Arbeitsgebiete und Forschungsschwerpunkte

Die Forschungstätigkeiten am Fachgebiet Automatisierungstechnik konzentrieren sich auf die folgenden Themenstellungen:

  • Vernetzte Automation / Industrie 4.0 (Fertigung in Losgröße 1, Selbstoptimierende und Selbstrekonfigurierende Produktionssysteme)
  • Machine Learning und Big Data Analytics für Condition Monitoring, Prädiktive Wartung, Prozessoptimierung etc.
  • Diskrete Elemente Methode (DEM) / Mechatronische Systeme

Vernetzte Automation / Industrie 4.0: Der Begriff Industrie 4.0 steht für die zunehmende Digitalisierung der industriellen Produktion. Digitalisierung bedeutet hierbei insbesondere die Vernetzung von Maschinen und Anlagen untereinander, mit ERP-Systemen und dem Internet. Die Arbeiten am Fachgebiet im Umfeld Industrie 4.0 konzentrieren sich hierbei auf die Entwicklung von vernetzten dezentralen Steuerungssystemen sowie von selbstoptimierenden und selbstrekonfigurierenden Produktionssystemen mithilfe von Methoden aus der künstlichen Intelligenz. So entstehen hochflexible Produktionssysteme, die in der Lage sind, ihr Verhalten während des Betriebs zu optimieren und sich kontinuierlich durch Erlernen neuer Verhaltensmuster verbessern. Ziele der Arbeiten sind die Flexibilisierung der Produktion bis hin zu Losgröße 1, die Erhöhung der Verfügbarkeit sowie die Optimierung der Betriebsweise. Die Anwendungsfelder der Forschungsergebnisse liegen hierbei vor allem in der Produktionstechnik sowie im Maschinen- und Anlagenbau.

Machine Learning und Big Data Analytics: Die Digitalisierung der Produktion ist verbunden mit der kontinuierlichen Aufnahme großer Datenmengen, die Maschinendaten, Produktionsparameter sowie Produktdaten umfassen. Bisher werden diese Daten nur sehr selten für weitergehende Analysen verwendet, das Potenzial der anfallenden Daten wird somit nicht genutzt. Die Arbeiten am Fachgebiet im Bereich der intelligenten Datenanalyse konzentrieren sich auf die Auswertung dieser Produktionsdaten mithilfe von Verfahren aus dem Machine Learning, beispielsweise durch den Einsatz von Neuronalen Netzen oder verschiedenen Klassifikationsalgorithmen. Ziel ist die Applikation dieser Verfahren auf industrielle Anwendungen mit dem Fokus auf das Condition Monitoring, die prädiktive Wartung sowie die Prozess- und Energieoptimierung. Die Kombination von Modellen des Produktionssystems und Verfahren zur intelligenten Datenanalyse kann hochgenaue Aussagen über den aktuellen Anlagenzustand treffen. Ebenso können zuverlässige Vorhersagen über zu erwartende Wartungshandlungen gegeben werden, die unnötige Anlagenstillstände vermeiden. Auch der Einfluss von Prozessparametern auf die Produktgüte kann auf Basis von Datenanalysen bestimmt werden, woaus Optimierungspotentiale für das Prozessverhalten abgeleitet werden können. Die Anwendungsfelder der Forschungsergebnisse liegen u.a. in der Produktionstechnik sowie im Maschinen- und Anlagenbau.

DEM / Mechatronische Systeme: Die Anwendung der diskrete Elemente Methode stellt einen weiteren Schwerpunkt der Arbeiten dar. Mithilfe der DEM lassen sich realitätsnahe Simulationen von Partikelsystemen erzeugen, die dann für die Systemauslegung und Systemoptimierung verwendet werden können. In Zukunft soll das Potenzial der DEM auch auf weitere Bereich wie den Reglerentwurf ausgedeht werden.

Ein zweiter Arbeitsbereich stellen wasserstoffbasierte Antriebe für Elektrofahrzeuge dar. Im Rahmen des Forschungsprojekts H2Energy erforscht das Fachgebiet Automatisierungstechnik zusammen mit den Fachgebieten Schaltungstechnik, Elektrische Antriebe und Physik Optimierungspotentiale im Betrieb von Wasserstoff-Elektrofahrzeugen mit Hybridspeichersystem. Kern der Arbeiten am Fachgebiet ist die Entwicklung eines intelligenten Energiemanagementsystems mit dem Ziel, die Reichweite von Elektrofahrzeugen durch eine optimierte Betriebsweise zu erhöhen.