Publikationsserver der HTWK Leipzig
Not a member yet
592 research outputs found
Sort by
Intelligente Vorladesteuerung für industrielle Gleichspannungsnetze
No full textIn diesem Beitrag wird eine Vorladesteuerung für industrielle Gleichspannungsnetze vorgestellt. Die Vorladeschaltung
wurde von der Firma Weidmüller im Rahmen des Forschungsprojektes DC-INDUSTRIE als Funktionsmuster aufgebaut.
Sie ermöglicht ein geregeltes, sequentielles Hochfahren eines industriellen DC-Netzes gemäß DC-INDUSTRIE Systemkonzept. Die Vorladung erfolgt mit einem leistungselektronischen Wandler, wodurch sich das Gerät für einen sehr großen
Leistungsbereich einsetzen lässt. Nach einer kurzen Einführung zu DC-INDUSTRIE wird der Vorladevorgang mittels
einer Messung erläutert. Zusätzlich zur Vorladefunktion ermöglicht das Gerät eine Überwachung der DC-Netzspannung
und kann beim Verlassen des erlaubten Spannungsbereichs Teilbereiche (sog. DC-Sektoren) abtrennen. Mit einer Kommunikationsschnittstelle kann die Vorladesteuerung Parameter wie DC-Spannung oder Leistung kommunizieren und wird
dadurch zu einem wichtigen Bestandteil des Netzmangements
Anwendung von Reinforcement Learning in industriellen cyberphysischen Systemen
No full textDie wachsende Besorgnis über den Klimawandel bewirkt, dass bei der Festlegung von Meilensteinen
und Produktionsparametern für Fertigungssysteme ein größerer Fokus auf Energieeinsparung, Ressourcenschonung
und Wandlungsfähigkeit gelegt wird. Dies ist auch notwendig, denn die Energiepreise
steigen kontinuierlich an und durch den weltweiten Ausbruch von COVID-19 wurden die Lieferketten
immer wieder gestört. Gleichzeitig hat die hohe Volatilität und Dynamik innerhalb der globalen
Wertschöpfungsnetzwerke in letzter Zeit zu einer spürbaren Verkürzung der Produkt- und Technologiezyklen
geführt. Darüber hinaus wandeln sich die Wünsche der Kunden, diese werden zunehmend
anspruchsvoller und spezifischer. Um diesen Marktanforderungen gerecht zu werden, mussten und
müssen Unternehmen ihre Fertigungsprozesse immer wieder anpassen und abwandeln. Ein wachsendes
Portfolio und sinkende Auftragsvolumina (bis hin zur Losgröße 1) ergeben sich im Resultat.
Um einen effektiven und effizienten Produktionsablauf zu realisieren, bedarf es ein dynamisches Regelwerk.
Dieses bestimmt für die bestehenden Montagelinien und deren Fertigungszellen, unter Be-
rücksichtigung des aktuellen Zustandes, auf welchen Stationen ein konkretes Produkt gefertigt werden soll.
Gegenwärtig geschieht dies meist statisch über ein Manufacturing Execution System, welches
für ganze Chargen entscheidet und üblicherweise nicht (oder nur schwerfällig) auf Unsicherheiten
wie den Ausfall einer Operation, den Schwankungen in den Operationszeiten oder in der Qualität des
Rohmaterials reagieren kann. Mit einem besonderen Fokus auf die Reduzierung der Gesamtproduktionszeit
(und dem damit einhergehenden Energieverbrauch) eines Auftrags stellen wir in diesem Beitrag eine
Simulationsumgebung vor, die eine Montagelinie des Industrial IoT Test Bed (an der HTW
Dresden) nachbildet. Auf diese wenden wir vielversprechende Reinforcement Learning Methoden an,
um für unterschiedliche Szenarien automatisiert eine kosteneffiziente Ressourcenzuweisung zu realisieren
Optimierung visueller Benutzeroberflächen zur Stressreduzierung
No full textDurch die Menschzentrierung in der Industrie 5.0 sollten bestehende Ansätze hinterfragt und geprüft werden.
Gerade der, durch die Digitalisierung hervorgerufene, Technostress sollte neben dem Fachkräftemangel einen zunehmenden
Betrachtungsfaktor im Produktionsumfeld erhalten. Da trotz bisheriger Maßnahmen eine stetige Zunahme von Stress
zu verzeichnen ist. Auffällig sind dabei die Arbeitsunfähigkeits-Fehltage, welche im letzten Jahr um weitere 6 % bzw.
um 18,2 Fehltage gestiegen sind. Womit durchschnittlich jede Erwerbsperson 3,17 Tage unter der Diagnose „psychische
Störung“ krankgeschrieben wurde. Um diesen Trend entgegenzuwirken, betrachtet der Beitrag die Möglichkeiten der
Software-Ergonomie, womit die Gestaltung von HMIs (Mensch-Maschinen-Interfaces) den Menschen gezielter berücksichtigt
um etwaige Belastungen zu reduzieren.
