Projektbeschreibung
Aufbau einer widerstandsfähigen Fertigung
Das verarbeitende Gewerbe sieht sich heute häufigen Unterbrechungen durch Faktoren wie Nachfrageschwankungen und Lieferkettenproblemen ausgesetzt, die Ineffizienz und Verluste nach sich ziehen. Diese Veränderungen treffen die Ökosysteme des verarbeitenden Gewerbes oft unvorbereitet und führen zu Ineffizienz und Verlusten. In diesem Zusammenhang zielt das Team des EU-finanzierten Projekts DMaaST darauf ab, die Fähigkeit des Ökosystems der Fertigung zur Selbstanpassung zu optimieren. Mithilfe der Nutzung einer intelligenten Fertigungsplattform werden vier Ebenen der Innovation eingeführt. Erstens integriert eine robuste Datenschicht Echtzeitinformationen über alle Einrichtungen hinweg. Mittels eines zweistufigen kognitiven digitalen Zwillings werden Fertigungsprozesse und Wertschöpfungsketten nachgeahmt, unterstützt durch menschliches Fachwissen und hochmoderne Algorithmen. Bei einem verteilten Entscheidungsunterstützungssystem dient föderales Deep Learning der optimalen Entscheidungsfindung. Zu guter Letzt runden benutzungsfreundliche Schnittstellen und Nachhaltigkeitsbewertungen das Rahmenwerk ab und versprechen Skalierbarkeit und Resilienz.
Ziel
DMaaST aims to enhance the manufacturing ecosystem's resiliency and capability of self-adaptation in response to external events. It is achieved through a Smart Manufacturing Platform comprising 4 layers: The data layer establishes a foundation for mapping manufacturing ecosystem information using ontologies and decentralized knowledge graphs, ensuring a trusted cross-organization real-time data integration. Next, a layer with a two-level cognitive digital twin is created, with the low-level DT modelling two use cases' manufacturing services production line; and the high-level DT modelling the main stages of use-cases sectors value chains. The resulting DTs will use human expertise-knowledge, data-driven algorithms and physical modelling to provide a reliable and robust DT of the manufacturing ecosystem. The next layer employs the data and modelling layer's information to present a multi-objective distributed decision support system algorithm combining multi-objective techniques and the latest trends in Federated Deep Learning. This makes DTs actionable models and provides the necessary information to make optimal production decisions. The fourth layer focuses on presenting the information in a user-friendly manner with timely scoreboards. Additionally, a dedicated module will assess the production's circularity and sustainability and considering products traceability through the EU-DPP. Therefore, the sustainability and remanufacturing opportunities of the production process will be improved. The project ensures scalability, providing information for replicating and trying new manufacturing processes thanks to the manufacturing services digital warehouse while assessing risks and opportunities for improvement. DMaaST innovations enable the manufacturing ecosystem to adopt the Manufacturing as a Service concept by smoothly evolving all the technologies from a TRL3 to a consolidated TRL6 in 2 use cases in key sectors, aerospace and electronics.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenInformatik und InformationswissenschaftenWissensverarbeitungOntologie
- NaturwissenschaftenBiowissenschaftenÖkologieÖkosystem
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-CL4-2023-TWIN-TRANSITION-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordinator
41300 La Rinconada
Spanien