Detailseite
Projekt
XDP-Opt: Erfahrungsbasierte Design-Prozess-Optimierung für die industrielle Fertigung
Antragsteller
Professor Dr. Ralph Bergmann; Professor Dr.-Ing. Martin Ruskowski
Fachliche Zuordnung
Konstruktion, Maschinenelemente, Produktentwicklung
Förderung
Förderung seit 2024
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 543073350
Das Projekt XDP-Opt hat zum Ziel, den Produktdesignprozess in bestehenden industriellen Fertigungssystemen durch eine Kombination von Methoden der Künstlichen Intelligenz (KI) als Grundlage eines hybriden interaktiven Design-Entscheidungsunterstützungssystems (IDDSS) zu optimieren. Der untersuchte Ansatz basiert auf dem Formalismus der digitalen Lebenszyklusakte, der auf Grundlage des Verwaltungsschalenkonzeptes alle Daten und Informationen über den Produktionsprozess sammelt. XDP-Opt betrachtet den gesamten Produktentstehungsprozess und leitet mögliche Optimierungspotenziale in den jeweiligen Produktionsphasen ab, die wiederum dem Produkt-Designer ad hoc über ein Empfehlungssystem als Entscheidungsmöglichkeit präsentiert werden (hybride Entscheidungsunterstützung). Ein wichtiges Element der Entscheidungsunterstützung ist die Berücksichtigung von Zirkularität, nachhaltiger Produktion und ressourceneffizientem Einsatz von Produktionseinheiten. XDP-Opt untersucht eine Kombination von verschiedenen KI-Methoden als Grundlage für die Entscheidungsunterstützung. Föderiertes Lernen aus extremen Sensordaten (insbesondere Qualitätskontrolldaten) wird untersucht, um Erfahrungen aus Daten zu gewinnen, die aus einer Vielzahl von Produktionsbereichen stammen, um mögliche industrielle Datenschutzbedenken zu überwinden. Unter Verwendung von Fallbasiertem Schließen (CBR) als weitere KI-Methode sollen diese Erfahrungen in dem IDDSS verfügbar werden, um neue Designentscheidungen auf der Grundlage früherer ähnlicher Entscheidungsfälle zu unterstützen. Wir erwarten, dass durch den Einsatz der CBR-Methodik neue Probleme effizient gelöst und alte Fehler vermieden werden können, während gleichzeitig die Erklärbarkeit der Ergebnisse gegeben ist. Als dritte KI-Methode werden symbolische Reasoning-Methoden, insbesondere KI-Planung und Constraint-basierte Ansätze, untersucht, um eine umfassendere Erkundung des Designraums über die aus den Produktionsdaten verfügbaren Erfahrungen hinaus zu ermöglichen. Dies bedeutet, dass auch neue, bisher unerforschte Designoptionen auf Grundlage der verfügbaren Informationen über den Fertigungsbereich in Betracht gezogen werden. Die untersuchten KI-Methoden werden experimentell implementiert und zu einem hybriden IDDSS kombiniert, das dem Produkt-Designer als "Human in the Loop" in Echtzeit Designoptionen vorschlägt und Informationen über deren Auswirkungen liefert. Die vorgeschlagene Forschung fokussiert sich auf einen konkreten Anwendungsfall, eine Lkw-Montagelinie, unter Verwendung industrieller Hardware, die von unserem assoziierten Partner, der SmartFactoryKL, bereitgestellt wird. Diese Partnerschaft erleichtert die Erstellung eines Demonstrators und ermöglicht die experimentelle Bewertung des vorgeschlagenen Ansatzes. Weiterhin werden die dem IDDSS zugrunde liegenden Daten kuratiert und in einem zugänglichen Format verbreitet, was sowohl den Mitgliedern des SPP als auch der breiteren Forschungsgemeinschaft zugutekommt.
DFG-Verfahren
Schwerpunktprogramme
