20 research outputs found
Industrie 4.0: Cyber-physical equivalence
No full textS.68Our concept is called Cyber-physical Equivalence (CPE) and it contributes to the implementation of the Smart Factory
Virtual assembly training by seamless integration of product engineering and production planning data
No full textS.90Virtuelles Montagetraining weist ein hohes Potential auf, Zeit und Kosten hinsichtlich des Trainings an physikalischen Prototypen für Montageprozesse inner- und außerhalb der Automobilindustrie zu reduzieren. Wir präsentieren ein System-Design-Ansatz für virtuelles Training anhand des spielbasierten Lernansatzes, der dem Benutzer prozedurales Montagewissen auf spielerische Art und Weise vermittelt. Dieser Ansatz wird im Rahmen des EUFP7 Projekts VISTRA erprobt.Virtual assembly training systems show a high potential to reduce time and costs associated with the physical setups for training of assembly processes in and beyond the automotive industry. We present a system design approach taken during the development of a game-based, virtual training system for procedural assembly knowledge in the EU-FP7 project VISTRA
Industrie 4.0: Cyber-physical Equivalence
No full textOur concept is called Cyber-physical Equivalence (CPE) and it contributes to the implementation of the Smart Factory
Deconstruction project planning of existing buildings based on automated acquisition and reconstruction of building information
No full textDuring their lifecycles, buildings are changed and adapted to the requirements of generations of users, residents and proprietaries over several decades. At the end of their life time, buildings undergo either retrofit or deconstruction (and replacement) processes. And, modifications and deviations of the original building structure, equipment and fittings as well as the deterioration and contamination of buildings are often not well documented or only available in an outdated and unstructured way. Thus, in many existing buildings, incomplete, obsolete or fragmented building information is predominating and hampering retrofit and deconstruction project planning. To plan change or deconstruction measures in existing buildings, buildings are audited manually or with stationary laser scans which requires great effort of skilled staff and expensive equipment. Furthermore, current building information models or deconstruction planning systems are often not able to deal with incomplete building information as it occurs in existing buildings. We develop a combined system named ResourceApp of a hardware sensor with software modules for building information acquisition, 3D reconstruction, object detection, building inventory generation and optimized project planning. The mobile and wearable system enables planner, experts or decision makers to inspect a building and at the same time record, analyze, reconstruct and store the building digitally. For this purpose, a Kinect sensor acquires point clouds and developed algorithms analyze them in real-time to detect construction elements. From this information, a 3D building model and building inventory is automatically derived. Then, the generated building reconstruction information is used for optimized project planning with a solution algorithm of the multi-mode resource-constrained project scheduling problem (MRCPSP) at hand. In contrast to existing approaches, the system allows mobile building recording during building walkthrough, real-time reconstruction and object detection. And, based on the automatically captured and processed building conditions by sensor data, the system performs an integrated project planning of the building deconstruction with available resources and the required decontamination and deconstruction activities. Furthermore, it optimizes time and cost considering secondary raw material recovery, usage of renewable resources, staff qualification, onsite logistics, material storage and recycling options. Results from field tests on acquisition, reconstruction and deconstruction planning are presented and discussed in an extensive non-residential case study. The case study shows that the building inventory masses are quite well approximated and project planning works well based on the chosen methods. Nevertheless, future testing and parameter adjustment for the automated data processing is needed and will further improve the systems' quality, effectiveness and accuracy. Future research and application areas are seen in the quantification and analysis of the effects of missing data, the integration of material classification and sampling sensors into the system, the system connection to Building Information Modelling (BIM) software via a respective interface and the transfer and extension to retrofit project planning.Rebekka Volk, Thu Huong Luu, Johannes Sebastian Mueller-Roemer, Neyir Sevilmis, Frank Schultman
Deconstruction project planning based on automatic acquisition and reconstruction of building information for existing buildings
