportsystem (OHT: Overhead Hoist Transportation), seinen Fahrzeugen bzw. deren Komponenten befassen. Dem aufwendigen und unwirtschaftlichen Ansatz der Vorbeugung wird mit einer automatischen, permanenten Überwachung und zielgerichteten Wartung begegnet. Dazu beteiligt sich die TUD an F&E-Arbeiten einer Sensor-Plattform zur Detektion von Anomalien vom Regelbetrieb. Es wird ein "übliches" OHT-Fahrzeug mit der Sensor-Plattform ausgerüstet und zur Datengewinnung eingesetzt. Zur Analyse der Sensordaten werden Verfahren des maschinellen Lernens eingesetzt und Prognosen über Ausfallwahrscheinlichkeiten bzw. Abnutzungsgrade und Restlaufzeiten erstellt sowie im Rahmen der Produktionsplanung und -steuerung berücksichtigt.

Verbund: KI-unterstützte Elektroniksysteme für die nachhaltige Produktion Quelle: Bundesministerium für Bildung und Forschung (BMBF) Redaktion: DLR Projektträger Länder / Organisationen: Österreich Spanien Frankreich Griechenland Ungarn Italien Litauen Niederlande Polen Schweden Türkei Themen: Förderung Innovation

Weitere Informationen

Projektträger