Skip to main content Skip to main navigation

Projekt | EASY

Laufzeit:

Energieeffiziente Analyse und Steuerungsprozesse im dynamischen Edge-Cloud-Kontinuum für die industrielle Fertigung

Das Projekt EASY zielt auf die energieeffiziente Analyse und Ausführung von Fertigungs- und Steuerungsprozessen im Rahmen der dynamischen industriellen Fertigung ab. In einem Edge-Cloud-Kontinuum wird übergangslos und niederschwellig die industrielle Fertigung prozessbasiert überwacht und ressourcenoptimiert gesteuert. Eine dynamische interoperable Laufzeitumgebung bindet anpassbare und mit Erfahrungswissen kombinierte KI-Mehrwertdienste zur Analyse ein und nutzt diese wiederum zur Optimierung von Fertigungsplanung und -steuerung.

In der Fertigungsorganisation nach dem Leitbild der Industrie 4.0 (I4.0) ermöglicht das Edge-Computing die datensouveräne, echtzeitnahe Verarbeitung von Daten direkt am Ort der Entstehung. Durch die mit Edge-Computing einhergehende deutliche Reduktion der Latenzzeiten wird die produktionsnahe Nutzung industrieller KI-Anwendungen in der Analyse und Steuerung von Fertigungsprozessen vorangetrieben. Dies verspricht eine Steigerung von Produktivität und Ressourceneffizienz für den gesamten Fertigungsprozess. Bisher scheitern Edge-Computing und die Ausnutzung der damit verbundenen potenziellen Mehrwerte jedoch an technischen Barrieren, insbesondere der Integration von IT (Information Technology) und OT (Operational Technology).

Fertigungsunternehmen werden in die Lage versetzt, ihre eigenen Daten sowohl lokal auf verteilten Edge-Nodes als auch auf zentralen Cloud-Servern zu verarbeiten. Die dynamische KI-basierte Planung der Fertigungsdienste unter Einbezug von Erfahrungswissen sorgt für eine optimierte Ausführung und Nutzung von Rechenressourcen innerhalb des Netzwerks, für reduzierte Latenzzeiten und konstante Datenübertragungsraten. Innerhalb dieses Kontinuums ermöglicht eine skalierbare und leistungsfähige Infrastruktur eine dynamische Ausführung von Compute-Prozessen zwischen zentralen Cloud- und dezentralen Edge-Instanzen. Das EASY-Projekt wird von einem Konsortium aus führenden Forschungseinrichtungen und Unternehmen umgesetzt und durch das Bundesministerium für Wirtschaft und Klimaschutz gefördert.

Partner

  • Empolis Information Management GmbH
  • Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
  • Robert Bosch GmbH
  • Fraunhofer IOSB-INA
  • Hochschule Trier – Umwelt-Campus Birkenfeld
  • ArtiMinds Robotics GmbH
  • coboworx GmbH

Publikationen zum Projekt

  1. EASY: Energy-Efficient Analysis and Control Processes in the Dynamic Edge-Cloud Continuum for Industrial Manufacturing

    Alexander Schultheis; Benjamin Alt; Sebastian Bast; Achim Guldner; David Jilg; Darko Katic; Johannes Mundorf; Tobias Schlagenhauf; Sebastian Weber; Ralph Bergmann; Simon Bergweiler; Lars Creutz; Guido Dartmann; Lukas Malburg; Stefan Naumann; Mahdi Rezapour; Martin Ruskowski

    In: KI - Künstliche Intelligenz, German Journal on Artificial Intelligence - Organ des Fachbereiches "Künstliche Intelligenz" der Gesellschaft für Informatik e.V. (KI), Springer, 9/2024.
  2. Identifying Missing Sensor Values in IoT Time Series Data: A Weight-Based Extension of Similarity Measures for Smart Manufacturing

    Alexander Schultheis; Lukas Malburg; Joscha Grüger; Justin Weich; Yannis Bertrand; Ralph Bergmann; Estefanía Serral Asensio

    In: Juan A. Recio-Garcia; Mauricio G. Orozco-del-Castillo; Derek Bridge (Hrsg.). Case-Based Reasoning Research and Development - 32nd International Conference, ICCBR 2024, Merida, Mexico, July 1-4, 2024, Proceedings. International Conference on Case-Based Reasoning (ICCBR-2024), July 1-4, Merida, Mexico, Lecture Notes in Computer Science, Springer, 6/2024.

Fördergeber

BMWK - Bundesministerium für Wirtschaft und Klimaschutz

01MD22002C

BMWK - Bundesministerium für Wirtschaft und Klimaschutz

BMWK - Bundesministerium für Wirtschaft und Klimaschutz