Nachhaltige Produktion fordert Ressourcen- und Energieeffizienz, geringe Emissionen, die Reduktion von Ausschuss und die Verwendung von Recyclingmaterial. Die Qualität von Recyclingmaterial kann jedoch von Charge zu Charge stark schwanken. Gleichzeitig rückt auch die effiziente Produktion von Kleinserien mit ihren häufigen Änderungen der Anforderungen in den Fokus der Anwender.

Fertigungsprozesse sind oft nicht auf all diese Erfordernisse ausgelegt. Meist ist es Aufgabe eines Maschineneinrichters, auf Basis seiner Expertise die Prozessparameter zu berücksichtigen und die Anlage manuell auf die Erfordernisse anzupassen. In der Phase der Maschineneinstellung entsteht ein Ausschuss defekter Teile. Ist die Fertigungsanlage eingestellt, dürfen die Parameter nicht mehr verändert werden, um Schwankungen in der Qualität und weiteren Ausschuss zu vermeiden. Dies macht eine Energie- und Ressourcenoptimierung durch Anpassung der Parameter unattraktiv.

Die Projektpartner von FORinFPRO werden es Fertigungsprozessen ermöglichen, selbstständig auf neue Erfordernisse, schwankende Materialqualität, knappe Ressourcen und schwankende Energiepreise zu reagieren.

Als Referenz dient im Projekt ein Bauteil, das in einem mehrstufigen Prozess aus recycelten Kohlefasern und verschiedenen Kunststoffen gefertigt wird: Zunächst wird im Nassvliesverfahren ein Vliesstoff aus Kohlefasern hergestellt. Dieser wird in einem weiteren Schritt zu einem „U“ geformt, in das im Spritzgussverfahren Rippen eingefügt werden. Währenddessen wird der Vliesstoff auf einer anderen Maschine im Infusionsverfahren mittels eines Duroplastes zu einer Platte verarbeitet, die anschließend durch Ultraschallschweißen als Deckel auf das Bauteil gefügt wird.

Daran erforscht FORinFPRO einerseits die Anwendung einer Kombination des klassischen ingenieurwissenschaftlichen Ansatzes einer modellbasierten Steuerung und Regelung. Andererseits legt die hohe Komplexität einen auf Big Data und Machine Learning basierenden Ansatz nahe. Dessen Übertragung ist aber nicht einfach, da die Trainingsphase eine hohe Anzahl an Versuchen erfordert, die Ausschuss produzieren würden. Schnell lernende, dateneffiziente Machine-Learning-Verfahren sind daher ein Fokus des Projekts. Gleichzeitig sollen auf der experimentellen Seite eine geeignete Sensorik aufgebaut und die Gewinnung von synthetischen Daten durch Simulation genutzt werden.

Als Ergebnis entsteht eine generelle Herangehensweise, mit der komplexe Fertigungsprozesse auch über Firmengrenzen hinweg robust und flexibel gegenüber neuen Anforderungen gemacht werden können und mit der die Attraktivität der Verwendung nachhaltiger Materialien und Energiequellen steigt.

Die Robotik ist in verschiedenen Anwendungsdomänen eine Schlüsseltechnologie für Wertschöpfung und verbesserte Arbeitsbedingungen, zum Beispiel in der Industrie, in Dienstleistungen, in der Medizin und in der Pflege. Die schlüssige Erweiterung dieses Forschungsfeldes ist die sogenannte „soziale Robotik“. Sie zeichnet sich dadurch aus, dass Roboter – zusätzlich zu ihrem technischen Funktionsumfang – zu einer an die jeweilige Situation angepassten sozialen Kommunikation und Interaktion mit dem Menschen fähig sind. Dies kann viele Formen annehmen und betrifft nicht nur eine Unterhaltung zwischen Roboter und Mensch. Zum Beispiel könnte ein sozialer Roboter, der in einer Fertigungshalle Bauteile transportiert, mittels seiner sozialen Fähigkeiten erkennen, ob ein Mitarbeiter, an dem er vorbeifahren muss, unsicher ist, wie der Roboter auf ihn reagieren wird. Indem der Roboter dem Mitarbeiter signalisiert, dass er ihn erkannt hat und ihm jetzt ausweichen wird, kann der Mitarbeiter entsprechend handeln.

