In diesem Projekt soll das Verhalten komplexer Industriebauteile aus Prozess- und Labordaten extrahiert und modelliert werden, um die aufwendige manuelle Erstellung von Verhaltensmodellen zu automatisieren.
Projektziele
Die Verwendung von Digitalen Zwillingen kann die Planung von Anlagen stark beschleunigen. Neben einer akkuraten Konzeption erlauben Digitale Zwillinge auch die digitale Inbetriebnahme, welche frühzeitig Probleme wie Durchsatz oder Kompatibilität bewertbar machen.
Ein Hauptproblem zur Verwendung Digitaler Zwillinge ist die Verfügbarkeit von Verhaltensmodellen für die beteiligten Komponenten. So kann ein externer Hersteller die Verhaltensmodelle nicht direkt verfügbar machen oder die Erstellung eines Verhaltensmodells für komplexe Komponenten ist prohibitiv aufwendig.
Um die Erstellung dieser Verhaltensmodelle effizienter und zugänglicher zu machen betrachtet diese Projekt die Möglichkeit die Verhaltensmodelle anhand von Labor und Prozessdaten durch Maschinell gelernte Modelle zu erzeugen. Anhand des Beispiels von Dosierpumpenanlagen der Firma Bausch und Ströbel werden mit adaptive ML Methoden robuste Verhaltensmodelle erstellt, welche dann direkt im Digitalen Zwilling verwendet werden können.
Um die Daten aus den kontinuierlichen Prozessen korrekt zu verwerten und eine hohe Genauigkeit der Modelle sicherzustellen kommt der Service “Adaptive ML-Modelle für sich ändernde Prozessbedingungen im industriellen Kontext” zum Einsatz.
Förderung
BMBF-Förderung Mikroprojekt, SDI-S 2. Call (Laufzeit 2023/2024, Dauer ca. 4 Monate)
Partner
EDAG Production Solutions GmbH & Co. KG
Bausch + Ströbel SE + Co. KG
Constanze Hasterok und Benedikt Stratmann, Fraunhofer IOSB
