| Forschungsprojekt: | "DEPOT" - Digitale Entwicklung, Produktion, LOgistik und Transport |  |
| Forschungsbereich: | Digitalisierung, Sensorik, Datenmanagement | |
| Gefördert durch: | Bundesministerium für Wirtschaft und Technologie (LuFoIV-3) | |
| In Zusammenarbeit mit: | Airbus Operations GmbH, SAP, Liebherr, AOA, Fraunhofergesellschaft, TUHH-Institut für Technische Logistik, Favendo, DAKO | |
| Beginn des Projekts: | Januar 2018 | |
| Ende des Projekts: | Juni 2021 |
Beschreibung:
Im Rahmen des Projektes „Digitale Entwicklung, Produktion, Logistik und Transport“ (DEPOT) verfolgt das Forschungskonsortium eine ganzheitliche Digitalisierung der Entwicklungs-, Produktions- und Logistik-Prozesse in der Luftfahrtindustrie. Dies soll zur Gewährleistung einer Transparenz, Planbarkeit und Qualität der Prozessabläufe an der Schnittstelle zwischen Logistik und Produktion führen. Das IFPT entwickelt hierzu einen modularen und intelligenten Ladungsträger (eine smart MDU), womit Funktionen für eine digitalisierten Logistikablauf erfüllt werden können:
• Identifikation der Beladung
• Kommunikation mit einem übergeordneten Leitsystem
• Mensch-Maschine Interaktion mit WerkerInnen
Um eine nachhaltige Nachrüstung bestehender Ladungsträgerflotten zu ermöglichen, entwickelt das IFPT smarte Sensor-Einschubböden (Smart Sensor Boards), welche bestehende Einschubböden ersetzen. Die Smart Sensor Boards können durch verschiedene Module bedarfsgerecht ausgestattet werden. Hierbei stehen Bluetooth-Low-Energy und RFID Module zur Verfügung. Zusätzlich wird über ein AI Modul die markerlose Identifikation von Bauteilen ermöglicht.
Die Smart Sensor Boards wurden in prototypischer Form und unterschiedlicher Ausführung für Demonstratoren gefertigt. Hierbei wurde zusätzlich ein Batteriepaket entworfen und umgesetzt, welches einen langen autonomen Betrieb eines smarten Gitterwagens ermöglicht.
Zusätzlich wurde eine Integration in den modularen Ladungsträger des Partnerinstituts ITL umgesetzt.
Veröffentlichungen
D. Schoepflin, M. Brand, M. Gomse, T. Schüppstuhl: Towards Visual Referencing for Location Based Services in Industrial Settings; Proceedings of the 52nd International Symposium on Robotics, 2020 VDE
D. Schoepflin, A. Wendt, T. Schüppstuhl: Daten zur richtigen Zeit am richtigen Ort, Industrial Production. 2020. Jg, 1, Nr. 12, S. 46-47
D. Schoepflin, K. Iyer, M. Gomse, T. Schüppstuhl: Towards Synthetic AI Training Data for Object Identifiers in Intralogistic Settings; Annals of Scientific Society for Assembly, Handling and Industrial Robotics 2021, Springer
[accepted] D. Schoepflin. J. Koch, M. Gomse, T. Schüppstuhl: Smart Material Delivery Unit for the Production Supplying Logistics of Aircrafts; Procedia Manufacturing, 2021, Elsevier
[accepted] D. Schoepflin. D. Holst, M. Gomse, T. Schüppstuhl: Synthetic Training Data Generation for Visual Object Identification on Load Carriers; Procedia CIRP, 2021, Elsevier
Studierende mit Interesse an folgenden Themen können sich gerne zwecks einer Abschlussarbeit bei Daniel Schoepflin (daniel.schoepflin(at)tuhh(dot)de) melden:
• Entwicklung, Erprobung, Implementierung von IoT Hardware
• Sensorik zur Identifikation von Bauteilen
• Microcontroler (Arduino, ESP32) zur Anbindung der Sensorik an die Haupt CPU
• Digitalisierte Produktionsabläufe, Schnittstellen zwischen digitalisierten und manuellen Prozessen
• Künstliche Intelligenz zur Objektidentifizierung
• Design minimalistischer Neuronale Netzwerke für Kleinstanwendungen
• Generierung synthetischer Trainingsdaten für industrielle Kontexte
Ansprechpartner am Institut: M.Sc. Daniel Schoepflin