Ungelöste Herausforderungen im Bereich der sozialen Robotik liegen derzeit in der Gestaltung einer akzeptierten und ganzheitlichen autonomen sozialen Kommunikation und Interaktion zwischen Roboter und Mensch. Hier muss sichergestellt werden, dass diese so natürlich wie möglich erfolgt, um nicht angsteinflößend auf den Menschen zu wirken. Die Komplexität einer solchen sozialen Kommunikation und Interaktion stellt eine Herausforderung für die technische Umsetzung dar. Zudem entstehen hohe Kosten durch die Anpassung eines sozialen Verhaltens auf unterschiedliche Einsatzszenarien und für unterschiedliche Roboter. Denn derzeit können existierende soziale Verhaltensweisen eines Roboters nicht einfach auf einen anderen Roboter übertragen werden.

Die Vision des Konsortiums in FORSocialRobots besteht darin, dass Mensch und Roboter gemeinsam in flexiblen Teams in allen Bereichen des täglichen Lebens zielführend zusammenarbeiten und neue Roboterapplikationen in kürzester Zeit realisiert werden können. Das Projektkonsortium setzt sich aus sechs wissenschaftlichen, 15 industriellen und sechs assoziierten Partnern zusammen. Der Fokus liegt auf sechs relevanten Anwendungsfeldern (Inspektion, Logistik, Produktion, Service, Seniorenheim und Demenzzentrum) und fünf wissenschaftlichen Teilprojekten (Architektur sozialer Fähigkeiten, sozial situative Kommunikation, sozial adaptive und proaktive Interaktion, Simulation und Validierung sozial kognitiver Roboter im Digitalen Zwilling und Mensch-Roboter-Interaktion im Arbeitskontext). Hier soll der Forschungsverbund einen entscheidenden Beitrag zur Verbesserung der sozialen Fähigkeiten von Robotern leisten und damit deren Wirksamkeit und Akzeptanz bei den potenziellen Nutzern steigern sowie völlig neue technische Entwicklungen unterstützen.

Das Bereitstellen robotischer Assistenzsysteme (RAS) führt zu signifikanten Verzögerungen in den klinischen Arbeitsabläufen, die gerade bei kurzen Prozeduren die Anwendung limitieren. Die RAS-Platzierung am Menschen hat einen signifikanten Einfluss auf die spätere Performanz. Sie muss sowohl die Patientenanatomie als auch den Arbeitsraum des Systems berücksichtigen. Um die Vorteile eines RAS wirkungsvoll nutzen zu können, ist ein abgestimmtes Zusammenspiel von Mensch und Technik unabdingbar. Individuelle Operationsplanung unter Berücksichtigung von patientenindividuellen Parametern sowie Bildgebung, Dokumentation und Integration in die OP-Umgebung müssen eng verzahnt werden. Traditionelle Arbeitsabläufe und Prozesse sind bislang nicht oder nur auf Kosten des OP-Personals und der Prozesseffizienz an die Nutzung von RAS angepasst. Eine umfassende Überarbeitung und Anpassung an die neue Technologie ist notwendig. Wie Studien zeigen, birgt die fehlende Integration einerseits ein erhöhtes Risiko chirurgischer Fehler und damit vermeidbare Risiken für Patienten; andererseits verursacht dies längere Operations- und Prozesszeiten mit der Folge höherer Behandlungskosten im Vergleich zu konventionellen OP-Methoden.

