i4Q will provide a complete solution consisting of sustainable IoT-based Reliable Industrial Data Services (RIDS) able to manage the huge amount of industrial data coming from cost-effective, smart, and small size interconnected factory devices for supporting manufacturing online monitoring and control. The i4Q Framework will guarantee data reliability with functions grouped into five basic capabilities around the data cycle: sensing, communication, computing infrastructure, storage, and analysis and optimisation; based on a microservice-oriented architecture for the end users. With i4Q RIDS, factories will be able to handle large amounts of data, achieving adequate levels of data accuracy, precision and traceability, using it for analysis and prediction as well as to optimise the process quality and product quality in manufacturing, leading to an integrated approach to zerodefect manufacturing. i4Q Solutions will efficiently collect the raw industrial data using cost-effective instruments and state-of-the-art communication protocols, guaranteeing data accuracy and precision, reliable traceability and time stamped data integrity through distributed ledger technology. i4Q Project will provide simulation and optimisation tools for manufacturing line continuous process qualification, quality diagnosis, reconfiguration and certification for ensuring high manufacturing efficiency and optimal manufacturing quality. BIBA focuses on: 1) the creation of data quality guidelines for manufacturing and 2) the extension of its software QualiExplore to support a) production data quality knowledge, and b) production line certification under the aspect of data quality. The extension of QualiExplore includes the integration of a digital assistant (conversational AI).

ENHANCE aims at strengthening the cooperation between 3 EU and 4 PC universities across recent research outcomes related to MPQ 4.0. From a capacity-building perspective, this consortium will improve the capacity of HEI in PC with innovative programmes. It will develop new competencies and skills to transfer later to socio-economic partners. ENHANCE will guarantee the sustainability of the consolidated learning programs and materials through the creation of 2 new DIH in PC.

ACROBA project aims to develop and demonstrate a novel concept of cognitive robotic platforms based on a modular approach able to be smoothly adapted to virtually any industrial scenario applying agile manufacturing principles. The novel industrial platform will be based on the concept of plug-and-produce, featuring a modular and scalable architecture which will allow the connection of robotic systems with enhanced cognitive capabilities to deal with cyber-physical systems (CPS) in fast-changing production environments. ACROBA Platform will take advantage of artificial intelligence and cognitive modules to meet personalisation requirements and enhance mass product customisation through advanced robotic systems capable of self-adapting to the different production needs. A novel ecosystem will be built as a result of this project, enabling the fast and economic deployment of advanced robotic solutions in agile manufacturing industrial lines, especially industrial SMEs. The characteristics of the ACROBA platform will allow its cost-effective integration and smooth adoption by diverse industrial scenarios to realise their true industrialisation within agile production environments. The platform will depart from the COPRA-AP reference architecture for the design of a novel generic module-based platform easily configurable and adaptable to virtually any manufacturing line. This platform will be provided with a decentralized ROS node-based structure to enhance its modularity. ACROBA Platform will definitely serve as a cost-effective solution for a wide range of industrial sectors, both inside the consortium as well as additional industrial sectors that will be addressed in the future. The Project approach will be demonstrated by means of five industrial large-scale real pilots, Additionally, the Platform will be tested through twelve dedicated hackathons and two Open calls for technology transfer experiments.

