Referenzprojekte

Maschinelles Lernen erweitert die automatische optische Inspektion (AOI), um die Pseudofehlerrate und manuelle Nachkontrollen zu reduzieren.

Ganzheitliche Montageoptimierung aus einer Hand: Das Fraunhofer IPA analysierte ausgewählte Montagearbeitsplätze bei Liebherr-Hausgeräte Ochsenhausen GmbH hinsichtlich Ergonomie und Produktivität. Durch die Fusion verschiedener Sensorsysteme haben die Expertinnen und Experten des Fraunhofer IPA Optimierungspotenziale im Bereich der Prozesse und Ergonomie automatisiert aufgedeckt.

Zu den Innovationen in der Produktionslogistik bei BMW gehört der von BMW und dem Fraunhofer IML entwickelte »Smart Transport Robot« (STR). Der STR navigierte dabei auf festen Spuren und benötigte für die Ortung spezielle Sensoren sowie ein engmaschiges Netz an Ankern. BMW wünschte eine flexiblere, autonomere und wirtschaftlichere Lösung und konnte diese mit der IPA-Navigationssoftware realisieren. Sie nutzt den ohnehin auf den STR vorhandenen Sicherheitslaserscanner zur Navigation. Verfahren zur dynamischen Pfadplanung und Hindernisumfahrung bieten den nötigen Autonomiegrad.

Hybride Quantum-Computing-Methoden für die Degradationsmodellierung von alkalischen Elektrolyseuren zur Herstellung von grünem Wasserstoff.

Wenn maschinelle Lernverfahren in der Industrie Anwendung finden sollen, müssen Roboter schneller als bisher lernen Bauteile sicher zu greifen. Im Forschungsprojekt Deep Grasping entwickeln Wissenschaftler vom Fraunhofer IPA und der Universität Stuttgart deshalb eine virtuelle Lernumgebung. Darin werden die Neuronalen Netze geschult, die anschließend auf den realen Roboter übertragen werden.

Im Projekt »Deep Picking« entstehen modulare und flexible Software- und Hardwarelösungen für die Kommissionierung und Depalettierung bekannter und unbekannter Objekte in unterschiedlichen Anlieferungszuständen in Produktionsprozessen. Die Lösungen lassen sich schnell und robust integrieren und einlernen.

Mit Hilfe Bayes’scher Netze Qualitätsabweichungen von Spritzgussteilen echtzeitnah erkennen und Fehlerursachen automatisiert diagnostizieren – das ist Gegenstand des Forschungsprojekts ProBayes. Das Know-how der Prozessexperten des Kunststoff-Zentrums (SKZ) wird vom Fraunhofer IPA ergänzt durch Expertise in den Bereichen Prozessdigitalisierung, digitale Qualitätsmodelle und Bayes’sche Netze.

»ELISE« ist ein europäisches Netzwerk von Forschungszentren für Künstliche Intelligenz und arbeitet eng mit »ELLIS« (European Laboratory for Learning and Intelligent Systems) zusammen. Ziel ist, Wissen und Methoden in Wissenschaft, Industrie und Gesellschaft zu verbreiten.

Im Forschungsprojekt „FabOS Vision“ entsteht ein offenes, verteiltes, echtzeitfähiges und sicheres Betriebssystem für die Produktion. Es soll die Grundlage für datengetriebene Dienste und KI-Anwendungen bilden, damit die wandlungsfähige Automatisierung der Fabrik der Zukunft umgesetzt werden kann.

FlexNote macht eine einfache Erfassung von Mängeln, Verbesserungsvorschlägen und Maschineneinstellungen möglich. Die sofortige, rollenspezifische Verteilung der relevanten Informationen reduziert Rückfragen. Und durch die statistische Auswertung der gesammelten Informationen können langfristig Schwachstellen an Maschinen und Zusammenhänge von Defekten identifiziert werden.