Veröffentlichungen

Viele ältere Umformmaschinen sind technisch leistungsfähig, aber kaum digital vernetzt. Das Forschungsprojekt DiReProFit stellt auf Basis eines lokal betriebenen KI-Systems dar, wie sich Bestandsanlagen durch gezielte Nachrüstung von Sensoren, strukturierte Datenerfassung und -analyse leistungsfähiger machen lassen. Dadurch können Unternehmen Retrofitmaßnahmen fundierter unter Berücksichtigung eigener Wissensgrundlagen planen. 

Retrofit, KI, Sprachmodelle, Massivumformung

Ein intuitives Bedienkonzept für Brückenkrane soll die Sicherheit während des Transports steigern und Unfälle verhindern. Das ist das Ziel des Forschungsprojekts "KraNavi". Insbesondere Kranführer mit wenig Praxiserfahrung soll das AR-basierte Assistenzsystem unterstützen.

Assistenzsystem, Brückenkrane, Augmented Reality, Arbeitssicherheit

Produzierende KMU stehen bei End-of-Life-Entscheidungen für Intralogistiksysteme vor verteilten Daten, Zielkonflikten und selten auftretenden Entscheidungsfällen. Der Beitrag stellt eine Entscheidungshilfe vor, die Systemkategorien, EoL-Zustände und Handlungsmaßnahmen verknüpft. Ein Software-Demonstrator unterstützt Anwender dabei, Prognosemöglichkeiten zu prüfen sowie Maßnahmen wie Reparatur, Retrofit, Ersatz oder eingeschränkten Weiterbetrieb abzuleiten und zu bewerten.

End-of-Life, EoL, Intralogistik, Entscheidungshilfe, End-of-Life-Bewertung, Transportsysteme, Lagers

Die Überwachung industrieller Prozesse hat einen erheblichen Einfluss auf die Sicherung von Qualität und Effizienz, insbesondere bei komplexen Fertigungsprozessen wie dem Kreuzkeilwalzen. In dieser Studie wird die Leistungsfähigkeit von vier Deep-Learning-Ansätzen – künstliche neuronale Netze (ANN), konvolutionelle neuronale Netze (1D-CNN), Autoencoder und rekurrente neuronale Netze (RNN) mit Long Short-Term Memory (LSTM) – zur Erkennung von Abweichungen beim Kreuzkeilwalzen von Hybridwerkstücken bewertet. Angesichts der Herausforderung durch einen kleinen Datensatz werden Techniken zur Datenaugmentierung eingesetzt, um das Modelltraining zu verbessern. Ziel der Untersuchung ist es, festzustellen, ob Deep Learning Prozessabweichungen effektiv klassifizieren kann und welche Architektur die beste Leistung erbringt. Die Ergebnisse zeigen, dass 1D-CNN-Modelle innerhalb der Testgruppe die höchste Klassifikationsgenauigkeit erzielen. Darüber hinaus werden verschiedene Hyperparameter analysiert, um diejenigen zu identifizieren, die den größten Einfluss auf die Modellleistung haben. Die Ergebnisse tragen zur Optimierung der Deep-Learning-basierten Prozessüberwachung bei und unterstreichen das Potenzial von 1D-CNN- und Autoencoder-Modellen für industrielle Anwendungen.

Deep Learning, Prozessüberwachung, Querkeilwalzen

Die Ermittlung geeigneter Schmierparameter ist für die Auslegung eines effektiven Schmiedeprozesses von entscheidender Bedeutung. Derzeit erfolgt diese Ermittlung überwiegend durch Trial-and-Error zu Beginn der Produktion, wobei anschließende Anpassungen auf der Grundlage der Fachkenntnisse des Bedieners vorgenommen werden. Um den manuellen Arbeitsaufwand, die Kosten und insbesondere den Ressourcenverbrauch zu reduzieren, ist es vorteilhaft, die Auswahl geeigneter Schmierparameter im Voraus zu ermöglichen. Dies unterstützt die Industrie bei der Erreichung ihrer CO₂-Neutralitätsziele und verbessert gleichzeitig die Prozessstabilität. In diesem Beitrag werden vereinfachte Versuchsmethoden zur Bewertung der tribologischen Eigenschaften von Warmschmiedeverfahren vorgestellt; zur Ermittlung des Einflusses der Schmierschichtdicke auf das tribologische System wurde der Ringstauchversuch gewählt. Diese Studie gliederte sich in zwei Phasen: erstens eine Untersuchung des Designraums der Sprühparameter; zweitens eine Untersuchung des Reibungskoeffizienten für verschiedene Schmierschichtdicken.

