Posts by BLizard14

    Deployment von KI-Algorithmen zur Energieprognose auf Edge Devices in der ETA-Fabrik


    Deployment of AI algorithms for energy prognosis on edge devices in the ETA Research Factory


    In der ETA-Fabrik wird die Prognose von Energieströmen mit neuesten KI-Algorithmen erforscht. Diese können als Grundlage für ein erfolgreiches Demand Side Management verwendet werden. Demand Side Management ist die Anpassung des Lastgangs von Fabriken an ein volatiles Energieangebot z. B. durch die Nutzung erneuerbarer Energien.


    KI-Prognosealgorithmen werden üblicherweise auf verteilten IT-Systemen, in der Cloud, außerhalb des Shopfloors ausgeführt. Gleichzeitig benötigen sie viele Daten direkt aus Produktionsmaschinen, sodass der Datenstrom von ausgetauschten Daten immer weiter zu nimmt und die Netzwerke an Belastungsgrenzen stoßen.


    In dieser Arbeit soll die Ausführung von KI-Algorithmen auf Edge Devices, welche nah an der Shopfloor-Ebene liegen, untersucht werden, um den Datenaustausch zwischen Produktion und Cloud ohne Informationsverlust verringern zu können. Dabei sollen insbesondere die Systemanforderungen verschiedener KI-Algorithmen und das Deployment vorhandener Python-Algorithmen auf Edge Devices sowie eine entsprechende Deployment-Architektur untersucht werden. Die praktische Implementierung erfolgt auf vorhandenen Industrie PCs.


    Das Arbeitspaket umfasst folgende Punkte:


    -Recherche zu Systemanforderung und Aufbau der verwendeten Software (Python, Scikit-learn, Tensorflow)

    -Entwicklung einer Deployment-Architektur unter Einsatz von Austauschmodulen wie Docker, ONNX, PMML

    -Implementierung der Lösung auf Industrie PCs (Beckhoff und RevolutionPi)


    Kontakt: Daniel Fuhrländer-Völker, M.Sc., d.fuhrlaender-voelker@ptw.tu-darmstadt.de,

    Bastian Dietrich, M.Sc., b.dietrich@ptw.tu-darmstadt.de

    Weiterentwicklung eines Demonstrators für die intelligente, energieadaptive Steuerung von Produktion und Versorgungstechnik


    Enhancement of a mobile demonstrator for intelligent, energy adaptive control of production and building systems.


    Durch die vermehrte Einbindung von erneuerbaren Energieträgern in das Stromnetz und höhere Energieeffizienzanforderungen ändern sich auch die Anforderungen an produzierende Unternehmen. Mit Methoden aus dem Bereich der künstlichen Intelligenz kann der Betrieb von Produktion und Versorgungstechnik optimiert werden. Solche Methoden werden in der ETA-Fabrik entwickelt.


    In der ETA-Fabrik besteht ein Demonstrator, der mithilfe von Fischertechnik-Modulen und einer webbasierten grafischen Benutzeroberfläche eine Fabrik abbildet. Für die Demonstration der energieadaptiven Steuerung soll nun der abgebildete Produktionsprozess angepasst und um Lager ergänzt werden. Außerdem sollen KI-basierte Optimierungsansätze entwickelt und auf dem Demonstrator umgesetzt werden.


    Die Aufgabenstellung umfasst die folgenden Punkte:

    • Konzeptentwicklung für die Darstellung der energieadaptiven Optimierung am Demonstrator
    • Umbau des Demonstrators mit bestehenden und evtl. neuen Komponenten (Hardware)
    • Anpassung der Steuerung (SPS / TwinCat 3) und des Schaltschranks (hier ist, wenn erforderlich Unterstützung durch entsprechend qualifizierte HiWis vorgesehen)
    • Entwicklung und Programmierung (Python) der energieadaptiven Betriebsstrategien

    Das ADP wird in agilem Vorgehen nach SCRUM Methodik durchgeführt. Eine Bearbeitung in Vollzeit ist deswegen wünschenswert aber nicht erforderlich.


