SYNERGY aims at strengthening currently underdeveloped linkages, cooperation and synergies between companies, industry, research, intermediaries and policy makers in central Europe.  The project will analyse funded and finalised innovation projects and cluster institutions involved in projects into three key areas covering the most promising modern industrial technologies.

These areas include

  • additive manufacturing and 3D printing,
  • micro- and nanotechnology-related processes and materials, as well as
  • the industry 4.0 sector.

Institutions and clusters included in each area will form ‘synergic networks’ based on a novel projects assessment methodology and a ‘synergic consortia matchmaking’ IT online tool. Moreover, the project will define new crowd innovation services and test them in different types of pilot actions. As a result, project activities will boost the creation of innovative services and facilitate transnational cooperation in the industrial sector.

 

Project name:
Synergy – SYnergic Networking for innovativeness Enhancement of central european actoRs focused on hiGh-tech industrY

Funding:

Interreg – Central Europe Programme

 

Duration:  
01.08.2017 – 31.07.2020

Website:
http://www.interreg-central.eu/Content.Node/SYNERGY.html

Ihr Ansprechpartner

DI Christian Wögerer, MSc

International Networks

+43 72 52 885 200
christian.woegerer@nullprofactor.at

Gerne antworten wir…

… auf Ihre Fragen

Kollaborative Leichtbauroboter sind in der Industrie im Trend. Sie sind vergleichsweise günstig. Die Entwicklungen im Forschungsfeld des maschinellen Lernens machen sie zunehmend flexibel und sorgen für eine leichtere Bedienung. Die Herausforderungen für die Forschung liegen auf der Hand. Die Maschinen müssen mit einer kognitiven Intelligenz ausgestattet sein, um eine veränderte Umwelt adaptieren und neue Aufgaben verstehen zu können. Die in dem Projekt angestrebten Ziele gehen weit über den State-of-the-Art der Forschung hinaus.

Im Mittelpunkt steht das „Transfer Lernen“: von manuellen Tätigkeiten des Menschen auf den Roboter sowie von einer Produkt- oder Prozess-Variante auf eine ähnliche ab.

Die wesentlichen Forschungsziele in dem Projekt:

  1.  Das Mapping der Bewegung des Menschen auf den Roboter
  2. Das „Verstehen“ temporaler Task-Zusammenhänge und Prozessparameter durch den Roboter
  3. Die Adaptierbarkeit auf ähnliche Prozesse mit möglichst wenig neuen Beispielen

Für die Durchführung des Projekts sind keine externen Kooperationen vorgesehen.

Projektname:
LERN4MRK: Modellieren, Erlernen und Abstrahieren von Prozessen für die Mensch-Roboter Kooperation

Förderung:
bmvit

Laufzeit:  
01.07.2017 – 30.06.2021

Publikationen

S.C. Akkaladevi, M. Plasch, and A. Pichler, „Skill-based learning of an assembly process“ Elektrotech. Inftech. (2017) 134: 312, Springer Vienna. https://doi.org/10.1007/s00502-017-0514-2 

C. Heindl, T. Poenitz, G. Stuebl, A. Pichler, and J. Scharinger, “Spatio-thermal depth correction of RGB-D sensors based on Gaussian Processes in real-time” in The 10th International Conference on Machine Vision, to be published, 2017.

Ihr Ansprechpartner

DI Dr. Gernot Stübl
Scientist
Robotics and Assistive Systems

+43 72 52 885 313
gernot.stuebl@nullprofactor.at

We answer …

… your questions

Technologielabor für die humanzentrierte, assistive Produktion der Zukunft

Ziel des Projekts ist der Aufbau eines vernetzten Technologie-Laboratoriums zur Entwicklung und Erprobung neuartiger, assistiver Technologien, Methoden und Konzepte für eine künftige digitale humanzentrierte Produktion.

Hauptzielsetzung ist der Aufbau wissenschaftlicher Expertise in den folgenden Themenfeldern:

  • Intuitive Interaktion und innovative BedienerInnen Assistenz
  • Kognitive Systeme im industriellen Produktionsprozess
  • Situative Entscheidungsunterstützung für die Systemauslegung
  • Mensch Roboter Kooperation in der Fertigung

Im Smart Factory Labor ist ein Demonstrationsarbeitsplatz aufgebaut, welcher neue Möglichkeiten zur Bedienerführung bzw. Interaktionsmöglichkeiten zwischen Mensch und Maschine zeigt. Besondere Bedeutung hierbei hat die ‚Useability‘ für den Mitarbeiter in der Produktion. Die Entlastung  des Mitarbeiters ist oberstes Ziel.