Trotz zahlreicher potenzieller Vorteile sind robotische Anwendungen in der medizinischen Intervention und Bildgebung aktuell auf wenige und komplexe Fälle beschränkt, in manchen Bereichen werden sie gar nicht eingesetzt. Um RAS in den Kliniken nutzerzentriert, ökonomisch und klinisch relevant zu etablieren und damit die Patientenversorgung weiter zu verbessern, müssen diese vor allem besser integriert werden.

Der Forschungsverbund hat erhebliche Verbesserungen in allen genannten Aspekten zum Ziel. Hierzu dienen die im Verbund vorhandenen, herausragenden Expertisen hinsichtlich der Umsetzung ergonomischer Prinzipien der klinisch zentrierten Realisierung von nutzerzentrierten Simulationen, Augmented- Reality-Anwendungen und Nutzerschnittstellen. Die aufgeführten Ansätze stellen Schlüsseltechnologien für die zukünftige robotische Chirurgie und die digitale Medizin dar. Nur durch die enge Verzahnung dieser Kompetenzen mit den Anwendern aus der Klinik (Ärzteteam, Pflege, Technische Assistenz) und durch die Einbindung kompetenter industrieller Partner aus Bayern kann dieses Ziel erreicht werden. ForNeRo bringt junge aufstrebende Startups mit führenden Unternehmen im Bereich der Gesundheitstechnologien zusammen und ermöglicht eine Plattform zur Translation der Forschungsarbeiten bayerischer Universitäten in einen stark wachsenden, hochtechnologischen Markt.

Thermocycler und Laborschüttler sind wichtige Werkzeuge für die Bereiche Medizin, Molekularbiologie und Biochemie. Beispielsweise werden Polymerasekettenreaktionen (PCR) in diesen Geräten durchgeführt, die für die Erkennung von Erbkrankheiten und Viren-Infektionen aber auch für DNA-Analysen wichtig sind. Entscheidenden Einfluss auf die Qualität der Ergebnisse haben hierbei die Temperierung und Durchmischung der Proben. Diese Parameter lassen sich nur unzureichend während eines laufenden Prozesses messen, da viele Messverfahren die Temperatur und/oder die Strömungen invasiv verändern. Gleichzeitig sind Kenntnisse über die Temperaturverteilung und die Mischbewegungen notwendig, um Thermocycler und Laborschüttler sowie deren Prozessschritte zu verbessern. Dadurch können zum Beispiel PCR-Tests präziser und zeitoptimiert durchgeführt werden.

In einer Kronenradverzahnung kämmt ein evolventisches Stirnrad im 90°-Achswinkel mit einem Kronenrad. Im Gegensatz zu den etablierten Winkelgetrieben (Schnecken und Kegelradverzahnung) existieren für die Kronenradverzahnung keine Methoden für die Auslegung und den schnellen Tragfähigkeitsnachweis. Diese sind in der industriellen Anwendung unverzichtbar. Zudem fehlen aktuell detaillierte Kenntnisse, welchen Einfluss das Getriebeumfeld auf die Lebensdauer der Kronenradverzahnung hat. Aus dem elastischen Getriebeumfeld folgen Abweichungen im Zahnkontakt, die sich in der Regel negativ auf die Lebensdauer der Verzahnung auswirken.

In dem Forschungsprojekt sollen Methoden zur Auslegung einer Verzahnung und zur detaillierten Umfeldbetrachtung erarbeitet und experimentell abgesichert werden. Diese Aspekte bergen das Potenzial, die Lebensdauer zu steigern und somit die Nutzungsphase im Sinne der Kreislaufwirtschaft zu maximieren. Mit der gesteigerten Berechnungstiefe verringert sich die Anzahl notwendiger Iterationsschleifen in der Auslegung. Dadurch werden Ressourcen für Versuchsträger und Prüfstandsuntersuchungen eingespart. Außerdem wird der Bauraum optimiert, was sich direkt positiv auf Kosten, Gewicht und Ressourceneinsatz auswirkt und somit einen angemessenen Materialeinsatz nach den „12 Principles of Green Engineering“ gewährleistet. Im Vergleich zu etablierten Winkelgetrieben weist die Kronenradverzahnung insbesondere für kleine und mittlere Unternehmen (KMU) relevante Vorteile auf.

