Forschungsprojekte

Innovation durch Forschung

Forschungsprojekte und -partner der iMes Solutions GmbH

Laufende Projekte

KI-RAM - KI-basierte Lösungen zur Reduzierung von Abrieb und verkehrsbedingten Mikroplastikemissionen

Unser Forschungsprojekt in Zusammenarbeit mit der Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS, der Rösler Tyre Innovators GmbH&Co.KG, der Universität Paderborn und der DENKweit GmbH

Schwerpunkt

Analyse und Verringerung des Reifenabriebs von Nutzfahrzeugen mit Hilfe der Auswertung von Felddaten (Reifenabriebsensor)

Laufzeit 3 Jahre: 1.12.2022 - 30.11.2025

Projektbeschreibung

Reifenabrieb ist eine der größten Quellen für Mikroplastik in der Umwelt.
Um den Reifenabrieb effizient verringern zu können, fehlen vor allem online-erfasste Daten zum Reifenabrieb unter Realbedingungen, valide Aussagen zu Haupteinflussfaktoren, die den Abrieb bestimmen, und vorhersagende Softwaretools, die eine situationsangepasste Abriebreduzierung erlauben.

Zentrales Projektziel ist die Entwicklung von KI-basierten Softwaretools, die mit dem KapSor-Sensor inline-erfasste Daten zum Reifenabrieb bei Nutzfahrzeugen, BMDV-Daten zu Straße & Wetter und Laborindikatoren verknüpfen und analysieren, um

Haupteinflussfaktoren auf den Reifenabrieb (besser) zu verstehen
situationsbezogene Vorhersagen zum Reifenabrieb zu treffen
Reifen bzgl. der Abriebperformance zu vergleichen
zukünftig den Reifenabrieb durch aktive Beeinflussung zu minimieren

Die Einzelziele:
Klassifizierung der Reifenqualität bzgl. Abrieb
Vorhersage der Reifennutzbarkeitsdauer
Bestimmung der Einflussfaktoren für Reifenabrieb mit Gewichtung
Relation Reifenabrieb - Feldversuch versus Labortests
Analyse zur Reduzierung des Reifenabriebs - Reifenabrieblabel

Schwerpunkte der Aufgaben der Projektpartner

Projektkoordination
Entwicklung des KapSor-Sensors zur Anwendung für Sonderfahrzeuge und LKW
Koordination des Versuchsprogramms
Datenübertragung
Auswertung der Feldversuche

Erarbeitung des Digitalen Zwillings und Erarbeitung von Aussagen zur Beeinflussung des Abriebs auf Grundlage einer umfangreichen Datensammlung (z.B. aus Labor- und Feldversuchen, Fahrzeugdaten, Beurteilung und Einschätzung von professionellen Fahrern/Experten) mit Hilfe von KI-Auswertungen.

Erarbeitung einer quasi-kontinuierlichen Auswertung der KapSor-Sensorsignale
Unterstützung bei der Anpassung der Elektronik und des Sensorkonzeptes für den LKW-Einsatz
Steigerung der Robustheit und Miniaturisierung des KapSor-Sensors
Datenübertragung

Erfassung der Laborindikatoren für Abrieb von Reifencompounds incl. Probenherstellung
Unterstützung der Entwicklung des LKW-Abriebsensors (KapSor)
Erfassung von IR-Bildern von Reifenlaufflächen bei Prüfstandtests und Feldversuchen
Begleitung Korrelationsanalyse und KI-Auswertung
Schnittstelle zur Politik im Mitteldeutschen Revier

Im Rahmen des Projektes wird die DENKweit GmbH eine KI-Analyse der IR-Bilder von Reifenlaufflächen, Identifikation und Validierung von zusätzlichen Abriebindikatoren basierend auf IR-Bildern vorbelasteter Reifen entwickeln.