Im Rahmen der komplementären Industrie 4.0 und der einhergehenden Informationsflut, bestimmen immer komplexer
werdende Schnittstellen und Bedienoberflächen einen Großteil des Arbeitsalltags. Diese ermöglichen den Anwenderinnen
und Anwendern neben einem schnellen Überblick über Maschinendaten, Prozessabläufe und Handlungsempfehlungen
die Möglichkeit zur einfachen Bedienung der technischen Anlagen. Der hier vorgestellte Ansatz betrachtet am Beispiel
einer Bestandsanlage, wo sich Potenziale in der Stressreduzierung im Bereich der visuellen Benutzerschnittstellen befinden
und welche Auswirkungen eine Veränderung der Leitführung ermöglicht. Hierfür wurde eine mehrphasige Studie
durchgeführt dessen Ergebnisse im Bereich des Eye-Trackings sowie anhand von Vitalwerten im vorliegenden Beitrag
diskutiert werden
Netzwerkarchitektur mobiler Systeme zwischen Security, Usability und begrenzten Ressourcen
No full textModerne mobile Systeme in der Smart Factory werden über WLAN oder Zellfunk angebunden und
stationäre Teilnehmer finden sich üblicherweise in einer kabelgebundenen LAN-Infrastruktur. Eine
Vielzahl unterschiedlicher Steuerungen und Leitsysteme verteilen sich auf lokale Rechenressourcen,
Rechenzentren der Anlagenbetreiber oder zunehmend auch auf public Clouds. In diesem Umfeld ergibt
sich besonders für mobile Systeme ein Spannungsfeld zwischen Usability, Security und den begrenzten
Systemressourcen spezialisierter Controller. In diesem Kurzbetrag und seinem zugehörigen
Vortrag werden Lösungsansätze und deren inheränte Widersprüche aufgezeigt
Automatisierte Erkennung von Messarealen bei robotergestützten In Vivo Messungen
No full textDieser Beitrag schlägt ein Bildverarbeitungsmodell zur automatisierten Bestimmung von Messarealen
bei robotergestützten In Vivo Messungen vor. Es wird angenommen, dass moderne Verfahren der
Deep-Learning-Objekterkennung in der Lage sind die einzelnen Areale wiederholbar genau genug zu
erkennen, um die benötigten Messareale im dreidimensionalen Raum einzupassen. Für das Einpassen
werden Tiefeninformationen aus einer stereoskopischen Kamera verwendet. Weiter wird untersucht
inwiefern diese Tiefeninformationen als zusätzlicher Eingang für die Deep-Learning-Modelle verwendet
werden können. Hierfür wird ein Konzept ausgearbeitet, ein Datensatz erstellt und Modelle zur
Objekterkennung in verschiedenen Implementierungen trainiert. Das Verwenden von Tiefeninformationen
führt zu einer besseren Generalisierbarkeit der Modelle, insbesondere auf tätowierten Hautarealen.
Das Bildverarbeitungsmodell erreicht beim Einpassen der Messareale eine gemittelte Wiederholgenauigkeit
bzw. Abweichung von 6, 1 mm bei einer Bildwiederholrate von 2, 3 bis 3, 3 Bildern die
Sekunde
Implementierung von Convolutional Neural Networks zur echtzeitfähigen Bildklassifizierung auf konventionellen Industriesteuerungen
No full textEine individualisierte Produktion wird benötigt, um Produkte einer Losgröße von bis zu 1 zu niedrigen Kosten herstellen
zu können. Damit für jedes Werkstück die individuellen Fertigungsschritte ausgeführt werden, müssen die Werkstücke
vorher klassifiziert werden. RFID-Tags oder Barcodes können im Produktionszyklus beschädigt oder verdeckt werden
und Bildanalyse-Methoden durch Maschine Vision benötigen bei der Implementierung viel Zeit und Expertenwissen.
Bei komplexen Problemen kann Maschinelles Lernen (ML) für die Klassifizierung von Werkstücken eingesetzt werden.
Hierbei erzielen besonders Modelle der Convolutional Neural Networks (CNNs) hohe Klassifikationsgenauigkeiten. Sie
erfordern jedoch einen höheren Rechenaufwand, was die Ausführung von CNNs in Echtzeit in einer SPS-Laufzeitumgebung deutlich erschwert.