Process Mining, eine Technologie des datengetriebenen Prozessmanagements, eröffnet durch die Analyse von Ereignisprotokollen in IT-Systemen wertvolle Einblicke in Geschäftsprozesse. Unternehmen können auf dieser Basis gezielte Prozessverbesserungen vornehmen, die zu einer Reihe ökonomischer Vorteile wie Kostensenkung, Zeitersparnis oder erhöhte Kundenzufriedenheit führen können. Prozessverbesserung gilt daher auch als wichtigste Aktivität des Prozessmanagements. Trotz der allgemein anerkannten Relevanz sind bestehende Ansätze zur Prozessverbesserung jedoch fast ausschließlich manueller Natur und abhängig von menschlicher Intuition und Kreativität. Folglich bleiben das weitreichende Automatisierungspotenzial und daraus resultierende Kosten- und Zeitersparnisse ungenutzt.

Im Projekt wird daher eine konfigurierbare und anpassungsfähige Systemarchitektur für Prozessverbesserungssysteme entwickelt. Diese kombiniert neuartige Technologien, wie generative KI, mit dem Anwender als Wissensträger und bewältigt so die Komplexität moderner Geschäftsabläufe und ihre Optimierung. Die Systemarchitektur soll als Demonstrator prototypisch realisiert sowie unter realweltlichen Bedingungen evaluiert werden.

Die interdisziplinäre Zusammensetzung des Konsortiums aus Wissenschaft und Wirtschaft soll die hohe Qualität der Ergebnisse gewährleisten. Die Diversität der beteiligten Konsortialpartner lässt ein hohes Maß an Übertragbarkeit erwarten. Insgesamt sollen die Ergebnisse des Forschungsvorhabens bayerische Unternehmen dabei unterstützen, Fachkräfte im Bereich der Prozessverbesserung effizient einzusetzen und die Qualität der Prozesslandschaft zu erhöhen, indem diese vom Faktor der menschlichen Intuition und Kreativität entkoppelt werden.

Thermocycler und Laborschüttler sind wichtige Werkzeuge für die Bereiche Medizin, Molekularbiologie und Biochemie. Beispielsweise werden Polymerasekettenreaktionen (PCR) in diesen Geräten durchgeführt, die für die Erkennung von Erbkrankheiten und Viren-Infektionen aber auch für DNA-Analysen wichtig sind. Entscheidenden Einfluss auf die Qualität der Ergebnisse haben hierbei die Temperierung und Durchmischung der Proben. Diese Parameter lassen sich nur unzureichend während eines laufenden Prozesses messen, da viele Messverfahren die Temperatur und/oder die Strömungen invasiv verändern. Gleichzeitig sind Kenntnisse über die Temperaturverteilung und die Mischbewegungen notwendig, um Thermocycler und Laborschüttler sowie deren Prozessschritte zu verbessern. Dadurch können zum Beispiel PCR-Tests präziser und zeitoptimiert durchgeführt werden.

Ziel des Projekts ist es, die Temperaturverteilung innerhalb einzelner Microwells von Mikrotiterplatten mittels Laser-induzierter Fluoreszenz (LIF) räumlich zu untersuchen. Desweiteren sollen Hochgeschwindigkeitsaufnahmen der Oberflächenänderung der Flüssigkeit helfen, die Mischvorgänge genauer zu charakterisieren. Der entscheidende Vorteil beider Methoden ist, dass sie kontaktlos sind und somit den Heiz- und Mischprozess nicht verändern.