Exemplarische Arbeitsabläufe im Produktionskontext werden durch dynamische Projektion direkt auf den Arbeitsbereich oder das Bauteil angeleitet. Der Mitarbeiter wird geführt und ‚die Bedienungsanleitung für den aktuellen Bauplan‘ wird im direkt im Arbeitsbereich eingeblendet. Für zusätzliche Systemintelligenz dient eine 3D Sensorik, welche mittels Objeklageerkennung bzw. Objekttracking (2D oder 3D) permanent das Bauteil bzw. die Hände des Werkers im Auge behält und somit dynamisch den Projektionsinhalt verändern kann. Alternative bzw. komplementäre Technologien werden laufend evaluiert und gegenübergestellt; das Grundkonzept mit neueren Endgeräten umgesetzt basiert beispielsweise auf der Kombination aus einem Trackingsystem und einer Datenbrille.

Für intuitivere Benutzereingaben (Mensch zu Maschine Kommunikation) werden Tasten und Eingabemöglichkeiten in den unmittelbaren Arbeitsbereich (z.B. mittels Projektion) des Produktionsmitarbeiters verlagert, welcher dann durch einfache Gesten oder ganz natürlichen Bewegungen die entsprechenden Maschinen und (Assistenz-)Werkzeuge triggern kann.

Im Allgemeinen wird in diesem Themenbereich großer Wert darauf gelegt mit low-cost Ansätzen und entsprechender Systemintelligenz dem Mitarbeiter komplexe Produktion möglichst einfach zu gestalten.

Für die visuelle Prüfung von kompliziert geformten Bauteilen wird ein Inspektionsroboter eingesetzt, der den Bauteil unter dem jeweiligen Prüfsystem positioniert und in ein einer kontinuierlichen Scan-Bewegung die gesamte Oberfläche erfasst. In der Prüfzelle sind verschiedene Sensoren integriert:

Der Faserwinkelsensor „FScan“ prüft die Verläufe von Fasern auf Verbundbauteilen aus Karbon- oder Glasfaser und ermöglicht die Detektion von Defekten, wie Einschlüssen im Bauteil.

Der Sensor „LScan“ wird für die Überwachung von Ablegeprozessen („Automated Fiber Placement“) von CFK-Bauteilen verwendet, und detektiert typische Abweichungen im Prozess wie gaps, overlaps, twisted tows oder fuzzballs.

Der „TP-Scan“ Sensor wird für die Prüfung von metallischen Oberflächen eingesetzt und erlaubt eine sichere Unterscheidung von Lunkern, Kratzern oder Beschädigungen, die als Fehler erkannt werden sollen, und Verschmutzungen oder Verfärbungen, die akzeptable Abweichungen darstellen. Die Roboterbewegung für die jeweilige Prüfaufgabe wird auf Basis des CAD Modells des Bauteils und eines physikalischen Modells des Prüfprozesses automatisch kollisionsfrei geplant.

In diesem Themenfeld werden Technologien der Verteilten Künstlichen Intelligenz auf ihre Anwendbarkeit in Produktionsprozessen untersucht. Insbesondere die Teilbereiche Multi-Agenten-Systeme, Actor-Systeme, Holonik und Semantische Interoperabilität werden hier untersucht und ein Demonstrator entwickelt.

Im Mittelpunkt steht die Interaktion von Mensch und Maschine / Robotersystemen im gemeinsamen Arbeitsraum .

Die Demonstratoren im  Smart Factory LAB ermöglichen das schnelle und einfache Erstellen von verschiedener Arbeitsprozesse mit dem Roboter. Ziel ist es, die Systeme binnen wenigen Minuten auch von Nicht-Experten programmiert werden können. Interaktive Bedienung durch Mixed Reality Interaktion aber auch einfache  „Drag & Drop“ Funktionen erleichtern das Erstellen und Einfügen neuer Skills (Fähigkeiten) am Robotersystem.

Ihr Ansprechpartner

DI (FH) Harald Bauer
Head of Visual Computing

+43 7252 885 302
harald.bauer@nullprofactor.at

Dieses Projekt wird aus Mitteln des Europäischen Fonds für regionale Entwicklung kofinanziert.

Nähere Infos finden Sie unter: www.efre.gv.at 

Gerne antworten wir…

… auf Ihre Fragen

Die produzierende Industrie ist ein Motor für Forschung und Entwicklung, Innovation, Wachstum und Beschäftigung. Angesichts des zunehmenden Drucks auf die Hersteller (höhere Produktionskapazitäten in Niedriglohnländern und ein höherer Grad an Komplexität der Lieferketten in Hochlohnländern) müssen die Hersteller neue Technologien, Prinzipien und Ansätze anwenden.