    Kontakt:

    Benedikt Grosch, M.Sc. b.grosch@ptw.tu-darmstadt.de

    Daniel Fuhrländer-Völker, M.Sc. d.fuhrlaender-voelker@ptw.tu-darmstadt.de

    Implementierung eines digitalen Zwillings zur Optimierung von Reini-gungsmaschinen und deren Einsatz für Demand Side Management

    Implementation of a digital twin to optimize cleaning machines and their use for demand side management


    In der ETA-Fabrik an der Lichtwiese wird ein Produktionsprozess aus der Metallverarbeitung mit zugehöriger Reinigung betrieben. Der Betrieb der Reinigungsmaschine und damit ihr elektrischer Verbrauch soll so optimiert werden, dass in Zeiten gereinigt wird, in denen beispielsweise viel Windenergie verfügbar ist. Dadurch soll die Nutzung von erneuerbaren Energien verbessert und der CO2-Fußabdruck in der Produktion reduziert werden.


    Um diese Maßnahme umsetzen zu können, ist ein Modell für den Energieverbrauch der Reinigungs-maschinen in Dymola (Modelica) zu entwickeln. Die physikalischen Zusammenhänge können dabei technologisch, auf Grundlage der Datenblätter von Komponenten, abgebildet werden. Das Modell soll genutzt werden, um einen Pool von mehreren Reinigungsanlagen zu optimieren und die Ergebnisse auf größere Fabriken zu übertragen.


    Die Arbeit umfasst die folgenden Schritte:

    • Einarbeitung in die Simulation mit Dymola (Modelica)
    • Festlegen von Eingangs- und Ausgangsgrößen für das Modell der Reinigungsmaschine
    • Modellierung der Einzelkomponenten (Beispielsweise Heizstab, Pumpen und Antriebe)
    • Erstellung eines Maschinengesamtmodells und Validierung an der realen Maschine
    • Implementierung eines Optimierungsverfahrens zur Optimierung eines Anlagenpools aus mehreren Reinigungsanlagen in Python
    • Bewertung der theoretischen Übertragbarkeit auf Reinigungsmaschinen allgemein

    Kontakt:

    Benedikt Grosch, M.Sc. b.grosch@ptw.tu-darmstadt.de

    Daniel Fuhrländer-Völker, M.Sc. d.fuhrlaender-voelker@ptw.tu-darmstadt.de



    Weiterentwicklung eines Demonstrators für den Einsatz von Energiemanagement und Künstlicher Intelligenz in der Industrie

    Extending an energy management and artificial intelligence demonstrator for the manufacturing industry


    In der energieeffizienten Modellfabrik ETA-Fabrikam wird gezeigt, wie der Energieeinsatz in der Industrie digital erfasst, analysiert sowie visualisiert und mit Hilfe künstlicher Intelligenz optimiert werden kann. Zur Demonstration dieser Funktionen ist der Demonstrator CoffEEbot entstanden. Dieser besteht aus einem Kaffeevollautomat, einem kollaborativen Roboterarmund Sensorik zur Erfassung der Energieströme. Die Steuerung und Programmierung erfolgt auf einem industriellen Raspberry Pi. Es gilt nun die Lernziele des Demonstrators klarer auszuarbeiten und in der Software für den Nutzer verständlich zu machen.


