Abgeschlossene Projekte

Innerhalb der letzten Jahre wurden eine große Anzahl an Forschungsprojekten erfolgreich abgeschlossen. Aus diesen generieren sich neue Impulse für die weitere Forschung.

Modularisierung und Package Unit Integration

Package Units werden heute zur Versorgung der Anlage mit Einsatz und Hilfsstoffen oder zur Konfektionierung von Endprodukten eingesetzt und üblicherweise mit einem eigenen Automatisierungssystem mit vordefinierten Funktionen und Verhalten ausgeliefert. Die Integration einer Package Unit in ein übergeordnetes Leitsystem ist mit großen manuellen Aufwänden verbunden. Einer der wichtigsten Punkte auf dem Gebiet der Integration von Package Units ist die Fähigkeit, Beschreibungen von Ablaufsteuerungen der Package Unit zur Visualisierung und manuellen Eingriffen übertragen zu können.

In diesem Projekt wurden Potentiale und Grenzen aktueller und perspektivischer Technologien (z.B. FDI) für eine vereinfachte Integration von Package Units in ein Prozessleitsystem analysiert und am Beispiel der Integration einer Ablaufsteuerung prototypisch umgesetzt.

SIMATIC PCS 7 Hochschulmodule

Siemens Automation Cooperates with Education (SCE) bietet mehr als 100 kostenlose didaktisch aufbereitete Lehrunterlagen für die Erstausbildung zum Thema Automatisierungs- und Antriebstechnik - abgestimmt auf Lehr- und Studienpläne und optimal verwendbar in Kombination mit den erwerbbaren Trainerpaketen.

Lehrunterlagen für SIMATIC PCS 7 fehlten noch und deshalb sollte ein passendes Konzept für die Nutzung an Hochschulen erstellt werden.

SCE Wissensplattform

Mit dem TIA-Portal und den neuen S7-1500er Steuerungen sollten diese noch einmal auf ihre fachdidaktisches Konzept hin überprüft und optimiert werden.

Ziel dieses Projektes ist es deshalb ein modernes fachdidaktisches Konzept für die Lehrunterlagen von SCE zu erstellen und die ersten Module damit zu realsiieren.

FDI Usability Style Guide

In diesem Projekt unterstützte die Professur für Prozessleittechnik das FDI Usability Style Guide Team bei der Analyse des Ist-Stands bei der Feldgeräteintegration, Identifikation von Handlungsbedarf, und Formulierung von Verbesserungsvorschlägen und bei der Gestaltung und Evaluation des Styleguides durch Usability-Experten.

Explorative Untersuchung der App-basierten Anlagendiagnose mit mobilen Informationssystemen

Im Rahmen dieses Projekts wurde das Potenzial einer App-basierten Anlagendiagnose mit mobilen Informationssystemen explorativ untersucht. Dazu wurden die Arbeitsaufgaben und Nutzungskontexte der Anlagendiagnose eingehend analysiert, Schwerpunktaufgaben identifiziert und geeignete Szenarien abgeleitet.

Für die drei exemplarischen Aufgaben Überwachung, Diagnose und Therapie wurde dazu ein integriertes mobiles Informationssystem konzipiert, gestaltet und prototypisch realisiert, welches Informationen aus der digitalen Anlage über eine kabellose Netzwerkverbindung beziehen und vor Ort visualisieren kann.

Basierend auf diesen Ergebnissen wurden im Rahmen eines Fokusgruppen-Workshops mit Vertretern unterschiedlicher Industriebereiche neuartige Dienstleistungen im Bereich der Anlagendiagnose identifiziert und ausgearbeitet.

Fast Semantics

Fast Semantics

Für die vertikale Integration von semantischen Informationsträgern in prozessnahen Anlagenebenen ist es unabdingbar, dass perspektivisch auch Aktoren und Sensoren in der Feldebene ihren Datenhaushalt intelligent darstellen. Für Szenarien wie Prozessoptimierung, intelligente Prozessführung, assistive Leitwartentechnologien oder vorbeugende Wartung ist es erforderlich, Laufzeit- und Lebenszyklusdaten aus allen Ebenen und Abstraktionsschichten einer Anlagentopologie zu beziehen und zu verarbeiten.