No full textAs energetic, health and environmental requirements for buildings are changing, deconstruction of buildings in the course of retrofits or replacing construction is increasingly important. To plan change measures in existing buildings, buildings have to be audited manually which is associated with great effort. In our contribution, we propose and describe a combined system of a hardware sensor with software modules for building information acquisition, reconstruction and project planning. Furthermore, technical requirements, the acquired data, user interaction and system architecture are discussed. Our tool enables planner, experts or decision makers to inspect a building and at the same time digitally audit the building room by room. For this purpose, point clouds are acquired, analysed and a 3D building model is automatically derived to record it. Furthermore, the acquired data is automatically analysed in realtime to detect construction elements that are saved in a database. Then, based on the generated building element database building reconstruction and planning algorithms use the information for building inventorying and project planning. This allows integrated planning of decontamination, site clearance, and deconstruction activities, as well as to coordinate secondary raw material recovery, resources, logistics, material storage and recycling options time and cost efficiently onsite. Results from first field tests on acquisition, reconstruction and deconstruction planning are presented and discussed. Finally, a summary and a conclusion are given. This is followed by an outlook on potential future research and application areas
Deconstruction project planning based on automatic acquisition and reconstruction of building information for existing buildings
No full textS.47-56As energetic, health and environmental requirements for buildings are changing, deconstruction of buildings in the course of retrofits or replacing construction is increasingly important. To plan change measures in existing buildings, buildings have to be audited manually which is associated with great effort. In our contribution, we propose and describe a combined system of a hardware sensor with software modules for building information acquisition, reconstruction and project planning. Furthermore, technical requirements, the acquired data, user interaction and system architecture are discussed. Our tool enables planner, experts or decision makers to inspect a building and at the same time digitally audit the building room by room. For this purpose, point clouds are acquired, analysed and a 3D building model is automatically derived to record it. Furthermore, the acquired data is automatically analysed in realtime to detect construction elements that are saved in a database. Then, based on the generated building element database building reconstruction and planning algorithms use the information for building inventorying and project planning. This allows integrated planning of decontamination, site clearance, and deconstruction activities, as well as to coordinate secondary raw material recovery, resources, logistics, material storage and recycling options time and cost efficiently onsite. Results from first field tests on acquisition, reconstruction and deconstruction planning are presented and discussed. Finally, a summary and a conclusion are given. This is followed by an outlook on potential future research and application areas
Erkennung und Erschließung von Rohstoffpotenzialen aus dem Hochbau mittels eines mobilen Systems - ResourceApp. Poster und Tagungsbeitrag
No full textResourceApp - Entwicklung eines mobilen Systems zur Erfassung und Erschließung von Ressourceneffizienzpotenzialen beim Rückbau von Infrastruktur und Produkten
No full textS.389-404Der Anteil an Bau- und Abbruchabfallen beträgt mit rund 200 Mio. t mehr als 50 % der jährlich anfallenden Abfälle in Deutschland [Statistik Portal 2015]. Dabei sind Rückbau- und Abbruchprojekte durch einen grosen Zeit- und Kostendruck gekennzeichnet. Bei der heute üblichen Erfassung von Rückbauobjekten durch Begehung werden die verbauten, oft werthaltigen Materialien grob geschätzt, was zu einer grosen Abweichung zur tatsächlichen Materialzusammensetzung führen kann. Dennoch dienen diese Schatzwerte zurzeit als Grundlage für das Angebot und die Projekt- und Verwertungsplanung der Rückbauunternehmer. Im Projekt ResourceApp wurde ein Demonstrator entwickelt, der erstmals die mobile, dreidimensionale (3D) und semantische Erfassung von Gebäuden und Bauteilen und eine anschliesende Umbau- oder Rückbauplanung in Echtzeit ermöglicht. Das System besteht aus einem Sensor und Software-Modulen auf einem Laptop, die die Datenverarbeitung der Sensordaten erlauben, um das Rohstoffpotenzial eines Gebäudes zu bestimmen und dessen Rückbau zu planen. Für das Gebäudeaudit wird der Innenraum erfasst und in 3D rekonstruiert sowie dessen Inventar bestimmt. Notwendige Rückbaumasnahmen zur Wiedergewinnung der Rohstoffe werden ermittelt und