Handhabungs- und Montagetechnik

EIBA - Sensorische Erfassung, automatisierte Identifikation und Bewertung von Altteilen anhand von Produktdaten sowie Informationen über bisherige Lieferungen​

Der Übergang zu einer Kreislaufwirtschaft durch die Wiederverwendung von Produkten erfordert eine effiziente Sammlung und industrielle Wiederaufbereitung von Alt-Produkten. Am Ende der Nutzungs-Phase ist jedes Produkt durch seine Vorgeschichte einzigartig. Nur ausgewählte Produkte sind für eine Wiederaufbereitung geeignet.

Aus den Werkstätten kommen bereits in großer Zahl gebrauchte Teile (Alt-Teile) auf den Markt für Kraftfahrzeug-Ersatzteile. Die Alt-Teile werden industriell wiederaufbereitet und für eine weitere Nutzungs-Phase in Fahrzeugen verkauft. Für die Aufbereitung müssen die Alt-Teile nach Typ identifiziert, bewertet und nach Zustand sortiert werden. Die Identifikation und Bewertung erfolgt überwiegend manuell und ist zeitaufwändig. Viele Produkte unterscheiden sich nur geringfügig voneinander. Weiterhin sind die Produkte durch Verschmutzung und Verschleiß schwer zu identifizieren.

EIBA entwickelt ein System zur Identifizierung und Bewertung von Alt-Teilen. Die Innovation liegt dabei in der Zusammenarbeit zwischen Mensch und Maschine, um die Hindernisse und Schwierigkeiten bei der Identifizierung und Bewertung zu überwinden.

Die Maschine nutzt Methoden der künstlichen Intelligenz - wie maschinelles Lernen und Deep Learning - zur Auswertung von Sensor-Daten und betriebsinternen Informationen. So kann die Maschine Empfehlungen für die Entscheidungsfindung formulieren und die sensorischen und kognitiven Fähigkeiten des Menschen unterstützen. Die Kombination der Kompetenzen von Mensch und Maschine soll die Fehler-Quote bei der Identifikation reduzieren und den Menschen entlasten.

Darüber hinaus soll das System die Identifizierung von Alt-Teilen ermöglichen, die mit den heutigen Methoden nicht identifiziert werden können. Alt-Teile, die heute verschrottet werden, können in Zukunft für eine werterhaltende Wiederaufbereitung genutzt werden.

Dies ist ein wichtiger Beitrag zur Schließung des Kreislaufs durch digitale Technologien.

 

Um die Projekt-Ziele zu erreichen, arbeiten Ingenieure aus verschiedenen Disziplinen zusammen. Das Projekt-Team betrachtet die Herausforderungen aus unterschiedlichen Perspektiven und nutzt so die Potenziale bestmöglich.

Das Fachgebiet Handhabungs- und Montagetechnik (HAMSTER) ist für die Umsetzung der Datenauswertung betriebsinterner Informationen und die Gestaltung der Mensch-Maschine-Schnittstelle verantwortlich.

Auf der Grundlage von Informationen über Produkte und frühere Lieferungen entwickelt das HAMSTER-Team einen Vorhersage-Algorithmus, der es ermöglicht, Empfehlungen für die Entscheidungsfindung zu erstellen.

Damit Mensch und Maschine effizient zusammenarbeiten können, arbeitet das HAMSTER-Team an der Integration der Entscheidungs-Unterstützung in eine Mensch-Maschine-Schnittstelle. Dabei gehen wir nach Gestaltungsrichtlinien für Gebrauchstauglichkeit vor. So werden Empfehlungen für die Entscheidungsfindung und Handlungsanweisungen verständlich und übersichtlich dargestellt. Besonderes Augenmerk liegt dabei auf der nutzerorientierten Gestaltung entsprechend der Bedürfnisse von den Mitarbeiter:innen. Dieses Vorgehen gewährleistet die Akzeptanz und effiziente Nutzung des Systems.

Projekt EIBA auf LinkedIn

 

Laufzeit
01.09.2019 - 31.05.2023

Ansprechpartner
Robert Schimanek

+49 30 314-22014
r.schimanek(at)tu-berlin.de

Zielsetzung
Entwicklung eines Systems zur Identifikation und Zustandsbewertung von Altteilen

Leistungen

  • Entwicklung eines Prädiktionsalgorithmus zur Nutzung von Unternehmenswissen
  • Gestaltung und Integration einer gebrauchstauglichen Mensch-Maschine-Schnittstelle

Förderkennzeichen
033R226

Förderinstitut

 

News zum Projekt

Befragung zur kreislauforientierten Umstellung von montage- und produktionstechnischen Wertschöpfung

Die Wissenschaftsjournalistin Christiane Schulzki-Haddouti hat Pinar Bilge zu kreislauforientierten Umstellung von montage- und produktionstechnischen Wertschöpfung befragt. Das Interview ist ab Seite 130 in der Broschüre "KI und Nachhaltigkeit" der Plattform Lernende Systeme - Germany's AI Platform von BMBF & acatech – Deutsche Akademie der Technikwissenschaften zu finden, Link: https://lnkd.in/ecFqWT47. Am Beispiel von EIBA Projekt erklärt Pinar Bilge, wie das EIBA Projekt-Team durch KI eine höhere Erkennungsgenauigkeit und somit eine Qualitätsverbesserung für das Remanufacturing ermöglicht.

Quelle: LinkedIn