Aktorik und Sensorik ist einer der wesentliche Treiber jeder Prozessautomation. Datenprotokolle wie OPC UA stellen diese Geräteklassen allerdings vor eine Herausforderung: Die darin verbauten Mikrorechenplattformen sollen langlebig, resilient und gleichzeitig kosteneffektiv sein. Anforderungen des OPC UA Protokolls erzwingen allerdings den Einsatz komplexer Rechensysteme auf 32-Bit Basis unter Einsatz externer Speicherkomponenten. Es steigt dadurch nicht nur der Preis, sondern auch die Komplexität der Produkte sowie die Anzahl der Fehlerquellen. Die Kernaufgabe der Rechenplattform, die Kontrolle der Aktoren und Sensoren, bleibt unverändert. Software muss gleichzeitig auf diese neueren, mächtigeren Plattformen unter hohem Aufwand portiert und neu verifiziert werden.

Im Projekt Fast Semantics wird im Rahmen des fast actuators, sensors & tranceivers (fast) Clusters die Umsetzung eines hardwarebasierten OPC UA Servers untersucht, der als periphere Komponente für Mikrorechenarchitekturen fungiert. Die Implementierung des Servers in Hardware ermöglicht erstmal die vollständig deterministische, hart-echtzeifähige Umsetzung des OPC UA Protokolls on-chip. Der für das Projekt entstehende ASIC verwendet zudem die 28nm CMOS SLP Technologie, die extreme Energieeffizienz ermöglicht. Das durch das fast carnet beigesteuerte 2-Wire, GBit Ethernet PHY bietet eine echtzeitfähige Kommunikationsanbindung mit hoher Bandbreite. Es entsteht eine hochgradig parametrisierbare, skalierbare IP-Grundlage für semantisch kommunizierende Aktoren und Sensoren in der Feldebene.

KI-Inkubator-Labore in der Prozessindustrie

KEEN verbindet 20 Industrie- und Wissenschaftseinrichtungen mit dem Ziel, die Technologien und Methoden der Künstlichen Intelligenz (KI) in der Prozessindustrie einzuführen und ihr technisches, wirtschaftliches und gesellschaftliches Potenzial zu evaluieren und zu realisieren. Das KEEN-Konsortium forscht an der Implementierung von KI-Methoden in der Prozessindustrie in drei Themenbereichen:

Modellierung von Prozessen, Produkteigenschaften und Anlagen
Engineering von Anlagen und Prozessen
Optimierung des Betriebs und der Realisierung selbstoptimierender Anlagen.

Das KEEN-Projekt hat zum Ziel, die Effizienz aller Engineering- und Produktionsaktivitäten entlang des Produktlebenszyklus durch den Einsatz von Methoden der Künstlichen Intelligenz wesentlich zu steigern. Zur Erprobung der Methoden stehen reale Daten aus industriellen Prozessen zur Verfügung. Die neu entwickelten Methoden der Künstlichen Intelligenz werden in realen Arbeitsumfeldern und Produktionsanlagen pilotiert, um den wirtschaftlichen Nutzen und die Anwendbarkeit und Zuverlässigkeit der Methoden und Technologien nachzuweisen.

KEEN ist ein Forschungsprojekt, das eine weitere Post-Pilot Lücke nach sich zieht. Diese wird durch ein Netzwerk aus Inkubatorlaboren geschlossen, um einen nachhaltigen Transfer zu gewährleisten. Die adressierte Lücke reicht von einem Technologie-Reifegrad (technology readiness level) TRL4 in der Laborphase zu TRL 8 in der Pilotanwendungsphase.

Ziel der Inkubatorlabore ist das Ableiten und die Definition von KI-basierten Geschäftsmodellen für die Fortführung der Inkubatorlabore nach dem Auslaufen der Förderung. Erste spezifische Antworten auf typische Fragen der Geschäftsprozessentwicklung wie Kundensegmente, Schlüsselpartner, Schlüsselaktivitäten und Schlüsselressourcen werden identifiziert. Abzuleiten sind Transparenzanforderungen an das Ökosystem und die Identifikation von Ziel- und Interessenskonflikten.