Projektbeschreibung
Eine bahnbrechende Lösung zur Optimierung von Fertigungssystemen
Um die Produktion im verarbeitenden Gewerbe auf einem wettbewerbsfähigen Niveau zu halten, müssen Manager komplexe kollaborative und rekonfigurierbare Produktionssysteme entwerfen und verwalten, welche die neuen Technologien optimal nutzen. Damit das volle Potenzial der digitalen Werkzeuge für die Fertigung freigesetzt werden kann, sind allerdings noch umfangreiche Forschungsarbeiten erforderlich. Das EU-finanzierte Projekt ASSISTANT zielt darauf ab, bahnbrechende Lösungen für die Fertigungsindustrie zu entwickeln, bei denen künstliche Intelligenz zur Optimierung von Produktionssystemen eingesetzt wird. Einer der Grundpfeiler von ASSISTANT ist die Schaffung intelligenter digitaler Zwillinge. Durch das Kombinieren von maschinellem Lernen, Optimierung, Simulation und Domänenmodellen entwickelt ASSISTANT Instrumente und Lösungen, die alle erforderlichen Informationen bereitstellen. So wird das Produktionsmanagement dabei unterstützt, Produktionslinien zu entwerfen, die Produktion zu planen sowie Maschineneinstellungen für effektive und nachhaltige Entscheidungen zu verbessern, die Produktqualität und -sicherheit garantieren.
Ziel
With a multidisciplinary consortium combining key skills in AI, manufacturing, edge computing and robotics, ASSISTANT aims to create intelligent digital twins through the joint use of machine learning (ML), optimization, simulation and domain models. The resulting tools permit to design and operate complex collaborative and reconfigurable production systems based on data collected from various sources such as IoT devices. ASSISTANT targets a significant increase in flexibility and reactivity, products/processes quality, and in robustness of manufacturing systems, by integrating human and machine intelligence in a sustainable learning relationship.
ASSISTANT provides decision makers with generative design based software for all manufacturing decisions. Rather than writing ad hoc code for each manufacturing sector, it provides a set of intelligent digital twins that self adapt to the manufacturing environment. It promote a methodology that enhances generative design with learning aspects of AI thanks to the data available in manufacturing. ASSISTANT aims to synthesize predictive/prescriptive models adjusted to the shop floor for each decision levels. Digital twins will be used as oracles by ML in order to converge towards models in phase with reality. This means that rather than writing specific code to cover a restricted set of goals/scenarios/hypotheses for a manufacturing system and a decision level, ASSISTANT will aim at learning models that can be used by standard optimization libraries. In this context, ML is used to predict parameter values, characterize parameters uncertainty, and acquire physical constraints. ASSISTANT will experiment this methodology on a significant panel of use cases selected for their relevance in the current context of the digital transformation of production in major manufacturing sectors undergoing rapid transformations like the energy, the industrial equipment, and automotive sectors which already make extensive use of digital twins.
Wissenschaftliches Gebiet
- natural sciencescomputer and information sciencesinternetinternet of things
- natural sciencescomputer and information sciencessoftware
- engineering and technologymechanical engineeringvehicle engineeringautomotive engineering
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringrobotics
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-ICT-2020-1
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
91120 Palaiseau
Frankreich