Corofa

Close-to-Body Sensor System for Collaboration in Robot Farms

Show project description Hide project description

So far, security research and technology development has focused almost exclusively on human

collaboration with a single robot. However, in industry several robots are increasingly working together

directly for single process steps and share workspace.

The Corofa project aims to develop a procedure for the introduction and design of safe human-robot

collaborations in multi-robot assembly systems. This will create working environments in which humans

and several robots share workspace and work together simultaneously. For safe collaboration, a close-tobody

sensor system will be developed in addition to the procedure with which persons in the workspace

can be detected, identified and localised and their behaviour/intentions can be recognised. It shall be

made possible by intelligent data analysis with process mining algorithms.

The COVR toolkit and the protocols will be integrated into the procedure and verified/validated by a

comparison with the results of the process mining.

Duration 01.04.2020 - 31.12.2020, Funded by COVR Award

Contact person

Projektlogo Fostering DIHs for Embedding Interoperability in CyberPhysical Systems of European SMEs
Project website

DIH4CPS

Fostering DIHs for Embedding Interoperability in CyberPhysical Systems of European SMEs

Show project description Hide project description

The initiative for Fostering DIHs for Embedding Interoperability in Cyber-Physical Systems of European SMEs (DIH4CPS) will help European enterprises overcome innovation hurdles and establish Europe as a world leading innovator of the Fourth Industrial Revolution. DIH4CPS will create an embracing, interdisciplinary network of DIHs and solution providers, focussed on cyber-physical and embedded systems, interweaving knowledge and technologies from different domains, and connecting regional clusters with the pan-European expert pool of DIHs.

Duration 01.01.2020 - 31.12.2022, Funded by H2020

Contact person

Projektlogo An Open, Trusted Fog Computing Platform Facilitating the Deployment, Orchestration and Management of Scalable, Heterogeneous and Secure IoT Services and cross-Cloud Apps

RAINBOW

An Open, Trusted Fog Computing Platform Facilitating the Deployment, Orchestration and Management of Scalable, Heterogeneous and Secure IoT Services and cross-Cloud Apps

Show project description Hide project description

The vision of RAINBOW is to design and develop an open and trusted fog computing platform that facilitates the deployment and management of scalable, heterogeneous and secure IoT services and cross-cloud applications (i.e, microservices). RAINBOW falls within the bigger vision of delivering a platform enabling users to remotely control the infrastructure that is running, potentially, on hundreds of edge devices (e.g., wearables), thousands of fog nodes in a factory building or flying in the sky (e.g., drones), and millions of vehicles travelling in a certain area or across Europe. RAINBOW aspires to enable fog computing to reach its true potential by providing the deployment, orchestration, network fabric and data management for scalable and secure edge applications, addressing the need to timely process the ever-increasing amount of data continuously gathered from heterogeneous IoT devices and appliances. Our solution will provide significant benefits for popular cloud platforms, fog middleware, and distributed data management engines, and will extend the open-source ecosystem by pushing intelligence to the network edge while also ensuring security and privacy primitives across the device-fog-cloud-application stack. To evaluate its wide applicability, RAINBOW will be demonstrated in various real-world and demanding scenarios, such as automated manufacturing (Industry 4.0), connected vehicles and critical infrastructure surveillance with drones. These application areas are safety-critical and demanding; requiring guaranteed extra-functional properties, including real-time responsiveness, availability, data freshness, efficient data protection and management, energy-efficiency and industry-specific security standards.

Duration 01.01.2020 - 31.12.2022, Funded by H2020

Contact person

KiNaLog

Customer-specific Sustainable Logistics

Show project description Hide project description

Durch den Online-Handel gewinnt die Konsumentenlogistik zunehmend an Bedeutung, speziell im Bereich der sog. „letzten Meile“. Besonders herausfordernd ist dabei die Lebensmittellogistik, da es sich hierbei oft um zeitkritische Transporte handelt und sowohl spezielle Transportverpackungen für gekühlte oder tiefgekühlte Produkte notwendig sind als auch zusätzliche Verpackungen für die kundenindividuelle Kommissionierung verwendet werden müssen. So ergibt sich ein Konsumentendilemma, bei dem der Komfort einer Online-Bestellung inklusive Lieferung den hierdurch entstehenden CO2-Emissionen und Verpackungsabfällen gegenüberstehen. Bis dato gibt es jedoch keine Möglichkeit, dem Konsumenten die direkten und indirekten Auswirkungen seines Handelns im Moment der Bestellung aufzuzeigen, sodass eine bewusste Wahl nachhaltiger Optionen heute noch nicht möglich ist.

Duration 01.01.2020 - 31.12.2021, Funded by Zentrale Forschungsförderung Universität Bremen
Download PDF-Flyer

Contact person

Projektlogo Ein Meta-Lern-Ansatz zur Selektion geeigneter Prognoseverfahren für eine vorausschauende Instandhaltung in digitalisierten Produktionssystemen

MetaMaintain

Ein Meta-Lern-Ansatz zur Selektion geeigneter Prognoseverfahren für eine vorausschauende Instandhaltung in digitalisierten Produktionssystemen

Show project description Hide project description

Die Wettbewerbsfähigkeit des produzierenden Gewerbes basiert in Hochlohnländern auf einem hohen Automatisierungsgrad. Eine effiziente Sicherstellung der technischen Verfügbarkeit einzelner Maschinen und Anlagen ist daher von großer Bedeutung.

Vorausschauende Instandhaltungsstrategien sollen auf Basis der Vorhersage von Maschinenausfällen höhere Verfügbarkeiten, stabilere Produktionsprozesse und Kostenreduktionen ermöglichen und damit zu einer erhöhten Leistungsfähigkeit von Produktionssystemen beitragen.

Das Auftreten von Maschinenausfällen ist aufgrund der inhärenten strukturellen und betrieblichen Komplexität moderner Produktionssysteme jedoch schwer vorherzusagen. Zudem werden die dazu erforderlichen Modelle in der Regel für einen spezifischen Anwendungsfall entwickelt und sind nicht generalisierbar.

Ziel des Projektes ist es daher, ein System zu entwickeln, dass eine automatisierte Auswahl geeigneter Modelle ermöglicht. Die Ergebnisse der Prognosemodelle sollen schließlich für eine integrierte Produktions- und Instandhaltungsplanung und -steuerung genutzt werden.

Duration 01.01.2020 - 31.12.2021, Funded by DFG
Download PDF-Flyer

Contact person

Events:
Webinar: Toolkitchen
29. Mai 2020, 15 - 17 Uhr, virtuell
Technologien der Logistik
15. September & 17. November 2020, BIBA
SysInt 2020
November 11th - 13th, 2020, Bremen

More events