Navigationsweiche Anfang

Navigationsweiche Ende

Lehrstuhl für Technologien und Management der Digitalen Transformation


Herr Univ.-Prof. Dr.-Ing. Tobias Meisen

Aktuelles

  • Digitale Assistenz als Inklusionsmotor? RegHUB – Smart Social Solutions auf der Wissensoffensive in Bottrop
    Wie und ob digitale Assistenzsysteme dazu beitragen, dass Menschen mit kognitiven Einschränkungen... [mehr]
  • Vortrag von Prof. Dr.-Ing. Tobias Meisen beim AKIS-Seminar
    Spätestens seit den Erfolgen von AlphaGo und seinem Nachfolger AlphaZero hat das Lernparadigma... [mehr]
  • camo.event: Automatisierte Mobilität in Kommunen gestalten
    Es ist wieder soweit! Am 09.12.2021 richtet das Centrum für automatisierte Mobilität (camo.nrw)... [mehr]
  • Prof. Dr.-Ing. Tobias Meisen: Interview im Livestream auf Recruiting-Plattform Talentine
    Lehrstuhlinhaber Prof. Dr.-Ing. Tobias Meisen ist Speaker in der ersten Videoshow vom Digital Impact... [mehr]
  • Themenheft zur Künstlichen Intelligenz in der automatisierten Mobilität erschienen
    Individualverkehr, öffentlicher Personennahverkehr (ÖPNV) und der Logistikverkehr werden durch den... [mehr]
zum Archiv ->

Künstliche Intelligenz bei der Montage von Flugzeugschalen: AGR33D gestartet

Neues Forschungsprojekt in Zusammenarbeit mit der Premium Aerotec GmbH gestartet.

Im Rahmen des Projekts „Automatisierung für flexible und erweiterbare Schalenmontagen mit digitaler Intelligenz (AGR33D)“ untersuchen Wissenschaftler*innen des Lehrstuhls für Technologien & Management der Digitalen Transformation gemeinsam mit Partnern der Premium Aerotec GmbH den Einsatz von Digitalisierung und künstlicher Intelligenz zur Automatisierung der weitgehend manuellen Montage von Flugzeugschalen.

Der Lehrstuhl ist insbesondere in zwei Bereichen des Projekts beteiligt. Im Anwendungsfall "Vormontage" wird eine automatisierte Steuerung von Montagerobotern entwickelt. Bisher ist die robuste Automatisierung mit klassischen Verfahren nicht wirtschaftlich, da die Stückzahlen in der Flugzeugindustrie deutlich geringer sind als etwa in der Automobilindustrie. Mit Hilfe von lernenden Verfahren der künstlichen Intelligenz, dem sogenannten Reinforcement Learning, sollen Roboter nun Fügeaufgaben eigenständig erlernen, was wiederum die Produktionskosten deutlich senkt. 

Im Projektteil, der sich dem Anwendungsfall „Endmontage“ widmet, wird die Arbeitsplanung für die Zusammenarbeit von Menschen und Robotern betrachtet. Durch Reinforcement Learning sollen Durchlaufzeiten und Kosten von Arbeitsschritten geschätzt werden, um unter Berücksichtigung von Verfügbarkeiten einen optimalen Arbeitsplan zu erstellen. Ein wichtiger Aspekt ist hierbei das dynamische Umplanen im Fall von unvorhersehbaren Ereignissen, wie beispielsweise eine Störung an einem Roboter.

Für mehr Informationen siehe hier.