Angestrebte Ergebnisse

Erlangung fundierter Erkenntnisse zum Reifenabrieb bei Nutzfahrzeugen unter realen Einsatzbedingungen
Quantitative Aussagen zu Einflussfaktoren, die den Reifenabrieb bestimmen
KI-basierte Softwaretools zum Reifenmanagement
KI-basierte Klassifizierung bzw. Regressionsanalyse von Reifen bzgl. Abrieb

Ansätze zur situationsbezogenen Reduzierung des Reifenabriebs (Reifendruck/Fahrverhalten)
Korrelationen zwischen Reifenabrieb im Feld & relevanten Laborindikatoren
Guidelines für emissionsoptimierten Reifen- & Straßenbau

Informationen zu unseren Partnern

Rösler Tyre Innovators GmbH & Co. KG

Universität Paderborn

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

DENKweit GmbH

Abgeschlossene Projekte

Intelligente Dosierungssteuerung für Schmierdüsen

Unser Forschungsprojekt in Zusammenarbeit mit der HIESSL Schmiertechnik GmbH und dem Fraunhofer IWU - Institut für Werkzeugmaschinen und Umformtechnik

Schwerpunkte

Intelligente Düsensteuerung mit Nachjustierung
Algorithmus zur Viskositätsadaptierung der Düsensteuerung durch einen virtuellen Sensor
Automatisierte und präzise Benetzung von Bauteilen mit der Düsensteuerung

Laufzeit 3 Jahre: 1.7.2020 - 30.6.2023

Projektbeschreibung

Ziel des gemeinsamen Forschungsprojektes ist die Entwicklung eines neuartigen, softwaregesteuerten, miniaturisierten und hochpräzisen Sprühsystems mit genauer und rückverfolgbarer Mengendosierung – basierend auf dem Verdrängersystem.
Mit der geplanten Entwicklung sollen deutliche Vorteile gegenüber aktueller Technik erreicht werden:

Reduktion von Abweichungen der Mengenausbringung von ca. 15 % auf max. 5 %
Rückverfolgbarkeit der Mengenausbringung
Virtuelle Messung der Viskosität des Betriebsmittels
Adaptives Regelverhalten in Bezug auf die Viskosität des Betriebsmittels
Gradierte Besprühung von Bauteilen mit linear veränderlicher Volumenausbringung
Erreichung einer hohen Dynamik des Sprühsystems mit einer Regelantwort in unter 50 ms

Schwerpunkte der Aufgaben der Projektpartner

Entwicklung einer innovativen Konstruktion des Dosierelements
Überführung der Konstruktion des Dosierelementes in einen Demonstrator
Entwicklung der Gesamtkonstruktion des Sprühsystems

Entwicklung einer intelligenten Düsensteuerung mit Nachkalibrierung
Entwicklung einer Viskositätsadaptierung mit virtuellem Sensor

Erarbeitung einer Antriebseinheit aus Antriebsaktorik und Steuerelektronik
Validierung sowie Kalibrierung der Düsenfunktionen und Modellentwicklung

Informationen zu unseren Partnern

HIESSL Schmiertechnik GmbH

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

MMAA - Vernetzte Modulare Montage mit Autonomen Arbeitsstationen

Unser Forschungsprojekt in Zusammenarbeit mit der Otto Martin Maschinenbau GmbH & Co. KG und der Hochschule Kempten

Schwerpunkte

Optimierung einer modularen Montagelösung
Bereitstellung eines digitalen Arbeitsplatzes mit intelligenter Unterstützung

Laufzeit 3 Jahre: 1.10.2020 - 30.9.2023

Projektbeschreibung

Ziel des Vorhabens ist die Entwicklung einer neuartigen, KI-basierten modularen Montagelösung mit autonomen Arbeitsstationen, um ohne Effizienzverluste in der Produktion eine höhere Variantenvielfalt der Produkte anbieten zu können. Dies soll über eine simulative Abbildung der Produktionskette, eine Erfassung von maschinenübergreifenden Produktionsdaten in Echtzeit sowie eine KI-basierte Analyse der Daten mit Schnittstelle zu einem übergreifenden Kommissionier-System erfolgen. Der mittels „Machine Learning“ unterstütze Steuerungsalgorithmus soll es auch KMUs mit primär manueller Fertigung ermöglichen, flexibel auf verschiedene Änderungen im Produktionsauftrag reagieren zu können. Weiterhin sollen die Mitarbeiter in einer neuen digitalen Arbeitsumgebung alle relevanten Informationen zu ihrem Produktionsauftrag zur Verfügung gestellt bekommen.

