Colab4DigiTwin

CoLab4DigiTwin zielt auf die Weiterentwicklung unternehmensübergreifender 3D-Kollaborationsplattformen ab.
Intelligente Smart Services sollen Daten (visuell) aufbereiten und synchronisierte, datenbasierte Entscheidungshilfen für Nutzende bieten.

Innovativ ist der Aufbau einer digitalen Plattform für unternehmensübergreifenden Kooperation zur vertrauensvollen und kollaborativen Nutzung von Fertigungs- und Produktionsdaten. CoLab4DigiTwin ermöglicht es, komplexe Aufgaben und Projekte unternehmens-, zeit- und ortsübergreifend zu bearbeiten.

Mithilfe von intelligenten Services wie XR-Frontend, Smart Data Analytics und Wissensmanagement werden den Nutzenden Anlagedaten (visuell) aufbereitet, sodass sie entlang dieser ihre Arbeitsprozesse gestalten können. Synchronisierte und datenbasierte Entscheidungshilfen unterstützen alle Nutzenden innerhalb ihrer jeweiligen Tätigkeiten dabei, notwendige Prozesse (bspw. Auslösen eines Wartungs- oder Serviceeinsatzes) auszulösen und somit intelligente und zukunftsgerichtete Entscheidungen zu treffen.

Die Kollaborationsplattform reduziert die Komplexität, schafft Transparenz, steigert die Effizienz und macht neue Geschäftsmodelle möglich. Voraussetzung für CoLab4DigiTwin ist die Verwendung eines Digitalen Zwilling über den gesamten Anlagenlebenszyklus als zentrales Element für den Informationsaustausch.

Leistungen des August-Wilhelm Scheer Instituts

Für eine reibungslose Organisation und Koordination sowie zur Sicherstellung der wissenschaftlichen Leitung und Verwertung übernimmt das Institut die gesamtheitliche organisatorische und strategische Planung sowie Leitung im Rahmen der „Entwicklung Smart Services“.

Ziel: Konzeption der zu entwickelnden Smart Services.

Nach eingehender Anforderungsanalyse und State of the Art Recherche werden die Smart Services definiert und konzipiert. Innerhalb dieser Konzeption werden Themen wie Spatial-Computing, XR und KI-basiertes Wissensmanagement adressiert.

Ergebnis: Konzeptuelle Ausgestaltung der einzelnen Smart Services als Vorbereitung zur Implementierung und der Verprobung.

Ziel: Sammlung und Strukturierung von den durch die Konsortialpartner bereitgestellten Daten. Diese sollen die notwendige Grundlage für eine hohe Datenqualität schaffen. Im Anschluss werden Datenqualitätsanalysen zum Erhalt der Datenqualität innerhalb der Smart Services durchgeführt.

Die Daten der Konsortialpartner werden gesammelt, aufbereitet und sinnvoll strukturiert, um anschließend die notwendigen Datenqualitätsmerkmale zu identifizieren. Dies schafft eine solide Datenqualität für den Einsatz im Live-Betrieb.

Ergebnis: Bereinigter qualitativer Datenstamm als Basis für alle nachfolgenden Entwicklungen und Prozesse.

Ziel: Konzeption eines XR-Frontend, um den Anwendenden eine intuitive Bedienung der dreidimensionalen Interaktionsmöglichkeiten zu ermöglichen. Anschließend erfolgt die Integration des bereinigten Datenstamms sowie der IIoT-Sensoren in die XR-Umgebung. Zuletzt wird das XR-Fronted entwickelt, damit Anwendende auf Basis von visuell aufbereiteten und dreidimensionalen Informationen auf Extended Reality Endgeräten agieren können.

Auf Grundlage einer Anforderungsanalyse wird ein XR-Frontend konzipiert, um anwenderfreundliche und nutzerorientierte Visualisierung der Smart Services garantieren zu können. Über Schnittstellen werden die bereinigten Daten aus den verschiedenen Quellen (Sensoren, Gewerke, Sublieferanten, etc.) in die XR-Umgebung integriert und mit dem XR-Frontend gekoppelt. Im Anschluss erfolgt die Entwicklung des XR-Frontends zur Visualisierung und Steuerung der Smart Services auf mobilen und stationären Extended Reality Endgeräten. Dies inkludiert die Entwicklung von Interaktionsmechanismen basierend auf verschiedenen Tracking Methoden wie Gesichts-, Augen- oder Handtracking, sowie Positionsbestimmungen innerhalb der Produktionsstraße.

Ergebnis: Konzept und Architektur des anwenderfreundlichen und nutzeroptimierten XR-Frontend. Durch den Zusammenfluss der Datenquellen in die XR-Umgebung entsteht ein anwenderfreundliches und nutzeroptimiertes XR-Frontend.