Mit anderen Worten, die Hersteller müssen ihre Produktion digitalisieren und dabei auch die Verbesserung der Prozesse und des Personalmanagements berücksichtigen.

Hauptziel des Smart Factory HUB-Projekts ist die Verbesserung der Rahmenbedingungen für Innovationen im Bereich der „Smart Factory“.

Ziel des Projekts ist es daher, FuE- und geschäftspolitische Rahmenbedingungen für die transnationale Zusammenarbeit in der produzierenden Industrie zu entwickeln.

Das Ergebnis ist eine verbesserte Zusammenarbeit zwischen Forschung und Entwicklung und der Wirtschaft, basierend auf dem RIS3-Modell (Research and Innovation Smart Specialization Strategy). Die Partner werden neue Lösungen in den folgenden drei Bereichen finden: Anwendung neuer Technologien, Anwendung effektiver Produktionsprozesse und Anwendung eines effektiven Personalmanagementsystems.

SMART FACTORY COOPERATION PLATTFORM ist online.

SMART FACTORY HUB - Public Call

Die öffentliche Ausschreibung hat es zum Ziel, intelligente und innovative Lösungen in  Produktionsprozesse einzuführen. Hierfür soll ein überregionales Voucher-Programm getestet werden, das den interregionalen Transfer von intelligenten Lösungen (d. h. Smart Manufacturing) in heimi ...

Project name:
SMART FACTORY HUB – IMPROVING RD AND BUSINESS POLICY CONDITIONS FOR TRANSNATIONAL COOPERATION IN THE MANUFACTURING INDUSTRY

Funding:

199.825 EUR
Interreg – Danuabe Transnational Programme

Project Co-funded by European Union funds (ERDF, IPA, ENI

Duration:  
01.01.2017 – 30.06.2019

Website:
http://www.interreg-danube.eu/approved-projects/smart-factory-hub

Ihr Ansprechpartner

DI Christian Wögerer, MSc

International Networks

+43 72 52 885 200
christian.woegerer@nullprofactor.at

Gerne antworten wir…

… auf Ihre Fragen

Partner:

Pomurje Technology Park
Technical University of Cluj-Napoca
Croatian Agency for SMEs, innovations and investments
University of Stuttgart – Institute for Human Factors and Technology Management
PROFACTOR GMBH
University of West Bohemia
Slovak Chamber Of Commerce and Industry
Pannon Business Network Association
Foundation “Cluster Information and Communications Technologies”
Chamber of Commerce and Industry of Serbia
Public Agency for Entrepreneurship, Internationalisation, Foreign Investments and Technology
Stuttgart Region Economic Development Corporation
Ministry of Economy of the Republic of Serbia
Im Projekt werden Machine Learning Methoden für die Produktion von Mikrofluidikkomponenten entwickelt (C) istockphoto/ luchschen

Der Einsatz von Machine Vision in der automatischen Qualitätssicherung produziert enorme Datenmengen, um Fehler zu detektieren. Das langfristige Ziel der Qualitätsprüfung ist aber nicht nur die robuste iO/niO-Erkennung, sondern die Verringerung oder Vermeidung von Ausschuss. Dazu ist eine Rückkoppelung der Daten aus der Qualitätsprüfung mit den Prozess- und Designdaten nötig. Das ermöglicht die Extraktion von Prozess- und Qualitätsparametern und eine Verbesserung des Produktionsprozesses.

Im Projekt MV-Control sollen Machine Learning Methoden entwickelt werden, die aus heterogenen Daten mögliche Ursachen für Defekte erkennen. Dabei werden Systemidentifikations- und Regressionsmodelle sowie regelbasierte Klassifikatoren genutzt.

Die Forschungsthemen des Projekts sind:

  • Fusionierungskonzepte für die Kombination von Qualitätsdaten, Design- und Prozessdaten.
  • Vorhersagemodelle, die aus Prozess- und Qualitätsdaten Zusammenhänge mit Hilfe von Zeitreihenmodellen und Klassifikatoren über mehrere Produktionsschritte erkennen.
  • Modellbasierte Erkennung von Defekten, und Ableitung von Gegenmaßnahmen.
  • Modellbasierte Methoden zur Prozessoptimierung, mit denen die Konfiguration für Produktvarianten beschleunigt wird.

