Die Offshore-Baustellenlogistik mit Schwerpunkt der Windenergie definiert ein komplexes Planungs- und Steuerungsproblem. Grundsätzlich werden hierzu ereignisdiskrete Simulationsverfahren oder Ansätze der mathematischen bzw. stochastischen Optimierung eingesetzt. Beide Methoden besitzen Vor- und Nachteile hinsichtlich Laufzeit, Detaillierungsgrad und Optimalitätsbedingungen.

In diesem Projektvorhaben soll deshalb die komplementäre Nutzung untersucht werden. Ausgehend von einem einheitlichen Grundmodell werden ereignisdiskrete Simulationsmodelle als auch Modelle der stochastischen Optimierung für verschiedene Abstraktions-/Aggregationsebenen abgeleitet und verknüpft. Im Ergebnis sollen die jeweiligen Vorteile der beiden Methoden in einem komplementären Ansatz für eine verbesserte rechnergestützte Planung und Steuerung genutzt werden.

Die Nutzung von LNG-Antrieben (Liquefied Natural Gas) bei Schiffen hat große umwelttechnische Vorteile, da sie Seegebiete und Häfen emissionstechnisch entlasten. Im Projekt soll ein sensitives Armaturen Set für den hochvolumigen LNG Transfer zwischen Schiffen entwickelt werden. Dieses soll auf einer Vielzahl verschiedener Schiffstypen zum Einsatz kommen können und dadurch eine deutlich höhere Sicherheit, Installier- und Wartbarkeit bei gleichzeitiger Kostenreduktion ermöglichen. Die Aufgabe des BIBA ist dabei die Entwicklung einer Augmented Reality (AR)-Lösung, die zu Wartungs- und Servicezwecken dieser Armaturen eingesetzt werden kann.

Mittels einer Kombination aus einer kommerziellen Datenbrille, einer Kamera sowie eines Embedded-PC wird eine konfigurierbare Anwendungslösung geschaffen. Diese soll in der Lage sein die vorliegende Komponente zu identifizieren, zugehörige Zustandsinformationen sowohl visuell als auch per Funk auszulesen und die Nutzer mit Wartungsinformationen und Checklisten zu versorgen.

Die AR-Lösung soll bedarfsgerecht zur Unterstützung von Technikern beim Betrieb sowie bei Installations- und Wartungsarbeiten der LNG-Armaturen entwickelt werden. Mittels Techniken der Bildverarbeitung und Objekter-kennung sollen dabei zunächst Zustandsinformationen der Armaturen erfasst werden. Anschließend wird ein AR-User Interface entwickelt, das als Assistenzsystem der Nutzer fungiert.

Bei der Handhabung von kryogenen Fluiden (beispielsweise verflüssigtes Erdgas) bestehen große Risiken bezüglich der Betriebssicherheit. Bei Austritt der Flüssigkeit während eines Transfervorgangs (z. B. Betankung von Schiffen) können schnell große Mengen Gas entstehen, die leicht entzündlich und explosiv sind. Einem entsprechenden Sicherheitssystem zur Prozessüberwachung kommt daher große Bedeutung zu.

Das Ziel des Projektes ist eine Verbesserung der Betriebssicherheit während des LNG-Transfervorgangs durch ein redundant angelegtes optisches Überwachungssystem. Dieses soll in der Lage sein Armaturen, Schiffsaufbauten und Menschen selbsttätig zu erkennen und eine automatisierte Sichtprüfung der korrekten Kopplung vorzunehmen.

Das Mehrkamerasystem besteht aus einer Weitwinkel-, einer Zoom- und einer Infrarotkamera und kann somit auf verschiedenste Umgebungsbedingungen (Tag, Nacht, Wettereinflüsse) reagieren. Es überwacht selbsttätig den LNG-Transferprozess. Mittels Deep Machine Learning wird die Objekterkennung von Armaturen, Schiffaufbauten und Menschen ermöglicht, die zur Überwachung des Gefahrenraums notwendig ist.

Ziel des Projektes ist die Entwicklung einer Toolbox zur Überwachung von Sensordaten für eine individuelle prädiktive Instandhaltung von Dieselmotoren für Schienenfahrzeuge.

Motivation:

Derzeit werden Instandhaltungsmaßnahmen reaktiv oder in periodischen Intervallen präventiv durchgeführt. Dieses Vorgehen ist jedoch mit hohen Kosten verbunden, da im Schadensfall meist Folgeschäden auftreten. Zudem führen die ausgefallenen Züge nicht nur zu Verspätungen der darin transportierten Personen und Güter, sondern blockieren auch die Bahnstrecke für weitere Transporte und die damit zusammenhängende Logistikkette. Allerdings ergeben sich durch das vorsorgliche Austauschen der Komponenten relativ hohe Instandhaltungskosten, da diese noch für einen längeren Zeitraum hätten genutzt werden können.

Methodik:

Durch eine Instandhaltung im Bedarfsfall (kurz vor Störereignis) können die Instandhaltungskosten minimiert werden, ohne das Risiko eines Zugausfalls signifikant zu erhöhen. Unter Anwendung künstlicher Intelligenz sollen frühzeitig auszutauschende Motorkomponenten identifiziert und damit eine ressourceneffiziente Instandhaltungsplanung ermöglicht werden.

Die Fertigungsindustrie steht durch den zunehmenden globalen Wettbewerb, kostengünstige Produktion in Entwicklungsländern sowie die knappen Rohstoffe vor großen Herausforderungen. EIT Manufacturing ist eine Initiative des Europäischen Innovations- und Technologieinstituts (EIT), in dem das BIBA einer von 50 Kernpartnern ist. Die Initiative hat das Ziel, europäische Akteure der Fertigungsindustrie in innovativen Netzwerken zusammenzubringen, die einen einzigartigen Mehrwert für europäische Produkte, Prozesse und Dienstleistungen schaffen. Dies soll der europäischen Fertigungsindustrie helfen, wettbewerbsfähiger, nachhaltiger und produktiver zu arbeiten.

Hierfür werden sechs Strategien verfolgt:

 

1. Exzellente Fertigungsqualitäten und Talente: Wertschöpfung durch hochqualifizierte Arbeitskräfte und engagierte Studierende
2. Effiziente Ökosysteme für Fertigungsinnovationen: Wertschöpfung durch die Schaffung von Ökosystemen für Innovation, Unternehmertum und Unternehmenstransformation, welche sich auf Innovations-Hotspots konzentrieren
3. Vollständige Digitalisierung der Fertigung: Wertschöpfung durch digitale Lösungen und Plattformen, die Wertnetzwerke weltweit verbinden
4. Kundenorientierte Fertigung: Wertschöpfung durch agile und flexible Fertigung, die dem globalen personalisierten Bedarf entspricht
5. Sozial nachhaltige Produktion: Wertschöpfung durch sichere, gesunde, ethische und sozial nachhaltige Produktion und Produkte
6. Umweltfreundliche, nachhaltige Produktion: Wertschöpfung durch das Erschaffen einer umweltfreundlicheren und saubereren Industrie

   Die Initiative setzt sich bis 2030 folgende Ziele:

    

   • 1000 Start-Ups zu entwickeln und zu unterstützen-
   • 60% der Fertigungsunternehmen sollen nachhaltige Produktionsverfahren anwenden
   • Investitionen in der Höhe von 325 Millionen EUR sollen von EIT Projekten herangezogen werden
   • 50000 Personen sollen aus- und fortgebildet sowie umgeschult werden
   • Es sollen 360 neue innovative Lösungen entwickelt werden
   • 30% des Materialeinsatzes soll wiederverwendbar sein