geplant und daraus die Rückgewinnungskosten der Materialien bestimmt. Im Fall des Praxistests, des Krankenhauses von Bad Pyrmont, wurde das Gebäude mit dem Sensor aufgenommen, automatisiert inventarisiert und nach der Begehung rückgebaut. In der Praxis war es möglich, große Bauteile (Wände, Decken, Böden, Türen, Fenster) mit der App zu erkennen. Aufgrund schwieriger Raumgeometrien (kleine, verwinkelte und langgestreckte gleichförmige Räume), die die Aufnahme mit dem Kinect-Sensor erschwerten, konnten aber ca. 20 % der großen Bauteile nicht erkannt werden. Zudem konnte ein Großteil der zu erkennenden Anschlüsse (wie Steckdosen), die Rückschlusse auf die technische Gebäudeausstattung und somit auf die werthaltigen Rohstoffe des Gebäudes geben sollten, nicht erkannt werden. Hier besteht weiterer erheblicher Forschungsbedarf, da die eingesetzten Sensoren eine noch nicht ausreichende Auflösung aufweisen. Koordiniert wurde das Projekt ResourceApp vom Fraunhofer-Institut für Chemische Technologie ICT. Weitere Partner waren das Fraunhofer-Institut für Graphische Datenverarbeitung IGD, das Institut für Industriebetriebslehre und Industrielle Produktion IIP des Karlsruher Instituts für Technologie KIT, die Abbruch- bzw. Sanierungsunternehmen Werner Otto GmbH und COSAWA Sanierung GmbH sowie das Umwelt-Beratungsbüro GPB Arke
ResourceApp – Entwicklung eines mobilen Systems zur Erfassung und Erschließung von Ressourceneffizienzpotenzialen beim Rückbau von Infrastruktur und Produkten
No full textDer Anteil an Bau- und Abbruchabfällen beträgt mit rund 200 Mio. t mehr als 50 % der
jährlich anfallenden Abfälle in Deutschland [Statistik Portal 2015]. Dabei sind Rückbau- und
Abbruchprojekte durch einen großen Zeit- und Kostendruck gekennzeichnet. Bei der heute
üblichen Erfassung von Rückbauobjekten durch Begehung werden die verbauten, oft wert-
haltigen Materialien grob geschätzt, was zu einer großen Abweichung zur tatsächlichen Mate-
rialzusammensetzung führen kann. Dennoch dienen diese Schätzwerte zurzeit als Grundlage
für das Angebot und die Projekt- und Verwertungsplanung der Rückbauunternehmer.
Im Projekt ResourceApp wurde ein Demonstrator entwickelt, der erstmals die mobile, drei-
dimensionale (3D) und semantische Erfassung von Gebäuden und Bauteilen und eine an-
schließende Umbau- oder Rückbauplanung in Echtzeit ermöglicht.
Das System besteht aus einem Sensor und Software-Modulen auf einem Laptop, die die Da-
tenverarbeitung der Sensordaten erlauben, um das Rohstoffpotenzial eines Gebäudes zu be-
stimmen und dessen Rückbau zu planen. Für das Gebäudeaudit wird der Innenraum erfasst
und in 3D rekonstruiert sowie dessen Inventar bestimmt. Notwendige Rückbaumaßnahmen
zur Wiedergewinnung der Rohstoffe werden ermittelt und geplant und daraus die Rückge-
winnungskosten der Materialien bestimmt.
Im Fall des Praxistests, des Krankenhauses von Bad Pyrmont, wurde das Gebäude mit dem
Sensor aufgenommen, automatisiert inventarisiert und nach der Begehung rückgebaut. In der
Praxis war es möglich, große Bauteile (Wände, Decken, Böden, Türen, Fenster) mit der App
zu erkennen. Aufgrund schwieriger Raumgeometrien (kleine, verwinkelte und langgestreckte
gleichförmige Räume), die die Aufnahme mit dem Kinect-Sensor erschwerten, konnten aber
ca. 20 % der großen Bauteile nicht erkannt werden. Zudem konnte ein Großteil der zu erken-
nenden Anschlüsse (wie Steckdosen), die Rückschlüsse auf die technische Gebäudeausstattung und somit auf die werthaltigen Rohstoffe des Gebäudes geben sollten, nicht erkannt werden.
Hier besteht weiterer erheblicher Forschungsbedarf, da die eingesetzten Sensoren eine noch
nicht ausreichende Auflösung aufweisen.
Koordiniert wurde das Projekt ResourceApp vom Fraunhofer-Institut für Chemische Tech-
nologie ICT. Weitere Partner waren das Fraunhofer-Institut für Graphische Datenverarbei-
tung IGD, das Institut für Industriebetriebslehre und Industrielle Produktion IIP des Karlsru-
her Instituts für Technologie KIT, die Abbruch- bzw. Sanierungsunternehmen Werner Otto
GmbH und COSAWA Sanierung GmbH sowie das Umwelt-Beratungsbüro GPB Arke
Im Wissensnetz: Linked Information Processes in Research Networks
No full textPaper 73, 10 S.At first glance, it seems to be quite surprising that so far traditional business process-oriented knowledge management techniques have not been transferred to research in order to improve the efficiency of scientific work on a larger scale. But due to the high variability and unpredictability of scientific work processes, these techniques are not applicable. In fact scientific work processes have to be understood as a network of informal learning processes with a high level of social in-teraction. For this purpose, we have elaborated the model of a "Knowledge-Added Process" as a new paradigm of process-oriented support. We are developing various models, methods, and tools on the basis of semantic technologies supporting this process, and which are exemplified within three scenarios within the application domain "rapid prototyping"