Das Ergebnis des Projekts werden Methoden und Algorithmen in Form von Software sein. Sie wird im Projekt am Beispiel der Produktion von Mikrofluidikkomponenten entwickelt und getestet. Die Ergebnisse zielen aber auf generische Methoden für ein breites Einsatzspektrum ab.

 

Projektname:
Generating process feedback from heterogeneous data sources in quality control

Förderung:
FFG – ICT of the Future

Laufzeit:  
01.10.2015 – 30.09.2018

Ihr Ansprechpartner

Dr. Christian Eitzinger
Head of Machine Vision

+43 7252 885 250
christian.eitzinger@nullprofactor.at

Gerne antworten wir…

… auf Ihre Fragen

Märkte, in denen die Nachfrage nicht immer genau vorhergesagt werden kann, bzw. Unternehmen, die mit kleinen Fertigungslosen arbeiten, profitieren nicht von der erhöhten Produktivität durch Roboter. Der Trend hin zu individualisierten Serienfertigung verschärft die Problematik zusätzlich. Industrieroboter-Anlagen haben großen Platzbedarf und erfordern Sicherheitsinfrastruktur wie automatisierte Zäune und Türen. Das erhöht die Systemkosten sowie die Kosten für die Automatisierung und Programmierung der Anlagen. Produktion in kleinen Losgrößen bis hin zu Losgröße 1 Produkten erfordert Robotersysteme die mobil sind, ohne Schutzzaun arbeiten können – im Idealfall in Mensch-Roboter-Kooperation, und aufgrund sensorischen Fähigkeiten in der Lage sind ihre Programmierung an die a priori undefinierte Umgebungssituation (hinsichtlich Werkstückpräsentation, …) anzupassen. Das erhöht die Systemkomplexität enorm, da zu Anlagenbauern und Roboterprogrammierern im Extremfall Bildverarbeitungsspezialisten und Spezialisten zur Programmierung Sensordatenabhängiger Robotersoftware hinzukommen.

Im Projekt FlexRoP werden Systeme entwickelt, die flexibler und einfacher zu programmieren und die lernfähig sind.

Projektziele im Detail:

  • Integration einer Assistenzroboterplattform mit erweiterten sensorischen Fähigkeiten
  • Definition einer universellen Darstellung für die Fähigkeit (Skill), eine Montageaufgabe zu bewältigen.
  • Implementierung automatischer und halbautomatischer Fähigkeiten zur Parametrierung der Skills über visuelle und kinästhetische Beobachtung von Menschen.
  • Techniken zur Verallgemeinerung, um die in der Anlernphase erworbenen Fähigkeiten in unterschiedlichen Situationen anwenden zu können.
  • Implementierung von Algorithmen zur Aktionssynthese, um Bearbeitungsprogramme aus Sensordaten ableiten zu können.

Projektname:
Flexible, assistive robot for the customized production.

Förderung:
FFG –  ICT of the Future

Laufzeit:  
1.09.2016 – 31.08.2018

Ihr Ansprechpartner

DI Markus Ikeda
Research Engineer
Robotics and Assistive Systems

+43 72 52 885 308
markus.ikeda@nullprofactor.at

We answer …

… your questions

Der „Griff in die Kiste“ ist gelöst

Das Handling von unförmigen und unsortiert dargebotenen Teilen – zum Beispiel in einer Schütte – stellt für die Automatisierung eine Herausforderung dar. Der von PROFACTOR und IH Tech gemeinsam entwickelte iRob Feeder®  ist in der Lage, unterschiedliche Werkstücke in unterschiedlicher Lage zu detektieren, zu ergreifen und für die Weiterverarbeitung zu positionieren. Die 3D-Lage der Werkstücke wird auch in nicht-standardisierten Umgebungen erkannt. Die Werkstücke müssen nicht mehr sortenrein geschlichtet zur Anlage transportiert werden.

Der iRob Feeder®  wurde im Partnerverbund mit dem Unternehmen IH Tech entwickelt und ist eine kompakte Gesamtlösung für das individuelle, automatische Bestücken von Industrieanlagen. Er zeichnet sich durch einen flexiblen Systemeinsatz, eine kurze Break-Even-Zeit und eine kompakte Bauweise aus. Der iRob Feeder®  ist einfach integrierbar und erweiterbar.

Für den zielgerichteten Griff des Roboters in die Kiste ist eine passende 3D Bildverarbeitung nötig, die dem Roboter ein Abbild der ist-Situation liefert. Auch diese Komponente wurde von PROFACTOR entwickelt.