Warmmassivumformung, Schmierung, Ringstauchversuch

Die nachhaltige Herstellung von Dental- und Kieferorthopädiemodellen gewinnt aufgrund steigender Anforderungen an Ressourceneffizienz und Umweltschutz zunehmend an Bedeutung. In dieser Arbeit wird ein Konzept zur Nutzung recycelter Kunststoffe in Verbindung mit dem additiven Fertigungsverfahren Fused Granular Fabrication (FGF) vorgestellt. Dabei werden geschredderte PETG-Bauteile direkt als Granulat verarbeitet, wodurch der sonst notwendige Zwischenschritt der Filamentherstellung entfällt. Für die Untersuchungen wurde ein Desktop-3D-Drucker mit einem pelletbasierten Extruder ausgestattet. Die gefertigten Dentalmodelle wurden mittels optischer 3D-Scananalyse hinsichtlich ihrer Maßhaltigkeit bewertet. Die Ergebnisse zeigen, dass aus recyceltem PETG hergestellte Modelle grundsätzlich für dentale und kieferorthopädische Anwendungen geeignet sind. Gleichzeitig werden technische Herausforderungen wie Materialförderprobleme, Verstopfungen und thermisch bedingte Instabilitäten identifiziert. Die Studie liefert damit einen ersten Nachweis für die erfolgreiche Integration von Recyclingmaterialien in die dentale Additive Fertigung und zeigt Potenziale für nachhaltigere Materialkreisläufe in klinischen und laborbasierten Anwendungen auf.

Additive Fertigung, 3D-Druck, Kunststoffrecycling, Dentalmodelle, Kieferorthopädie, Nachhaltigkeit

Obwohl fahrerlose Transportfahrzeuge mit Gabelstaplerfunktionalität zunehmend zum Einsatz kommen, basieren die meisten Systeme auf Ansätzen zur Wegplanung mit begrenzter Anpassungsfähigkeit. Gleichzeitig unterstreichen lernbasierte Methoden und regulatorische Anforderungen den Bedarf an hochwertigen Datensätzen aus der realen Welt. Als Antwort auf diese Anforderungen leistet diese Arbeit zwei wesentliche Beiträge: einen Demonstrator für Industriefahrzeuge aus der Praxis, der die synchronisierte Erfassung von Sensor- und externen Ground-Truth-Daten ermöglicht, sowie ein automatisiertes System zur Generierung von annotierten 6D-Posen-Datensätzen. Diese Fortschritte zielen darauf ab, den Aufwand für die Datenerfassung zu reduzieren und gleichzeitig genaue und überprüfbare Datensätze für industrielle Anwendungen zu ermöglichen.

Logistik, Automatisierung, Datenerfassung bei Demonstrationen

Der nachhaltige Einsatz von Automatisierung wird für Unternehmen zunehmend wichtiger, erfordert jedoch eine ganzheitliche Bewertung ökologischer, ökonomischer und sozialer Auswirkungen. Im Forschungsvorhaben „AutoSus“ wurde eine Methode zur Nachhaltigkeitsbewertung von Automatisierungslösungen entwickelt, die auf der Multicriteria Decision Analysis basiert. Die Methode ermöglicht die systematische Bewertung ökologischer, ökonomischer und sozialer Kriterien.

Nachhaltigkeitsbewertung, Automatisierungslösungen, Multikriterielle Entscheidungsanalyse