Gemeinsam mit dem Industriepartner Inheco GmbH wird auf Basis dieser Messergebnisse ein numerisches Modell erstellt. Indem zum Beispiel Prozessparameter verändert werden, kann ein solches Modell biochemische Prozesse verbessern. Dies hebt die Präzision sowie die Prozessgeschwindigkeit der Laborgeräte auf eine neue Stufe.

In der Herstellung von Pflanzenölen und Fruchtsäften werden Dekantierzentrifugen zur Abtrennung der Flüssigkeit eingesetzt. Dabei beeinflussen Prozessführung und Zentrifugengeometrie wesentlich die Ausbeute von circa 80 bis 90 Prozent Öl beziehungsweise Saft in hoher Qualität.

Ziel des Projekts ist die Untersuchung der Vorgänge bei der Entwässerung des Tresters auf kleiner Skala. Dazu werden der Anteil der Zwickelflüssigkeit (der noch in der Frucht gebundene Anteil), das rheologische Verhalten und das Feststofffließen des gesättigten Haufwerks erforscht. Es werden Simulationen der Diskreten-Elemente- Methode (DEM) gekoppelt mit Strömungssimulation aufgesetzt, um das Materialverhalten sowohl auf kleiner Skala als auch auf Ebene der gesamten Zentrifuge in einem Multi-Skalen-Ansatz abzubilden.

Durch die Kenntnis der Materialeigenschaften und der Vorgänge bei der Tresterentwässerung und Phasentrennung soll eine neuartige Schneckengeometrie für eine verbesserte Tresterextraktion entwickelt werden. Diese soll das Material mehrfach aufbrechen, umwälzen und im Ablauf komprimieren, um innenliegende Zwickelflüssigkeit freizulegen. Das Materialverhalten und die Fest-Flüssig-Trennung werden in Abhängigkeit von Zentrifugengeometrie und Prozessparametern anhand eines Demonstrators untersucht. Schneckengeometrien werden dafür über Rapid Prototyping hergestellt und in einer Laborzentrifuge im kleinen Maßstab untersucht.

Aufgrund von Temperatur- und Prozessschwankungen während der Fertigung ist es unvermeidbar, dass geometrische Abweichungen von der Nenngeometrie in technischen Produkten auftreten, so auch in Wälzlagern. Diese können einen Einfluss auf die funktionalen Eigenschaften eines Wälzlagers haben, zum Beispiel auf Reibung und Akustik. Bisher kann der Einfluss von Geometrieabweichungen auf die Eigenschaften lediglich mithilfe von komplexen und zeitaufwändigen Mehrkörpersimulationen ermittelt werden. Dies erschwert die Definition von Toleranzwerten bei der Auslegung der Lager.

Ziel dieses Projekts ist die Entwicklung einer Vorgehensweise, um mittels Methoden des maschinellen Lernens die Auswirkungen geometrischer Toleranzen der Wälzlagerkomponenten auf die Lagerdynamik in wenigen Sekunden vorhersagen zu können. Damit sollen die bisherigen Toleranzangaben sowohl auf die mögliche Optimierung hinsichtlich funktionaler Eigenschaften als auch auf möglichst kostengünstige Fertigungsverfahren untersucht werden.

Im Rahmen des Projekts soll zunächst eine Datenbasis generiert werden. Diese beruht auf zeitaufwändigen Simulationen der Lagerdynamik für ausgewählte geometrische Abweichungen eines Wälzlagers. Mit der Datenbasis wird im Anschluss ein Algorithmus des maschinellen Lernens als Vorhersagemodell trainiert. Dieser wird anschließend verifiziert und validiert, um eine hohe Berechnungs- und Vorhersagequalität des quasi-dynamischen Berechnungsmodells und des Vorhersagemodells sicherzustellen.

