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

Projektbeschreibung einblenden Projektbeschreibung ausblenden

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.

Laufzeit: 01.01.2020 - 31.12.2022, Förderung durch H2020

Ansprechpartner

Projektlogo Gamifiziertes KI-Assistenzsystem zur Unterstützung des manuellen Montageprozesses
Projektseite

AxIoM

Gamifiziertes KI-Assistenzsystem zur Unterstützung des manuellen Montageprozesses

Projektbeschreibung einblenden Projektbeschreibung ausblenden

In diesem Forschungsprojekt soll ein neuartiges Assistenzsystem auf Basis künstlicher Intelligenz für manuelle Montagestationen entwickelt werden, welches zum einen den Montageprozess und die Qualität des zu fertigenden Produkts überprüft und zum anderen den Mitarbeiter bei der Arbeit am Handarbeitsplatz berücksichtigt sowie individuell unterstützt. Das System soll die am Montageplatz gesammelten sensorischen Informationen unter Einsatz von Bildverarbeitungs- und maschineller Lernverfahren im Hinblick auf die ergonomische und produktionsbezogene Arbeitssituation des Mitarbeiters analysieren. Damit ist das neu entwickelte Assistenzsystem in der Lage, sich an die individuellen Bedürfnisse des Mitarbeiters anzupassen, um dessen Arbeitssituation durch spezifische Unterstützungen sowie Motivations- und Weiterbildungsstrategien zu verbessern. Durch die Überwachung von Montagefortschritt und -bauteil soll das System zudem die Prozesseffizienz und Montagequalität steigern.

Laufzeit: 01.06.2019 - 30.11.2020, Förderung durch EFRE: Europäischer Fonds für regionale Entwicklung
PDF-Flyer zum Download

Ansprechpartner

OffshorePlan

Komplementäre Nutzung mathematischer und ereignisdiskreter Modelle zur Lösung komplexer Planungs- und Steuerungsprobleme in der Offshore-Baustellenlogistik

Projektbeschreibung einblenden Projektbeschreibung ausblenden

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.

Laufzeit: 01.04.2019 - 30.09.2021, Förderung durch DFG
PDF-Flyer zum Download

Ansprechpartner

LNG Armaturen Set

Entwicklung eines sensitiven Armaturen-Sets für den hochvolumigen ship to ship LNG Transfer

Projektbeschreibung einblenden Projektbeschreibung ausblenden

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.

Laufzeit: 01.03.2019 - 28.02.2021, Förderung durch BMWi
PDF-Flyer zum Download

Ansprechpartner

LNG Safety

Safety-Prozess-System für den Transfer von kryogenen Fluidmitteln

Projektbeschreibung einblenden Projektbeschreibung ausblenden

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.

Laufzeit: 01.03.2019 - 28.02.2021, Förderung durch BMWi
PDF-Flyer zum Download

Ansprechpartner

Termine:
Schulung „Technologien der Logistik“
29. Januar 2020, Bremen
Doctoral Workshop
10. - 11. Februar 2020, Bremen
LDIC 2020
12. - 14. Februar 2020, Bremen
Wirtschaft trifft Wissenschaft
18. März 2020, Bremen
SysInt 2020
3. - 5. Juni 2020, Bremen

Weitere Veranstaltungen