Ausgangssituation

Derzeitige Linienmontagen mit definierten Taktzeiten können aufgrund mangelnder Flexibilität den wachsenden Kundenwünschen nicht mehr gerecht werden und erweisen sich als immer weniger wirtschaftlich.

Ziele und Lösungswege

Geplant ist die Entwicklung einer neuartigen, KI-basierten modularen Montagelösung mit autonomen Arbeitsstationen zur Erzielung einer höheren Variantenvielfalt der Produkte.

Erwartete Ergebnisse

Reduktion der Durchlaufzeit der Produkte um 20%
Reduktion der Pufferplätze um 50%
Ausfallsicherheit des Systems von 99%

Schwerpunkte der Aufgaben der Projektpartner

Durchführung von Versuchen an einer für das Projekt freigestellten Montagelinie
Ermittlung relevanter Produktionsdatenf ür die Simulation und Entwicklung des Steuerungsalgorithmus
Entwicklung einer Schnittstelle (gemeinsam mit iMes) zum ERP-System für Zugriff auf relevante Arbeitsplan- und Auftragsmaterialdaten
Definition der Anforderungen und Zielparameter, die erfüllt werden müssen
Verfügbar machen von Räumlichkeiten für die Mitarbeiter der Hochschule Kempten für Vor-Ort-Termine und Versuche
Investitionen zur Realisierung des Projektes

Entwicklung des neuronalen Netzwerks, welches den Steuerungsalgorithmus für die Produktionslinie unterstützt
Schaffung der notwendigen Schnittstellen zur Verbindung der Steuerung mit dem bestehenden ERP-System bei der Otto Martin Maschinenbau GmbH
Integration der Steuerung in die Produktionslinie
Entwicklung einer intuitive Benutzeroberfläche für die Mitarbeiter (ohne spezielle Schulungen)
Implementierung eines automatisierten Datenaustauschs für bestimmte Prozesse (beispielsweise Kontrolldaten für die Qualitätssicherung)

Erstellen einer möglichst realitätsnahen Simulation der Produktionslinie der Otto Martin Maschinenbau GmbH sowie einen Algorithmus, um diese zu optimieren.
Prüfung der Daten auf Plausibilität und Qualität
Ermittlung der Eintrittswahrscheinlichkeit für verschiedene Ereignisse, die einen Einfluss auf den Produktionsprozess haben, und darauf basierend Erstellung einer Ergebnisverteilung erstellt.
Entwicklung eines Algorithmus, der die Produktion prädiktiv sowie präskriptiv anhand von synthetisch erzeugten Solldaten unter Einbeziehung eventueller Sonderlaufzeiten analysiert und steuert.
Testen des resultierenden Algorithmus anhand von weiteren Simulationen zur Sicherstellung der Robustheit der Ergebnisse

Informationen zu unseren Partnern

Otto Martin Maschinenbau GmbH & Co. KG

Hochschule für Angewandte Wissenschaften Kempten

InKriS - Intelligenter Kristallisationssensor zur Verbesserung der Qualitätssicherung im Spritzguss

Unser Forschungsprojekt in Zusammenarbeit mit der FOS Messtechnik GmbH, der Exipnos GmbH und dem Fraunhofer IMWS

Schwerpunkte

Entwicklung eines „intelligenten Kristallisationssensors“ zur Qualitätssicherung im Spritzguss
Erprobung und Optimierung unter Praxisbedingungen im Produktionsprozess

