Ressourcenschonende, energieeffiziente und souveräne Produktionssysteme für die Zukunft: inAdditiv
Das im Rahmen des Europäischen Fonds für regionale Entwicklung (EFRE) geförderte Transferprojekt „inAdditiv“ verfolgt das Ziel, kleine und mittlere Unternehmen (KMU) auf dem Weg zu einer nachhaltigen, energieeffizienten und digitalisierten Produktion zu unterstützen. Im Zentrum steht die Entwicklung und Erprobung innovativer Digitalisierungs- und Automatisierungslösungen, die komplexe, produktindividuelle Bearbeitungsschritte automatisieren und energieintensive Prozesse durch sensor- und KI-basierte Systeme intelligent überwachen.
Zum Einsatz kommen modernste Technologien wie Künstliche Intelligenz (KI), digitale Zwillinge, Manufacturing Execution Systems (MES), Sensorik und autonome Robotik. Diese werden in einem praxisnahen Demonstrator für die additive Fertigung zusammengeführt, der als Schaufenster für den Technologietransfer dient und KMU die Potenziale dieser Technologien direkt erlebbar macht.
Additiv ist ein Kooperationsprojekt des ISAT zusammen mit dem TTZ Oberfranken: Digitale Intelligenz.
Mehr Infos zum Projekt: „inAdditiv“-Projektvideo auf Youtube.
Kontakt: klaus.drese@hs-coburg.de
Innovationsthemen
- Dezentrale Fertigungskonzepte mit fahrerlosen Transportsystemen
- Sensorgestützte Erkennung von Energieverlusten in Produktionsprozessen
- Prozesssensorik für Integration in bestehende Anlagen
- Simulationsgestützte Generierung virtueller Sensordaten
- Natürlichsprachige Interaktionssysteme
- Virtual Reality (VR) & Augmented Reality (AR) im Produktionskontext
- Digitaler Produktzwilling
- Situated Analytics Plattform mittels AR
- Modulares Manufacturing Execution System für die additive Fertigung
- Nachbearbeitung in additiver Fertigung & Inline-Überwachung der Nachbearbeitungsprozesse
Schwerpunktthemen des ISAT im „inAdditiv“-Projekt
- Simulationsgestützte Auslegung und Optimierung von Prozessen für digitale Abbildung und Analyse komplexer Produktionsprozesse und Generierung von virtuellen Sensordaten für Anpassung und das Training von KI-Algorithmen (physical informed learning) zur präzisen Auswertung von Sensordaten
- Entwicklung inline-fähiger Low-Power-Sensoren für die Integration in Industrieprozess- und Anlagen zur Druckluft- Leckageerkennung in bestehenden Anlagen als kostengünstige Nachrüstvariante
- Entwicklung und Auswahl inline-fähiger Low-Power-Sensoren für die Integration in Industrieprozessen- und Anlagen zur Erfassung von Wärmeflüssen (Heiß- und Kaltzonen) in Produktionsprozessen zur Nachrüstung und Regelung von Anlagen zur Energieeffizienzsteigerung
- Entwicklung inline-fähiger akustischer Sensoren für die Integration in Industrieprozessen- und Anlagen zur berührungslosen Produkt- und Materialcharakterisierung