Die steigenden Anforderungen an Effizienz, Sicherheit und Kostensenkung in der Logistik in Verbindung mit steigenden Arbeitskosten stellen eine zentrale Herausforderung dar. Um diese Herausforderung zu bewältigen, sind ausgefeilte Lösungen wie autonome Gabelstapler, die repetitive Aufgaben wie den Materialtransport ohne menschliches Eingreifen ausführen, vielversprechend. Trotz des wachsenden Interesses an autonomen Systemen ist eine der größten Herausforderungen die zuverlässige Lasthandhabung, d. h. die korrekte Ausrichtung des Fahrzeugs auf die Last und deren ordnungsgemäße Aufnahme. Die vorliegende Arbeit zielt darauf ab, aktuelle Forschungsaktivitäten zu diesem Thema systematisch zu identifizieren, zu analysieren und zusammenzufassen sowie aktuelle Herausforderungen und offene Forschungslücken aufzuzeigen. Verschiedene Datenbanken wurden systematisch nach relevanten Publikationen durchsucht, und insgesamt 62 Publikationen wurden detailliert analysiert. Die Studie zeigte, dass Forschungsaktivitäten in diesem Bereich zunehmend an Bedeutung gewinnen. Zahlreiche verschiedene Methoden und Algorithmen wurden identifiziert und zusammengefasst. Dennoch bestehen Herausforderungen und Forschungslücken, wie beispielsweise Wahrnehmungsrobustheit, Anpassungsfähigkeit an die Umgebung und Systemintegration. Diese systematische Literaturübersicht ist die erste, die sich mit der Lastabfertigung durch autonome Gabelstapler unter Verwendung eines systematischen und umfassenden Ansatzes befasst.

Autonomer Gabelstapler, Logistikautomatisierung, Lagerhaltung, Lastumschlag, Mobile Robotik

Diese Studie befasst sich mit der Automatisierung von Konstruktionsaufgaben mithilfe generativer künstlicher Intelligenz, wobei der Schwerpunkt auf der Auslegung von Maschinenelementen und der Erstellung der entsprechenden CAD-Modelle, insbesondere von Schraubverbindungen, in der Open-Source-Software FreeCAD liegt. Es wurden drei Systemarchitekturen entwickelt und bewertet: All-in-One, Chatbot-Designbot und Chatbot-Calculator-Code Generator. Diese Frameworks integrieren große Sprachmodelle wie GPT-2 und CodeGen, die mittels parameter-effizientem Fine-Tuning und Low-Rank-Adaptation feinabgestimmt wurden. Während die All-in-One-Architektur alle Aufgaben in einem einzigen Modell zusammenfasst, zerlegen die Architekturen Chatbot-Designbot und Chatbot-Calculator-Code Generator den Prozess in spezialisierte Module für Dialoginteraktion, Parameterextraktion, Bauteilbemaßung und CAD-Code-Generierung. Die Auswertungsergebnisse zeigen, dass die Konfiguration „Chatbot-Calculator-Code Generator“ die niedrigste Gesamtfehlerquote für die vier Schritte zusammen (2 %) bei einer Gesamttrainingszeit von 63,4 Minuten erzielt. Diese Konfiguration übertrifft die Architekturen „Chatbot-Designbot“ (3,96 %, 117,7 Minuten) und „All-in-One“ (53 %, 24,2 Minuten). Diese Ergebnisse zeigen, dass kompakte, fein abgestimmte große Sprachmodelle eine genaue und effiziente Konstruktionsautomatisierung ermöglichen können, selbst bei begrenzten Datenmengen. Diese Arbeit schafft eine methodische Grundlage für skalierbare, auf generativer künstlicher Intelligenz basierende CAD-Systeme und interaktive Konstruktionsworkflows.

KI, CAD, Designautomatisierung, NLP, technische Berechnungen

Lokale KI erleichtert digitale Retrofits in der Massivumformung. Das IPH – Institut für Integrierte Produktion Hannover gGmbH und das Labor für Massivumformung (LFM) entwickelten einen datenbasierten KI-Demonstrator, der Maßnahmen empfiehlt und ihren Nutzen vorab einordnet.

Retrofit, KI, Sprachmodelle, Massivumformung

Das Binder Jetting (BJT) stößt weiterhin auf großes Interesse, da Hersteller nach schnelleren und wirtschaftlicheren Wegen zur Serienfertigung von Metallteilen suchen. Doch trotz beeindruckender Baugeschwindigkeiten und Konstruktionsflexibilität bleiben viele skeptisch, was die Eignung des Binder Jetting für den Einsatz im industriellen Maßstab angeht. Der Engpass liegt nicht nur im Bauprozess, sondern auch in den nachfolgenden Schritten. Das Entpulvern, das nach wie vor weitgehend manuell und arbeitsintensiv erfolgt, gefährdet Durchsatz, Konsistenz und Sicherheit. In diesem Artikel erläutern Lea Reineke vom Fraunhofer IFAM und Florian Richter vom IPH Hannover gGmbH, wie das QualiJet-Projekt dies ändern will.