Laufzeit 2 Jahre: 1.5.2021 - 30.4.2023

Projektbeschreibung

Ziel des Forschungsvorhabens ist die Entwicklung eines „intelligenten Kristallisationssensors“ zur Gewährleistung hochwertiger Qualitätssicherung im Spritzguss und dessen Erprobung bei Endanwendern (Exipnos GmbH, Mercedes Benz AG). Der „intelligente Kristallisationssensor“ soll ermöglichen, den verzugsbedingten Ausschuss im Produktionsprozess zu minimieren und bei qualitätsrelevanten Prozessparameterschwankungen Gegenmaßnahmen ergreifen zu können. Innovative Basis ist die Kombination eines ultraschnellen Infrarot (IR) Temperatursensors mit einem inlinetauglich hardwareintegrierten Kristallisationsmodell zum „Kristallisationssensor“. Zweiter Schritt ist die Erweiterung des Kristallisationssensors um ein KI-Modul zum „intelligenten Kristallisationssensor“. Dieser erstellt aus den Daten des Kristallisationssensors und den kontinuierlich erfassten Spritzgussprozess- und Umgebungsparametern für jedes einzelne Bauteil inline eine Qualitätsvorhersage zum Verzug und generiert zusätzlich Vorschläge zur Anpassung von Spritzgussparametern.
Grundlage dafür ist ein Anlernen des KI-Systems während der üblichen Abmusterungsphase beim Einfahren der Spritzgussform. Nur in dieser Anlernzeit des KI-Systems ist eine 3D-Vermessung erforderlich, im Produktionsprozess selbst soll diese durch das KI-System zur Qualitätssicherung ersetzt werden, was wesentliche Zeit- und Kostenvorteile bietet.

Schwerpunkte der Aufgaben der Projektpartner

Erarbeitung eines inlinetauglichen Kristallisationsmodells inclusive der
Umsetzung in einen Algorithmus, der Kristallisationsparameter (Kristallisationstemperatur und -wärme) ausgibt und bezüglich Laufzeit und Robustheit den Anforderungen an einen routinemäßig einsetzbaren Inline-Kristallisationssensor genügt

Hardwareintegration des entwickelten Kristallisationsmodells durch
Kombination mit dem eigenen IR-Temperatursensor zu einem „Kristallisationssenor“, der inline Kristallisationsparameter ermittelt, ausgibt und für die weitere Auswertung zur Verfügung stellt

Entwicklung eines KI-Systems, welches in einer Abmusterungsphase mit 3D-Bauteilvermessung angelernt wird und danach Vorhersagen zur Bauteilqualität und Prozessparameteranpassungsvorschläge liefert

Systematische Erprobung des „intelligenten Kristallisationssensors“ unter anwendungsnahen Bedingungen inklusive der zu dessen Optimierung notwendigen
Rückkopplung mit den Projektpartnern

Angestrebte Ergebnisse

Die Entwicklung eines robusten inlinetauglichen Algorithmus der, basierend auf einem Kristallisationsmodell Echtzeit-Informationen zum lokalen Kristallisationszustand von Kunststoffspritzgussbauteilen liefern kann
Die hardwareseitige Integration des entwickelten Algorithmus in einen „Kristallisationssensor“, der in Echtzeit Kristallisationsparameter wie Kristallisationstemperatur und -wärme ausgibt
Die Entwicklung eines KI-Systems, welches nach einer Anlernphase mit 3D-Vermessung nur basierend auf den Daten der Kristallisationssensors und begleitend erfasster konventioneller Prozessdaten Aussagen zur Bauteilqualität erlaubt
Die Kombination von „Kristallisationssensor“ und KI-System zu einem „Intelligenten Kristallisationssensor“, der unter Produktionsbedingungen robust arbeitet und die oben genannten Anforderungen zuverlässig erfüllt
Die Erforschung der Möglichkeiten basierend auf den Daten des Kristallisationssensors und begleitend erfassten Prozessdaten mittels KI-System sinnvolle Vorschläge zur Anpassung von Spritzgussprozessparametern zu generieren

Informationen zu unseren Partnern

FOS Messtechnik GmbH

Exipnos GmbH

Fraunhofer-Institut für Mikrostruktur von Werkstoffen und Systemen IMWS

Golden Eye - Intelligentes Dosiersystem

Unser Forschungsprojekt in Zusammenarbeit mit der Bahner Feinwerktechnik GmbH und der TH Köln

