i4Q bietet eine Komplettlösung, bestehend aus nachhaltigen IoT-basierten, zuverlässigen Industriedatendiensten (RIDS), die in der Lage sind, die riesigen Mengen an Industriedaten zu verwalten, um die Online-Überwachung und -Steuerung der Fertigung zu unterstützen. Das i4Q Framework garantiert die Zuverlässigkeit der Daten mit Funktionen, die in fünf Grundfunktionen rund um den Datenzyklus gruppiert sind: Sensorik, Kommunikation, Recheninfrastruktur, Speicherung sowie Analyse und Optimierung. Mit i4Q RIDS werden Fabriken in der Lage sein, große Datenmengen zu verarbeiten und dabei ein adäquates Niveau an Datengenauigkeit, Präzision und Rückverfolgbarkeit zu erreichen. Die Daten werden für Analysen und Vorhersagen sowie zur Optimierung der Prozess- und Produktqualität in der Fertigung genutzt, was zu einem integrierten Ansatz für eine Null-Fehler-Fertigung führt. i4Q Solutions wird die industriellen Rohdaten mit kostengünstigen Instrumenten und modernsten Kommunikationsprotokollen effizient erfassen und dabei Datengenauigkeit und -präzision, zuverlässige Rückverfolgbarkeit und zeitgestempelte Datenintegrität durch Distributed-Ledger-Technologie garantieren. i4Q Project wird Simulations- und Optimierungswerkzeuge für die kontinuierliche Prozessqualifizierung der Fertigungslinie, Qualitätsdiagnose, Neukonfiguration und Zertifizierung bereitstellen, um eine hohe Fertigungseffizienz und optimale Fertigungsqualität zu gewährleisten. Das BIBA konzentriert sich auf: 1) die Erstellung von Datenqualitätsrichtlinien für die Fertigung und 2) die Erweiterung seiner Software QualiExplore zur Unterstützung von a) Produktionsdatenqualitätswissen und b) Fertigungslinienzertifizierung unter dem Aspekt der Datenqualität. Die Erweiterung von QualiExplore beinhaltet die Integration eines digitalen Assistenten (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.

Technische Logistiksysteme werden zunehmend flexibler, womit Konfigurations-, Umrüstungs- und Steuerungstätigkeiten entsprechender Systeme komplexer werden und hochqualifizierte IT-Experten erfordern. Demgegenüber steht jedoch ein steigender Fachkräftemangel im IT-Bereich. Das Forschungsprojekt KoMILo zielt darauf ab, mittels einer intuitiven und intelligenten Benutzerschnittstelle dieser Herausforderung entgegenzuwirken und geringer qualifizierte Beschäftigte für entsprechende Tätigkeiten zu befähigen. Das Projekt widmet sich der Entwicklung eines kontextabhängigen und brachenübergreifend einsetzbaren Frameworks, welches den Beschäftigten prozess- und situationsabhängige Vorschläge zur Durchführung unterschiedlicher Konfigurations-und Steuerungsaktionen bereitstellt. Den Mitarbeiter*innen werden dabei Interaktions- und Konfigurationsmöglichkeiten basierend auf technischen Grundfunktionalitäten, einem digitalen Zwilling und mithilfe von künstlicher Intelligenz generiert, indem System-, Prozess- und Mitarbeiterdaten zusammengeführt und analysiert werden. Neben der Toucheingabe ermöglichen Sprachassistenten eine multimodale Interaktion. Anhand des zellularen Fördersystems celluveyor, eines fahrerlosen Transportsystems und eines kollaborativen Robotersystems wird das Framework zur kontextabhängigen, multimodalen Mensch-Technik-Interaktion evaluiert.

Zwischen den hervorragenden Ergebnissen aus öffentlich geförderten Forschungsprojekten zu Digitalisierung und KI und der Umsetzung in dauerhaft verfügbare Lösungen ist eine systembedingte Lücke festzustellen. Gesamtziel des Projekts ecoKI ist, diese Lücke zu schließen. Mit dem Aufbau einer

Infrastruktur zur Unterstützung von KMUs bei der Einführung von KI-Technologien für Energieeffizienz verfolgt ecoKI folgende Teilziele:

 

1. Generische Digitalisierungs- und KI-Bausteine möglichst einfach zur Steigerung der Energieeffizienz nutzbar zu machen.
2. Reduzierung der Einstiegsbarrieren für KMU bei der Nutzung von Digitalisierung und Methoden des maschinellen Lernens zur Steigerung dernEnergieeffizienz.