In dieser Arbeit wird ein Ansatz vorgestellt, mit dem es möglich ist, rechenintensive CNNs für die Bilderkennung in
Echtzeit und in Koordination mit Maschinen- und Bewegungssteuerungsaufgaben einzusetzen. Innerhalb eines produktionsnahen
Anwendungsbeispiels werden CNNs in eine SPS-Laufzeitumgebung auf einer Soft-SPS eingesetzt. Die Ausführungszeiten
sowie die erreichten Genauigkeiten der CNNs werden gemessen. Die Ergebnisse zeigen, dass die CNNs
in der Lage sind, die Werkstücke im Produktionssystem zuverlässig zu klassifizieren und konkurrenzfähige Ausführungszeiten
in Hinblick auf weniger rechenintensive Multilayer Perceptrons erreichen
Low-Cost Automation: An Open Source Laser-Triangulation Sensor based on ROS2
No full textThis paper presents the development of an open-source laser triangulation sensor system for automation
tasks. The prototype system is based on the Robot Operating System 2 (ROS2) and aims to provide a
low-cost alternative to commercially available sensors while achieving comparable accuracy. The proposed
system aims to facilitate the adoption of automation in smaller applications and make it more
accessible, particularly in academic contexts. With the system, we achieve an average depth estimation
deviation of approximately 200 μm
Durchgängige Digitalisierung industrieller Abläufe am Beispiel der Modellfabrik der FH Münster
No full textDie Modellfabrik der FH Münster erlaubt durch den Umfang und die Komplexität der enthaltenen Automatisierungsaufgaben
sowie einen Aufbau aus industriellen Komponenten eine praxisnahe Lehre im Bereich aktueller Anlagenautomatisierung
und darüber hinausgehenden Funktionen im Sinne einer durchgängigen Digitalisierung. Die verwendete Unterscheidung
der durchgängigen Digitalisierung in horizontale und vertikale Verknüpfungen wird veranschaulicht.
Aufbauend auf Erfahrungen mit der Vorgängeranlage werden Neuerungen der 2021 aufgebauten neuen Modellfabrik
vorgestellt. Neuerungen umfassen insbesondere die Modularisierung der Anlage, das umgesetzte Sicherheitskonzept, einen
Webshop mit Onlinekonfigurator, eine Webvisualiserung des Anlagenzustandes inklusive der Energieverbräuche,
sowie Möglichkeiten zur virtuellen Inbetriebnahme. Weiterhin wird das aktuelle Konzept zur Erweiterung der horizontalen
digitalen Durchgängigkeit mittels der Einbindung eines autonomen mobilen Roboters in die Modellfabrik vorgestellt
Künstliche Intelligenz und Digitaler Zwilling in der Produktion – Forschung zu Leitanwendungen und dem Transfer in die Industrie
No full textDer Einsatz von Methoden der künstlichen Intelligenz (KI) in der automatisierten Produktion ist aktuell noch immer sehr
herausfordernd. Angepasste Lösungen der KI lassen sich zu wenig auf andere Anwendungsfälle übertragen, die Einrichtung
und Bedienung der KI-Ansätze erfordert tiefes fachliches Knowhow und deren Ergebnisse sind durch Menschen oft
schwer und nicht vollständig nachvollziehbar. Zudem liegen Datenschätze zum Teil in Unternehmen vor, es fehlt aber an
Werkzeugen, diese auszuwerten. In einem von der Carl-Zeiss-Stiftung geförderten interdisziplinären Projekt wird diesen
Problemstellungen forschungsmäßig begegnet und Lösungsmöglichkeiten anhand industrieller Leitanwendungen aufgezeigt.
Neben den Leitanwendungen und der zugesagten industriellen Kooperation wird das „Center for industrial AI“ als
dauerhafte Struktur an der Hochschule Heilbronn eingerichtet, um den Ergebnistransfer nachhaltig zu sichern
IDEA-Box Industrial Digitalization in Education of Automation out of the box
No full textIm produktionstechnischen Umfeld bedeutet die Nutzung der Digitalisierung „Industrie 4.0“. In den
vergangenen Jahren haben sich verschiedene Technologien und Konzepte in diesem Bereich
herauskristallisiert und bereits etabliert. Dieser Beitrag zeigt, wie sich einerseits klassische, vor allem
aber auch neue Lehrinhalte aus dem Bereich der industriellen Digitalisierung mithilfe der IDEA-Box
praxis- und anwendungsorientiert lehren lassen. In diesem Beitrag wird die in der IDEA-Box zum
Einsatz kommende Hardware beschrieben und durch Anwendungsfälle die verwendeten
Softwarekomponenten aufgeführt und erklärt. Hierbei soll gezeigt werden, dass das Gesamtkonzept
sowohl hörsaalunabhängig als auch vorlesungsübergreifend ist. Des Weiteren lassen sich damit
industrietaugliche Konzepte und Lösungen entwickeln