Binder Jetting, Robotik, Prozessautomatisierung, Computer Vision

Die Vielzahl von Einsatzmöglichkeiten digitaler Fabrikplanungswerk‑ zeuge überfordert insbesondere kleine und mittlere Unternehmen (KMU). Im Forschungsprojekt „Entwicklung einer Auswahlmethodik digitaler Werkzeuge zur Steigerung der Planungseffizienz in der Fabrikplanung“ (AWeFaP) wird daher eine Methodik zur Auswahl digitaler Werkzeuge entlang des VDI‑5200‑Prozesses entwickelt. Kern des Forschungsprojekts sind eine Beschreibungssystematik spezifischer Planungsfälle, eine Clusterung von Werkzeugen, eine einheitliche Struktur für Input-/Output‑Daten sowie ein Entscheidungsbaum und die Validierung über praxisnahe Szenarien.

Fabrikplanung; Digitale Werkzeuge; KMU; Datenmodelle; Clusteranalyse; VDI 5200; Entscheidungsbaum

Die im Jahr 2024 verabschiedete erste europäische KI-Verordnung (AI Act) verfolgt einen risikobasierten Ansatz. Sie stellt unterschiedliche Anforderungen an Unternehmen, die KI-Systeme einsetzen. Welche Pflichten müssen KMU in Deutschland umsetzen? Das Forschungsvorhaben "AI Act-Ready" soll produzierende KMU dabei unterstützen, Künstliche Intelligenz rechtssicher und verantwortungsvoll einzusetzen.

Künstliche Intelligenz, KI-Verordnung

Die Einführung eines neuen ERP-Systems stellt für viele Unternehmen eine große Herausforderung dar. Die Auswahl einer geeigneten Einführungsstrategie, eines Vorgehensmodells und Projektmanagement-Ansatzes ist stark abhängig von unternehmensindividuellen Rahmenbedingungen. Hierfür soll im Forschungsvorhaben „OptiMig“ eine Praxisstudie vergangener ERP-Migrationsprojekte durchgeführt und daraus eine Entscheidungshilfe für die optimale Gestaltung derartiger Software-Projekte insbesondere für KMU entwickelt werden.

ERP-Systeme, ERP-Migration, Change Management, Digitale Reife, Software-Einführung

Die Qualitätsanforderungen an additive Fertigungsverfahren steigen, da diese Technologien zunehmend für hochwertige und kritische Komponenten in verschiedenen Branchen wie Luft- und Raumfahrt, Automobilindustrie, Medizintechnik und Biotechnologie eingesetzt werden. Aufgrund ihrer Designflexibilität wird die additive Fertigung häufig für kleine und kundenspezifische Serien verwendet, was die Qualitätskontrolle zu einer Herausforderung macht. Ein vielversprechender Ansatz zur Verbesserung der Kosteneffizienz ist die Prozessüberwachung mithilfe von maschinellem Lernen. Diese Studie präsentiert ein Sensorkonzept für das Fused Deposition Modeling und eine Pipeline für maschinelles Lernen zur Vorhersage der Prozess- und Teilequalität. Als wichtige Qualitätsmerkmale wurden Zugfestigkeit und Schlagfestigkeit ausgewählt. Die Ergebnisse zeigen eine hohe Genauigkeit bei der Vorhersage der Zugfestigkeit, während die geringere Genauigkeit bei der Schlagfestigkeit auf Datenvariabilität zurückzuführen ist, die durch natürliche Streuung bei Proben mit identischen Prozessbedingungen verursacht wird. Dies unterstreicht das Potenzial des maschinellen Lernens zur Steigerung der Effizienz und Senkung der Kosten und bietet eine Alternative zu teuren Testmethoden.

