Ergebnisse

Exklusive Einblicke in fünf wegweisende Forschungs- und Entwicklungsprojekte, die das »International Center for Networked Adaptive Production (ICNAP)« gemeinsam mit Industriepartnern im Jahr 2024 durchgeführt hat, präsentiert der »ICNAP Report 2024«. Er vereint aktuelle Zahlen, Fakten und Erkenntnisse aus interaktiven Workshops, praxisorientierter Forschung und Entwicklungskooperationen. Für Unternehmen, die die Zukunft von Industrie 4.0 aktiv mitgestalten wollen, bietet er damit eine unverzichtbare Erkenntnisgrundlage.

Der Studienbericht »ICNAP Study Report 2023« zeigt die Ergebnisse von fünf kollaborativen Forschungs- und Entwicklungs-Studien, die das International Center for Networked Adaptive Production (ICNAP) im Jahr 2023 gemeinsam mit seinen Industriepartnern durchgeführt hat. Die Ergebnisse der Zusammenarbeit zwischen Forschenden und Partnerunternehmen der ICNAP-Community spiegeln die Erkenntnisse zu den folgenden Themen wider: Industrialisierung der künstlichen Intelligenz, innovative Lösungen für Energie, die Umsetzung von Plug-and-Produce, ein Digitaler Zwilling-Demonstrator sowie ein Energiemonitoring-Framework.

Das Projekt umfasste die Sammlung einer Reihe von Anwendungsfällen aus wissenschaftlichen Veröffentlichungen und laufenden wissenschaftlichen und industriellen Projekten, wobei eine zweidimensionale Clusterung auf der Grundlage von Rechenzielen und Forschungsbereichen vorgenommen wurde.

Dieses Projekt untersuchte einen nicht-invasiven Ansatz zur Erkennung von Einzelteilen in der industriellen Produktion mit Hilfe von kamerabasierten Werkzeugen und ortsabhängigen Hash-Algorithmen (LSH).

In diesem Projekt wurde ein Computer-Vision-basiertes System zur Qualitätskontrolle von Pflanzen entwickelt, das eine kontinuierliche und zerstörungsfreie Qualitätsbewertung vor der Ernte für eine effiziente und nachhaltige Indoor-Produktion von pflanzlichen Lebensmitteln ermöglicht.

Ziel des Evolve-Projekts war die Entwicklung einer Softwareanwendung, die Bayes'sche Optimierung für die kundenspezifische Prozessoptimierung in zwei verschiedenen Fällen einsetzt: Ultrakurzpuls-Laserstrukturierung von metallischen Oberflächen und Kultivierung von Pflanzensuspensionszellen in einem Batch-Fermentationsbioreaktor.

In diesem Projekt wurden Ansätze zur Bilddatensynthese für maschinelle Lernsysteme in der Fertigung erforscht und evaluiert. Zwei Anwendungsfälle wurden bearbeitet: Werkzeugklassifizierung und Klassifizierung von Oberflächenstrukturen nach dem Laserpolieren.

Diese Studie zeigt Möglichkeiten für den Einsatz von KI bei der Optimierung von Prozessdesigns auf.

Für viele Prozesse benötigen Unternehmen einen sicheren Transfer über Unternehmensgrenzen hinweg. In diesem Projekt haben wir ein zugelassenes Blockchain-Netzwerk aufgebaut, das eine sichere Übertragung zwischen zwei verschiedenen Unternehmen ermöglicht.

In diesem Projekt wurden aktive und halb-überwachte Lernprinzipien verwendet, um ein effizientes und interaktives Training von Deep-Learning-Systemen zu testen.