Die Hochfrequenztechnik im hohen GHz-Bereich ist seit der Einführung des Kfz-Radars keine Nischenanwendung mehr, sondern im Massenmarkt angekommen. Auch andere Bereiche wie Luft- und Raumfahrt, Laboranalytik, Gefahrstoffdetektion oder Sicherheitstechnik, zum Beispiel in Form von Körperscannern, sind maßgeblich von der Leistungsfähigkeit passiver Hochfrequenz-Komponenten abhängig. Dabei führt die Forderung nach höheren Datenraten/Auflösungen der Geräte zu steigenden Anwendungsfrequenzen, die wiederum mit kleineren Bauteilabmessungen einhergehen. In diesem Projekt werden Anwendungsfrequenzen von 1,1 THz adressiert, da entsprechende Messtechnik verfügbar geworden ist. Die hierfür erforderlichen Strukturgrößen stellen hohe Anforderungen an die Präzision der eingesetzten Fertigungsverfahren und übersteigen den derzeitigen Stand der Technik.

Das Standardverfahren zur Herstellung dieser Hohlleiterkomponenten ist derzeit das Fräsen in Split-Block-Technik, das heißt die Strukturen zur Führung/Manipulation elektromagnetischer Wellen werden mittels Fräser in zwei Halbschalen eingebracht, die anschließend zusammengefügt werden. Auf diese Weise können einfache Wellenleiterkanäle hergestellt werden. Anwendungsstrukturen erfordern jedoch deutlich komplexere Details, die die Möglichkeiten heutiger Frästechniken übersteigen. In den vergangenen Jahren hat sich die additive Fertigung als Alternative zur Herstellung von Hochfrequenzbauteilen entwickelt, da sie eine hohe Designfreiheit bietet. Daher werden im Projekt „Optimierung von Fräsprozessen“ auch Fräsverfahren in Kombination mit Laserablation untersucht. Zudem werden die verschiedenen Ansätze zum selektiven Laserschmelzen von Metallpulvern sowie beschichtete Kunststoffgrundkörper in die Untersuchungen einbezogen.

Die Herstellung metallischer Gussteile unter Verwendung von verlorenen Kernen („Sandkernen“) in Gießformen ist Stand der Technik für eine Vielzahl von Komponenten in der Automobilindustrie, in der Luft- und Raumfahrt sowie in der Medizin-, Armaturen- und Elektrotechnik. Eine effektive Erweiterung der Herstellung dieser Sandkerne stellt seit etwa zwei Jahrzehnten die additive Fertigung mit dem Binder-Jetting-Verfahren dar. Die Merkmale der additiven, pulverbettbasierten Kernherstellung (3D-Druck) sind eine nahezu unbegrenzte geometrische Gestaltungsfreiheit, der Verzicht auf kostenintensive, konturabbildende Werkzeuge und damit die Möglichkeit, auch kleinere Losgrößen wirtschaftlich zu fertigen. Den Verfahrensvorteilen stehen jedoch eine geringere Prozessstabilität, eine schlechtere Oberflächenqualität sowie ein geringer Automatisierungsgrad gegenüber.

Im Mittelpunkt des Projektes EnIAAF steht die Entwicklung eines intelligenten und automatisierten Fertigungszentrums zur Herstellung qualitativ hochwertiger Sandkerne im Kontext einer wirtschaftlichen Serienfertigung in enger Zusammenarbeit zwischen den Partnern Inacore, Laempe Mössner Sinto, R. Scheuchl sowie dem wissenschaftlichen Institut FORWISS der Universität Passau. Die Teilprozesse des 3D-Drucks werden durch Algorithmen wesentlich intelligenter gestaltet und in einem Maß automatisiert, das eine massive Reduktion der Kernkosten und der Produktionsdauer sowie eine Steigerung der Umweltfreundlichkeit mit sich bringt. Zentrale Elemente des Projekts sind dabei die volumetrische Geometrieanalyse, die automatisierte Parameterfindung des Druckauftrags, die mathematische Modellierung und schließlich die hardwareseitige Erweiterung des Druckers und der Kern-Nachbearbeitung.