Methoden und Werkzeuge in Ganzheitlichen Produktionssystemen 4.0

 Kurzbeschreibung: Das Fraunhofer IPA widmet sich mit dem Leitthema »Technologien für die menschzentrierte Produktion« der Gestaltung von Arbeits- und Produktionssystemen. Praktisch werden Ausführungs-, Wahrnehmungs- und Entscheidungsassistenzsysteme entwickelt und erprobt. Begleitend bietet das IPA seine Expertise im Technologiemanagement und hinsichtlich Umsetzungsmethoden an. Der Pitch gibt einen kurzen Überblick über die verschiedenen Forschungsinhalte.

Referent

M.Sc. Simon Schumacher

Projektleiter Future Work Lab
Fraunhofer IPA    

 

Resilienzstrategien für die Produktion

 Kurzbeschreibung: Das Fraunhofer IPA widmet sich mit dem Leitthema »Technologien für die menschzentrierte Produktion« der Gestaltung von Arbeits- und Produktionssystemen. Praktisch werden Ausführungs-, Wahrnehmungs- und Entscheidungsassistenzsysteme entwickelt und erprobt. Begleitend bietet das IPA seine Expertise im Technologiemanagement und hinsichtlich Umsetzungsmethoden an. Der Pitch gibt einen kurzen Überblick über die verschiedenen Forschungsinhalte.

Referent

Florian Maier

Wissentschaflticher Mitarbeiter Umsetzungsmethoden für die digitale Produktion
Fraunhofer IPA

 

Matrixmontage –  Werden Sie flexibel und resilient!

Heutige Montagesysteme stehen vor großen Herausforderungen: Eine hohe Anzahl an Varianten, unsichere Stückzahlprognosen und ein schwankender Variantenmix machen die Linienmontage ineffizient und erfordern einen hohen Steuerungsaufwand. Modulare Matrixmontagesysteme aus frei verketteten Stationen etablieren sich als wettbewerbsfähige, alternative Montagestruktur in einem volatilen Umfeld.

Referentin

M.Sc. Susann Kärcher

stellv. Gruppenleiterin Abteilung Fabrikplanung und Produktionsmanagement Fraunhofer IPA

 

ARCaide

ARCaide revolutioniert die Montageplanung durch eine automatisierte Erstellung von Montageplänen, Montageanleitungen und Assistenz-Systemen für die Produktion.

Referent

M. Sc. Alexander Neb

Projektleiter ROboter- und Assistenzanalyse
Fraunhofer IPA

 

 D²UNA - Data driven user needs assessments

Im Projekt D²UNA (Data Driven User Needs Assessments) werden Sensor- und Maschinendaten in die Nutzerbedürfnisanalyse integriert. Damit können auch versteckte sowie unbewusste Anforderungen entdeckt und dadurch ein tiefes Systemverständnis gewonnen werden. Dies dient als Grundlage für die Gestaltung nachhaltiger, menschzentrierter Arbeitsplätze und Systeme.

Referent

Timo Leitritz

Wissenschaftlicher Mitarbeiter Szenenanalyse
Fraunhofer IPA

 

LeanDA – Wireless AI-enabled Assembly Analytics
Manuelle Montageprozesse gehören mit ihrem häufig hohen Anteil an der Gesamtfertigungszeit zu den zentralen Kostentreibern, insbesondere in Hochlohnländern. Gleichzeitig können hier die Optimierungspotentiale durch Industrie 4.0 und KI aufgrund mangelnder Schnittstellen zur automatisierten Datenerfassung nur bedingt realisiert werden. Mit LeanDA haben wir einen wichtigen Lösungsbaustein für diese Herausforderung entwickelt, durch den mittels drahtloser Sensoren Daten von manuellen Prozessen erfasst und prozessparallel ausgewertet werden können, um automatisiert Optimierungspotentiale zu identifizieren.

Referent

M. Sc. Julian Maier

Wissenschaftlicher Mitarbeiter Autonome Produktionsoptimierung 
Fraunhofer IPA

 

ThirdAI

Referent

M. Sc.Tobias Stahl
Wissenschaftlicher Mitarbeiter fRAUNHOFER ipa

 

APA APP (Automatisierungspotenzialanalyse)

Referent

Joshua Beck

Wissenschaftlicher Mitarbeiter Fraunhofer IPA

 

Neuro CAD
Wir stellen unser aktuelles Forschungsprojekt mit Schwerpunkt „Optimierung der Automatisierbarkeit in der Produktion“ vor. Durch den Einsatz von KI wollen wir abstrakte Eigenschaften von Bauteilen erkennen, bewerten und optimieren. Ziel ist es, Konstrukteuren ein Werkzeug an die Hand geben um Probleme, welche erst bei der automatisierten Montage von Bauteilen auftreten, bereits beim Design der Bauteile zu erkennen und zu beseitigen. 

Referent

Steffen Tauber

Wissenschaftlicher Mitarbeiter Szenenanalyse Fraunhofer IPA

 

Simulation driven assembly learning

Referent

M. Sc. Marcel Albus

Wissenschaftlicher Mitarbeiter Szenenanalyse Fraunhofer IPA