    Das Arbeitspaket umfasst folgende Punkte:


    • Aufbereitung der Lernziele des Demonstrators
    • Erstellung eines Konzepts für die Mensch-Maschine-Interaktion und wie dieses die Lernziele abbilden kann
    • Erweiterung des Demonstrators um Funktionen zur flexiblen Laststeuerung (Ziel: Einbindung erneuerbarer Energien)
    • Umsetzung des Konzepts in HMI und Backend (Programmierung in Node-RED)

    Kontakt: Daniel Völker, M.Sc., d.voelker@ptw.tu-darmstadt.de

    Files

    • CoffEEbot.pdf

      (248.51 kB, downloaded 23 times, last: )

    Entwicklung eines intelligenten Kommunikation Gateways zur Vernetzung der Fertigungslinie über Funk

    Development of an intelligent communication gateway in a wireless network for the production line


    Lötofen in der Fertigung werden im Moment konstant mit der selben Temperatur betrieben, auch wenn gerade keine Teile gelötet werden. Würde man den Ofen herunterregeln, wenn gerade keinen Teile ankommen, könnte man viel Energie und damit Kosten einsparen. Hierfür benötigt die Steuerung des Ofens jedoch Information über den Produktionsstand von vorherigen Instanz in der Produktionskette.


    Ziel der Arbeit ist den einfachen Datenaustausch zwischen Maschinen unterschiedlicher Bearbeitungsschritte in einer Fertigungslinie zu ermöglichen. Dazu soll im Bosch Rexroth Werk Erbach ein Funknetzwerk basierend auf Bluetooth Mesh aufgebaut werden, und der Datenaustausch zwischen zwei Maschinen mit Hilfe von Gateways ermöglicht werden. Hierfür soll der für Industrie 4.0 Anwendungen optimierte Industrie PC Box-PC PR21 eingesetzt werden.


    Die Arbeit gliedert sich grob in folgende Schritte:

    • Ermittlung erforderlicher Schnittstellen zur Kompatibilität des Gateways (SPS / Industrie-PC) mit Sensoren und Fertigungsanlagen
    • Ermittlung eines geeigneten Dienstes zum Aufbau eines Bluetooth Mesh-Networks in der Fertigungsumgebung
    • Befähigung der Steuerung zur Einbindung in das Mesh-Network
    • Implementierung einer einfachen Anbindung (Plug & Play) zwischen Mesh-Network und Sensoren inkl. Kommunikation mit dem IoT-Gateway
    • Ausstattung einer Fertigungslinie mit der entwickelten Steuerung und Inbetriebnahme
    • Analyse von Verbesserungspotentialen für weitere Produktanpassungen

    Die Arbeit erfolgt vor Ort in Erbach und wird vergütet.


    Kontakt: Daniel Völker, M.Sc., d.voelker@ptw.tu-darmstadt.de

    Entwicklung einer Datenstruktur für eine agentenbasierte energieeffiziente Fabrikautomatisierung

    Development of a data structure for an agent-based energy-efficient factory automation


    Modernen Automatisierungssysteme in Fabriken müssen sich immer mehr den hohen Anforderungen nach Flexibilität in der Produktion stellen. Jedoch ist vielfach noch unklar, wie die gewünschte Flexibilität, unter Berücksichtigung knapper werdender Ressourcen, erzielt und die entstehenden komplexen Abläufe und Verhaltensweisen beherrscht werden können. Ein Ansatz zur Lösung dieses Problems ist die Verwendung der aus der Informationstechnik bekannten Agentensysteme. Bei diesen werden einzelne Einheiten eines Automatisierungssystems als Agent beschrieben, die eigenständig autonom operieren und mit anderen Agenten interagieren.

    Ziel der Arbeit ist in Produktionstechnik und Energietechnik eingesetzte Agentensystem zu vergleichen und eine Struktur eines Agentensystems für den Einsatz in der ETA-Fabrik zu entwickeln.


    Die Arbeit gliedert sich grob in folgende Schritte:

    • Literaturrecherche zu Datenstruktur, Aufbau und Anwendung von Multiagentensystemen in der Industrie und Energietechnik
    • Entwicklung einer Methodik zur Klassifizierung und zum Vergleich der verschiedenen Datenstrukturen
    • Auswahl einer geeigneten Struktur und Anpassung dieser zum Einsatz in der ETA-Fabrik

    Kontakt: Daniel Völker, M.Sc., d.voelker@ptw.tu-darmstadt.de

    Modellierung von Maschinen als Multiagentensystem zur Nutzung von Energieflexibilitätspotentialen in der Industrie

    Modelling of machines as a multi-agent system for the use of energy flexibility potentials in industry


    Durch den Zubau erneuerbarer Kraftwerke im Zuge der Energiewende schwankt das Stromangebot im deutschen Energienetz. In der industriellen Produktion gibt es eine Vielzahl unterschiedlicher Energieverbraucher, die ihren Energieverbrauch flexibel zeitlich verschieben können. Somit besitzen sie ein ähnliches Verhalten wie Energiespeicher und können die Schwankungen im Stromnetz auffangen.