Schwerpunkt

Bildbasierte Volumenprüfung von Fluiden im Bereich der Dosiertechnik

Laufzeit 3 Jahre: 1.4.2020 - 30.3.2023

Projektbeschreibung

Ziel des Forschungsvorhabens ist die Entwicklung einer intelligenten, bildbasierten Steuerung von Mikrodosierventilen zum Austragen von Fluiden im Nanoliterbereich.
Im Rahmen dieses Projektes soll ein neuartiges Bildauswertungssystem entwickelt werden, das auf Basis graphischer Mustererkennung Soll-Ist-Vergleiche der Fluid-Tropfen bei der Applikation und der Oberflächenbenetzung anstellen und sie bildlich darstellen soll. Durch dieses innovative Analysetool soll es möglich werden, die optimale Austragungsmenge und den optimalen Benetzungsgrad des aufzubringenden Fluids zu analysieren. So soll erstmals das automatisierte Auftragen industriell genutzter Lötpasten für hochminiaturisierte elektronische Schaltungen auf dreidimensionalen Oberflächen ermöglicht werden.

Schwerpunkte der Aufgaben der Projektpartner

Analyse der rheologischen Eigenschaften technischer Flüssigkeiten (Lotpasten, Öle, Schmierstoffe, Lacke, Flussmittel, etc.) zur Ermittlung der richtigen Setup-Parameter für die Applikation der unterschiedlichen Flüssigkeiten mit abweichender Viskosität
Anhand der ermittelten Parameter soll durch leichte Eingriffe in das System, im Optimalfall ausschließlich in die Software, ein breites Feld an Fluiden über das zu entwickelnde Applikationssystem verarbeitet werden können
Konzeption des Ventils einschließlich Ventil- und Stößel-Geometrie sowie etwaigen Radien, Oberflächen und Materialität
Entwicklung der Applikationsaktorik (Definition der Stößel-Geschwindigkeit beim Verarbeiten einzelner Fluide, um die entsprechende Applikationsmenge zu generieren
Erforschung des Impulshubs des Stößels zur Generierung eines optimalen Tropfens
Analyse des Ventils, abhängig von der Viskosität des Fluids, zur applikation bestimmter Mengen

Entwicklung einer geeigneten neuartigen und variierbaren Aktorik zum Ansteuern des Dosierventils, die in Echtzeit an das Feedback des Sensorsystems gekoppelt werden kann (elektromechanischer, pneumatischer oder hydraulischer Ansatz)
Implementierung der von der iMes Solutions GmbH entwickelten Sensorik zur Inline-Erkennung des Fluidvolumens und der Dosierqualität in die Dosieranlage
Zusammenstellung aller mechanischen und elektronischen Komponenten in einer kompakten Dosieranlage
Entwicklung eines Prototyps

Umsetzung eines bildgebenden Messsystems, das anhand von graphischen Auswertungen das Fluidvolumen und die Applikationsqualität des Dosiersystems evaluieren kann - bestehend aus einer Monokamera und einer externen Recheneinheit
Überführung einer bildgebenden Hardware auf Basis eines 2-D Bildes in ein valides Messergebnis bezüglich Fluidvolumen und Applikationsqualität
Anlernen des Programms mit zahlreichen mathematischen und graphenbasierten Algorithmen

Stark miniaturisiertes Substrat mit Bestückung (Quelle: mikrocontroller.net/topic/334895)

Angestrebte Ergebnisse

Der bildbasierte Ansatz der Applikationsprüfung von Fluiden ist im Bereich der Dosiertechnik ein komplettes Novum. Durch dieses innovative Analysetool wird es möglich sein, die optimale Austragungsmenge und den optimalen Benetzungsgrad des aufzubringenden Fluids zu analysieren. So wird erstmals das automatisierte Auftragen industriell genutzter Lötpasten für hochminiaturisierte elektronische Schaltungen auf dreidimensionalen Oberflächen möglich. Ebenso können auf miniaturisierten Bauelementen wie Mikrozahnrädern präzise geregelte Fett- oder Ölmengen aufgetragen werden.