Ziel: Konzeption der zu entwickelnden Smart Data Analytics (bspw. Predictive Maintenance). Aufbereitung und Zusammenführung der Daten sowie Visualisierung der Analysen. Entwicklung von intelligenten Algorithmen für Analysen. Sammlung von Historie-Daten und Entwicklung von Prognosemodellen auf deren Basis.

Die zur Verfügung stehenden Daten werden gesammelt und konzipiert, sodass im folgenden Arbeitsprozess intelligente Algorithmen entwickelt werden können, um Analysen durchzuführen und Prognosemodelle zu entwerfen. Überführung der Ergebnisse in die visuelle Ausgabe der XR-Hardware sowie weiterer Endgeräte. Auf Basis der Datenquellen werden intelligente Algorithmen entwickelt, um Analysen durchzuführen und Prognosen zu entwickeln. Auf Basis der Historie-Daten werden intelligente Algorithmen entwickelt, um Prognosemodelle zu entwerfen.

Ergebnis: Konzept und Architektur, um intelligente Analysen durchzuführen und Prognosemodelle zu entwickeln. Visuell aufbereitete Daten als Entscheidungsgrundlage für Anwendende. Intelligente Algorithmen, sodass Anwendende Analysen durchführen können. Intelligente Algorithmen, sodass Anwendende Prognosemodelle zu Rate ziehen können.

Ziel: Auf Basis einer Anforderungsanalyse wird ein intelligentes Wissensmanagement konzipiert, sodass Anwendende auf Informationen und Daten jederzeit zugreifen können. Entwicklung eines intelligenten, nutzeroptimierten und anwenderfreundlichen Wissensmanagement, sodass Anwendende oder Lernende jederzeit und geräteunabhängig die notwendigen Informationen und Daten zur Anlage abrufen können.

Es wird eine Architektur für ein intelligentes Wissensmanagement konzipiert, sodass auf dessen Grundlage nachfolgende Entwicklung stattfinden kann. Entwicklung eines anwenderfreundlichen und nutzeroptimierten Wissensmanagements, mit dessen Hilfe die Anwendenden oder Lernenden Daten oder Informationen der Anlage abrufbereit und aufbereitet zur Hand haben.

Ergebnis: Architektur als Basis für die nachfolgenden Entwicklungsarbeiten für das intelligente Wissensmanagement. Intelligentes, nutzeroptimiertes und anwenderfreundliches Wissensmanagement

Gemeinsam mit dem Verbundpartner Thyssenkrupp werden die konzipierten und entwickelten Smart Services evaluiert. Ergebnis soll hierbei die Sicherstellung der Erreichung der Ziele sein, welche mit den Smart Services innerhalb des Gesamtvorhabens angestrebt werden.

Zudem sollen in den drei Kategorien Gebäudeplanung, Anlagenplanung und Anlagenbetrieb Demonstratoren erarbeitet und umgesetzt werden, mit denen die drei Hauptperspektiven der Plattform validiert und demonstriert werden können.

In regelmäßigen Intervallen sollen Projektberichte zur Dokumentation des Projektverlaufs und der erzielten Ergebnisse verfasst werden. Zudem werden wissenschaftliche Publikationen verfasst und auf Messen und Konferenzen veröffentlicht. Ziel ist hierbei die gewissenhafte und lückenlose Projektdokumentation sowie wissenschaftliche Veröffentlichungen.

Smart Services

Ziel: Konzeption der zu entwickelnden Smart Services.

Nach eingehender Anforderungsanalyse und State of the Art Recherche werden die Smart Services definiert und konzipiert. Innerhalb dieser Konzeption werden Themen wie Spatial-Computing, XR und KI-basiertes Wissensmanagement adressiert.

Ergebnis: Konzeptuelle Ausgestaltung der einzelnen Smart Services als Vorbereitung zur Implementierung und der Verprobung.

Datenverarbeitung

Ziel: Sammlung und Strukturierung von den durch die Konsortialpartner bereitgestellten Daten. Diese sollen die notwendige Grundlage für eine hohe Datenqualität schaffen. Im Anschluss werden Datenqualitätsanalysen zum Erhalt der Datenqualität innerhalb der Smart Services durchgeführt.

Die Daten der Konsortialpartner werden gesammelt, aufbereitet und sinnvoll strukturiert, um anschließend die notwendigen Datenqualitätsmerkmale zu identifizieren. Dies schafft eine solide Datenqualität für den Einsatz im Live-Betrieb.

Ergebnis: Berein