    Das Ziel der Arbeit ist diese Verbraucher als Multiagentensystem zu modellieren, um ihr Flexibilitätspotential mittels einer dezentralen Optimierung heben und bündeln zu können. Dazu sollen Anlagen der ETA-Fabrik betrachtet werden.


    Die Arbeit gliedert sich grob in folgende Schritte:

    • Recherche zum Stand der Technik von Multiagentensystemen und deren Einsatz in Industrie und Energienetzen
    • Entwicklung einer Vorgehensweise zur Modellierung von Maschinen und Kommunikation im Multiagentensystem
    • Umsetzung (Programmierung) des Vorgehens in Python

    Kontakt: Daniel Völker, M.Sc., d.voelker@ptw.tu-darmstadt.de

    In der energieeffizienten Modellfabrik ETA-Fabrik am Campus Lichtwiese wird gezeigt wie der Energieeinsatz in der Industrie erfasst, analysiert, visualisiert und mit Hilfe künstlicher Intelligenz optimiert werden kann. Im Rahmen des neuen Forschungsprojektes KI|ETA sollen KI-gestützte Assistenzsysteme für die energetische Optimierung der Produktion entwickelt werden.


    Wir suchen kompetente Hilfswissenschaftler zur Unterstützung bei der Akquise des Projektes KI|ETA. Mögliche Aufgaben sind:

    • Recherche zum Stand der Technik von KI und Digitalisierung in der Industrie (Mögliche Themen sind Neuronale Netze, Deep Reinforcement Learning, Multiagentensysteme, mathematische Optimierung, Verbrauchsprognose, …)
    • Mitarbeit an der Projektskizze
    • Erstellung von Präsentationen und Unterlagen

    Es werden gute Deutschkenntnisse in Wort und Schrift vorausgesetzt. Interesse an Energieeffizienz, künstlicher Intelligenz und Digitalisierung ist wünschenswert.



    Interessierte Studierende richten ihre Bewerbung (Lebenslauf & Leistungsspiegel) bitte per E-Mail an Daniel Völker (d.voelker@ptw.tu-darmstadt.de). Rückfragen gerne auch telefonisch oder vor Ort in der ETA-Fabrik.

    Dezentrale Optimierung von Maschinen mit speicherähnlichen Eigenschaften zur Nutzung von Energieflexibilitätspotentialen


    Decentralized optimization of machines with storage-like characteristics for the utilization of potentials for energy flexibility


    Im Zuge der Energiewende steigen die Energiekosten in der Industrie, weshalb nach Möglichkeiten gesucht wird, den Energiebezug zu optimieren. In der Produktion gibt es eine Vielzahl unterschiedlicher Energieverbraucher, die ihren Energieverbrauch zeitlich verschieben können und somit ein ähnliches Verhalten wie Energiespeicher besitzen. Ziel der Arbeit ist, diese Verbraucher am Beispiel eines in der ETA-Fabrik existierenden Demonstrators als Agent eines Multiagentensystems zu modellieren und mittels einer dezentralen Optimierung ihr Flexibilitätspotential zu heben.