Informationen zu unseren Partnern

Bahner Feinwerktechnik GmbH

TH Köln

Intelligentes mechatronisches Blechumformungswerkzeug für die Werkzeug- und Automobilindustrie

Unser Forschungsprojekt mit der Brabant & Lehnert Werkzeug und Vorrichtungsbau GmbH und dem Institut für Mikrosensoren, -aktoren und –systeme der Universität Bremen

Schwerpunkte

Integration von Sensoren (Bewegungs-, Kraft- und Wärmesensoren, Kamera)
Qualitätserkennung der produzierten Blechteile aus Sensordaten
Anpassung der Werkzeugparameter oder Wartungsmeldung

Projektbeschreibung

Ziel des Projekts ist die technologische und innovative Entwicklung eines intelligenten Folgeverbundwerkzeugs, für das eine dauerhafte Zustandsanalyse und das aktive und kontinuierliche Nachjustieren im Produktionsprozess ermöglicht werden soll.

Der Zustand der von Verschleiß und Abnutzung betroffenen Werkzeugkomponenten soll sensorisch zu erfassen und daraus Informationen über Standzeit und notwendige Nachjustierungen abzuleiten sein. Die digitale Verarbeitung dieser Informationen durch die Datenaufnahme, -analyse, -visualisierung und -auswertung in Form des Datenmanagements soll ein innovativ zu entwickelnder Algorithmus sowie neue Softwarekomponenten übernehmen, die die intelligente Nutzung dieser Daten und die Automatisierung sowie selbstlernende Prozesse ermöglichen.

Schwerpunkte der Aufgaben der Projektpartner

Entwicklung und Herstellung einer hochsensitiven Sensorik im Reinraum für den Einsatz in Blechumformwerkzeugen im Folgeverbund
Ermittlung verschiedener Sensorkonzepte zur innovativen Datenauswertung durch Defekte, Abnutzung oder Verschleiß im Werkzeug
Entwicklung eines mikrosensortechnischen Systems zur Analyse von Maßabweichungen am zu bearbeitenden Blechteil
Entwurf und Design eines innovativen Kraft-Weg-Diagramms für das intelligente Werkzeug, um Druck- und Press- sowie Bewegungsauswirkungen aufzunehmen

Konstruktion und Entwicklung des Blechumformwerkzeugs als intelligentes Folgeverbundwerkzeug und Implementierung der Sensorik zur Datenanalyse
Entwicklung der geeigneten Sensorplatzierung in dem innovativen Werkzeug, ohne die Operationsvorgänge zu blockieren
Erforschung der Prozesse jeder Einzelstation im Folgeverbund, die für einen selbstlernenden mechatronischen Prozess geeignet ist, und Entwicklung der entsprechenden Prozessparameter
Entwicklung der hochkomplexen Werkzeugauslegung im Folgeverbund und Verbindung der Informations- und Kommunikationstechnologie, um die Rolle des Produktionsoptimierers wahrzunehmen

Berechnung und Entwicklung neuer Algorithmen aus den Daten der intelligenten Werkzeugprozesse
Entwicklung eines Informations- und Kommunikationssystems zur Verarbeitung der Sensordaten und Einleitung von Qualitätsmaßnahmen
Verarbeitung der Sensordaten und Visualisierung in einem benutzerfreundlichen und innovativen Softwaresystem

Ergebnisse

Die Einbindung und Implementierung des neuen Werkzeugs unter der Nutzung von detaillierten Parametern, Mess- und Grenzwerten in die Fertigungsprozesse durch alle beteiligten Partner war erfolgreich.

Zusammenfassend können die Vorteile der hier dargestellten technologischen Entwicklungen wie folgt beschrieben werden:

Sicherstellung der Produktqualität
Erhöhung der Ausbringungsmenge
Verringerung der Fehlproduktion
Erhöhung der Lebensdauer von Werkzeugen

Forschungsprojekte