 

Ihr Ansprechpartner

Dr. Andreas Pichler
CTO

+43 7252 885 306
andreas.pichler@nullprofactor.at

 

Gerne antworten wir…

… auf Ihre Fragen

Bei der Produktion von Leichtbauteilen aus Faserverbundwerkstoffen in der Luftfahrtindustrie  müssen zahlreiche Arbeitsschritte  manuell durchgeführt werden:  Füllen, Spachteln, Schleifen, das Aktivieren von Oberflächen und das Ausbessern von kleinen Fehlstellen. Das Projekt Seltec untersucht parallel zwei Lösungen für eine effizientere Herstellung.

Die Integration von CAD Daten, Sensorik und flexiblen Fertigungssystemen ermöglicht es,  dass diese Fertigungsprozesse automatisch, in hoher Qualität und vor allem selektiv durchgeführt werden können.

Alternativ dazu wird eine neue Methode zur Beschichtung der Oberflächen entwickelt. Damit können  die erwähnten manuellen Arbeitschritte vollständig ersetzen werden. Dazu wird ein In-Mould-Coating Prozess entwickelt, der mit hochreaktiven Pulverlacken Oberflächen von hoher Qualität  erzeugen kann und gleichzeitig die Vorbehandlung der Oberflächen überflüssig macht.

Durch die Kombination dieser beiden Ansätze kann eine Reduktion der manuellen
Arbeitszeit um bis zu 50 Prozent  erreicht werden.

Projektname:
Selektive Oberflächen- und Herstellprozesstechniken für Faserverbund- und Hybridbauteilprodukten

Förderung:
FFG – 8. Ausschreibung TAKE OFF

Laufzeit:
01.04.2011 – 31.03.2014

szambal_web

Ihr Ansprechpartner

DI Dr.tech. Sebastian Zambal
Machine Vision

+43 7252 885 254
sebastian.zambal@nullprofactor.at

Gerne antworten wir…

… auf Ihre Fragen

In dem abgeschlossenen Forschungsprojekt Custompacker wurde ein skalierbares und flexibles Assistenzsystem (FlexiPack) für die Anforderungen eines ergonomisch günstigen Arbeitsplatzes bei der Verpackung von schweren und großen Teilen – im konkreten: Fernsehern  – entwickelt. Bei der Verpackung müssen auch formflexible Gegenstände wie Kabelsätze, Bedienungsanleitungen und Fernbedienungen berücksichtigt werden.

Aus diesem Grund erfolgte die Verpackung in den Expedit-Abteilungen – im Gegensatz zur Verpackung von Produkten in Großserie – in der Regel manuell.

In dem Projekt wurde eine lernfähige Systemarchitektur entwickelt. Mit einer Konfiguration kann eine  Reihe von Produktvariationen bewältigt werden.

Bei PROFACTOR wurden in dem im Projekt die Prozess- und Roboterplanungskomponenten, sowie die 3D-Erkennung des Arbeitsraumes und das gesamte Software-Framework für das Assistenzsystem entwickelt.  Ein weitere Aufgabe wir das Thema Aktivitätsinterpretation:  Bildverarbeitungssysteme sind imstande, die verschiedenen Aktivitäten des menschlichen Werkers automatisch zu erkennen und zu interpretieren. Das System erkennt unter anderem, ob die Person gerade verpackt, auf einen Auftrag wartet, neue Verpackungsstrategien einlernt oder neue Kundenaufträge annimmt.

Die in dem Projekt eingesetzten Roboter bewältigen – gemeinsam mit dem Menschen – nicht nur das richtige Verpacken eine Vielzahl unterschiedlicher Produkte – vom LCD-Fernseher bis hin zu Notebooks. Ausladende Bewegungen der Maschine dürfen den menschlichen Mitpacker in keiner Weise gefährden.  In dem Projekt wurden unter anderem mehrere Greifarmtypen entwickelt:

Greifarmtypen für leichtere Lasten mit Knickarm sind zu diesem Zweck mit einer berührungsempfindlichen Hülle ausgestattet worden. Bei Kontakt mit dem Menschen stellt sich daher die Maschine sofort ab. Für Schwerlasten wurden pneumatischer Arme entwickelt, die vom Arbeiter geführt werden können.

Projektname:    
Highly Customizable and Flexible Packaging Station for mid- to upper sized Electronic Consumer Goods using Industrial Robots

Förderung:
EU – FP7-2010-NMP-ICT-FoF

Laufzeit:
01.07.2010 – 30.06.2013

02_andreas_pichler_technischer_gf_web

Ihr Ansprechpartner

Dr. Andreas Pichler
CTO

+43 72 52 885 306
andreas.pichler@nullprofactor.at

Gerne antworten wir…

… auf Ihre Fragen