    Das Arbeitspaket umfasst folgende Punkte:



    • Recherche zum Stand der Technik von Multiagentensystemen und verteilter Optimierung und deren Einsatz in Energienetzen und der Industrie
    • Auswahl nötiger Parameter für die Darstellung von Energieflüssen im Agentenhandel
    • Erstellung einer Simulationsumgebung für den Agentenhandel in Python
    • Modellierung eines existierenden Demonstrators als Agent anhand der Parameter
    • Implementierung der Handelsschnittstellen in NodeRed am Demonstrator
    • Validierung der Simulationsergebnisse mit realen Messungen

    Kontakt: Daniel Völker, M.Sc., d.voelker@ptw.tu-darmstadt.de

    In der energieeffizienten Modellfabrik ETA-Fabrik am Campus Lichtwiese wird gezeigt wie der Energieeinsatz in der Industrie erfasst, analysiert sowie visualisiert und mit Hilfe künstlicher Intelligenz optimiert werden kann. Die Versorgungssysteme wie BHKW, Strom- und Wärmespeicher werden über eine zentrale Gebäudeautomation mittels einer Industriesteuerung (SPS) gesteuert und mit einem SCADA System visualisiert.


    Wir suchen kompetente Hilfswissenschaftler zur Unterstützung bei Aufgaben zur Automation und Datenverarbeitung. Mögliche Aufgaben sind:



    • Programmierung der Gebäudeautomation / Industriesteuerung (SPS)
    • Testen, Validieren und Erweitern der Gebäudeautomation
    • Entwicklung von Regelstrategien zur Optimierung des Energieverbrauchs
    • Visualisierung von Energie- und Anlagenzuständen in SCADA-Anwendungen


    Es werden Vorkenntnisse in der Programmierung von Industriesteuerungen vorausgesetzt. Interesse an Automation und Regelungstechnik ist wünschenswert.


    Interessierte Studierende richten die schriftliche Bewerbung (Lebenslauf & Leistungsspiegel) per E-Mail an Daniel Völker (d.voelker@ptw.tu-darmstadt.de). Rückfragen gerne auch telefonisch oder vor Ort in der ETA-Fabrik.

    Files

    In der ETA-Fabrik werden Energiesysteme in der Produktion erforscht, um die Energieeffizienz von Produktionsprozessen zu steigern. Um die komplexen Interaktionen verschiedener vernetzter Prozesse und deren Regelung beherrschbar zur machen, werden diese in Simulationsmodellen abgebildet. Dies umfasst sowohl die spezifischen Prozesse der ETA- Fabrik als auch typische Industrieprozesse. Aktuell wird zu diesem Zweck eine Simulationsmodellbibliothek aufgebaut und eine Lehrveranstaltung zur Vermittlung des Themas Energiesimulation vorbereitet.



    Wir suchen kompetente Hilfswissenschaftler zur Unterstützung bei Aufgaben zur Energiesimulation. Mögliche Aufgaben sind:



    • Aufbau/Erweiterung von Simulationsmodellen von Anlagen und Komponenten
    • Vorbereitung von Präsentations- und Schulungsunterlagen
    • Recherchetätigkeiten im Themenfeld Energiesimulation


    Es werden gute Deutschkenntnisse vorausgesetzt. Vorkenntnisse und Interesse in Regelungstechnik sowie grundlegende Simulationskenntnisse sind wünschenswert.



    Interessierte Studierende richten die schriftliche Bewerbung (Lebenslauf & Leistungsspiegel) per E-Mail an Daniel Völker (d.voelker@ptw.tu-darmstadt.de). Rückfragen gerne auch telefonisch oder vor Ort in der ETA-Fabrik.

    Alles klar. Dann schlage ich vor, dass wir uns Freitag um 14:00 Uhr im Erdgeschoss des S3|10 vor dem Aufzug treffen.


    Ich gehe im Moment übrigens die Übungen zur Veranstaltunng Strömungslehre für die Mechatronik durch. Die Aufgaben sind teilweise aus Spurk übernommen, teilweise andere.

    Ich schreibe auch die Nachschreibeklausur. Leider fehlt mir noch etwas der Durchblick. Gehst Du die Aufgabensammlung einfach von vorne bis hinten durch oder fokusierst Du Dich auf einige Themen?