Fused Deposition Modeling, maschinelles Lernen, Prozessüberwachung

Die zunehmende Komplexität von Fertigungs- und Logistikprozessen, bedingt durch eine wachsende Produktvielfalt und Arbeitskräftemangel, erfordert flexible und skalierbare Transportlösungen. Zellulare fahrerlose Transportfahrzeuge (FTF) bieten eine vielversprechende Alternative zu herkömmlichen Transportsystemen, da sie einen autonomen und kollaborativen Transport von Gütern ermöglichen. Diese Studie bewertet die Leistung von zellularen FTF im Vergleich zu klassischen FTF und Schleppern anhand wichtiger Logistikkennzahlen, darunter Transportdurchlaufzeit, Maschinenauslastung und Anzahl der transportierten Produkte. Zur Modellierung von Logistik- und Produktionsprozessen wurde in Python eine ereignisgesteuerte Simulationsumgebung entwickelt, die Transportbeschränkungen und Optimierungsmodelle berücksichtigt. Die Ergebnisse zeigen, dass zellulare FTF die Durchlaufzeit in komplexen Logistikumgebungen erheblich reduzieren. Bei gleicher Transportkapazität kann ihre durchschnittliche Durchlaufzeit bis zu 55 % unter der von klassischen FTF und Schleppern liegen. In Produktionsumgebungen mit zehn wiederkehrenden Lieferbeziehungen reduzieren zellulare FTF die Transportzeit um bis zu 37 % und erreichen die höchste Maschinenauslastung (87 %). Ihre Modularität erhöht die Effizienz, indem sie sich dynamisch an veränderte Transportanforderungen anpassen. Diese Studie zeigt die Vorteile von zellularen FTF bei der Verbesserung der Transportleistung, insbesondere in komplexen Umgebungen mit hohem Durchsatz. Die Ergebnisse sprechen für ihren Einsatz gegenüber traditionellen Transportsystemen.

Intralogistik, Fahrerlose Transportsysteme, Simulation, Logistische Zielgrößen, Transporteffizienz

Flurförderzeuge spielen in der modernen Logistik eine entscheidende Rolle, doch ihr effektiver Einsatz hängt oft von hochqualifizierten Bedienern ab. Zwar gibt es bereits Ansätze für eine automatisierte Steuerung, doch diese verfügen nicht über die Flexibilität, Reaktionsgeschwindigkeit, Auffassungsgabe und Erfahrung menschlicher Fahrer, um komplexe Situationen zu bewältigen. Dieser Artikel befasst sich mit der Erkennung von Palettenobjekten, die für die Implementierung eines Algorithmus zur Posenschätzung von grundlegender Bedeutung ist. Auf dieser Grundlage schafft dieser Artikel die Voraussetzungen für eine vollständige Automatisierungslösung für Flurförderzeuge.

Künstliche Intelligenz, Intralogistik, Fahrerlose Transportfahrzeuge

Lassen sich Gebissmodelle aus recyceltem Kunststoff additiv fertigen? Ist die Qualität auch nach mehreren Recycling-Zyklen noch ausreichend für medizinische Zwecke? Das untersucht das IPH gemeinsam mit dem LMU Klinikum im Forschungsprojekt "RecycAligner".

3D-Druck, Additive Fertigung, Recycling, Zahntechnik

Die Nutzung von Simulationen für die Entwicklung von Bahnplanungsalgorithmen für autonome Indoor-Multikopter ist von größter Bedeutung. Sie bietet einen sicheren und kostengünstigen Rahmen für das Testen und Optimieren von Algorithmen. Dieser Artikel betrachtet und untersucht die derzeit verwendeten Simulationsmöglichkeiten hinsichtlich ihrer Eignung für die Entwicklung von Bahnplanungsalgorithmen für autonome Indoor-Multikopter. Der Einsatz von autonomen Multikoptern stellt eine innovative Lösung dar, um den Prozess der Layouterfassung und Inventarisierung zu vereinfachen. Dieser Artikel konzentriert sich auf die voxelbasierte Simulation VSim, die vom Autor entwickelt und benannt wurde. Vor dem Hintergrund der vorhandenen Literatur wird zunächst geklärt, welche Simulationsumgebungen am häufigsten eingesetzt werden. Anschließend wird eine Auswahl von Simulationen mit VSim verglichen. Die Zeiteffizienz und der Ressourcenverbrauch der Simulationsumgebungen werden anhand von mehr als 1.500 Testläufen untersucht. Weiterhin werden die Beobachtungen der Testausführungen detailliert beschrieben und schließlich die Simulationen mit allen untersuchten Parametern verglichen. Zusätzlich werden die Möglichkeiten der Parallelisierung erforscht und diskutiert.

Layout, Bahnplanung, Aufzeichnung, Multikopter, Optimierung, Testen