Der Mensch steht im Zentrum wissensintensiver Herstellungsprozesse. Er muss qualifiziert und flexibel sein, um den Anforderungen seiner Arbeitsumgebung gerecht zu werden. Die Ausbildung neuer Mitarbeiter in diesen Prozessen ist für Unternehmen zeit- und kostenintensiv. Viele Branchen leiden unter dem Fachkräftemangel, der z.B. durch den demographischen Wandel verursacht wird. Eine zweite Herausforderung für das produzierende Gewerbe ist der ständige Wettbewerb durch qualitativ hochwertige Produkte. COALA wird beide Herausforderungen durch das innovative Design und die Entwicklung eines sprachgesteuerten digitalen intelligenten Assistenten für den Fertigungssektor angehen. Die COALA-Lösung wird auf dem datenschutzfokussierten offenen Assistenten Mycroft basieren. Er integriert eine präskriptive Qualitätsanalyse, ein KI-System zur Unterstützung der Ausbildung neuer Mitarbeiter am Arbeitsplatz und eine neuartige Erklärungssoftware - die WHY-Engine. COALA wird sich mit der KI-Ethik während des Entwurfs, des Einsatzes und der Nutzung der neuen Lösung befassen. Entscheidende Komponenten für die Einführung der Lösung sind ein neues didaktisches Konzept, um Arbeitnehmer über Chancen, Herausforderungen und Risiken in der Zusammenarbeit zwischen Mensch und KI zu informieren, sowie ein gleichzeitiger Änderungsmanagementprozess. Drei Anwendungsfälle (Textil, weiße Ware, Flüssigkeitsverpackung) werden die Ergebnisse in gemeinsamen Fertigungsprozessen mit erheblicher wirtschaftlicher Relevanz bewerten. Wir gehen davon aus, dass die Fehlerkosten bei der Herstellung durch das Merkmal der präskriptiven Qualitätsanalyse und die KI-gestützte Schulung der Arbeitnehmer um 30-60% gesenkt werden können. Für die Rüstzeit erwarten wir eine Reduzierung um 15% bis 30% durch die Verkürzung der Mitarbeiterschulungszeit.

Die Fertigung von Großteilen erfordert die Implementierung eines ganzheitlichen Daten-Managements und einer integrierten Automatisierungsmethode, um mit modularen und flexibleren Geräten das gewünschte Maß an Präzision zu erreichen. Die Herstellung von Großteilen zeichnet sich durch ein hohes Maß an erforderlichen Anpassungen aus (kundenspezifisch). Zudem umfasst die Herstellung komplexer und großtechnischer Teile eine Vielzahl von Unterbaugruppen, die zuerst dafür gefertigt und montiert werden müssen.

Dieser hohe Grad an Personalisierung erfordert einen großen Aufwand bei der Konstruktion und der anschließenden Überprüfung nach der Herstellung, um die hohe Präzision zu errreichen. Gleichwohl erfordert dieses maßgeschneiderte, produktorientierte Design eine Ressourcenoptimierung der Werkstatt (d.h. Arbeiter, Maschinen, Geräte) für eine reaktionsschnelle, rekonfigurierbare und modulare Hertigung. Hinzu kommt der arbeiterzentrierte Ansatz: die Ausführung wichtiger arbeitsintensiver Aufgaben durch die Beibehaltung branchenspezifischer Kenntnisse und Fähigkeiten der Arbeiter.

PENELOPE stellt eine neuartige Methodik auf, die produktzentriertes Datenmanagement und Produktions- und Zeitplanung in einer geschlossenen digitalen Regelkreis verbindet, um eine genaue und präzise Herstellbarkeit ab dem ersten Produktdesign sicherzustellen.

PENELOPE basiert auf fünf Säulen für die Entwicklung einer gemeinsamen Methodik und Vision, die in vier industriellgesteuerten Pilotlinien in strategischen Fertigungssektoren eingesetzt werden: Öl und Gas, Schiffbau, Luftfahrt und Bus & Coach; mit potenzieller Reproduzierbarkeit auf weitere Industriesektoren. Darüber hinaus wird ein europaweites Netzwerk von didaktischen Fabriken und Schauräumen eingerichtet, welche Schulungs- und Weiterbildungsmöglichkeiten bietet und den Wechsel der Belegschaft zur Industrie 4.0 samt Mehrzweck-Testbettten ermöglicht und die Adaption der zugehörigen Industrie unterstützt. PENELOPE beabsichtigt, die Wettbewerbsfähigkeit des Fertigungssektors in der EU stark zu erhöhen, indem Produktionsleistung, -qualität und -genauigkeit gesteigert und gleichzeitig die Sicherheit und Ressourceneffizienz der Arbeitnehmer gewährleistet werden.