Ziel und Anliegen

SUPRA ist ein internationales ZIM-Innovationsnetzwerk und setzt sich aus einer Gemeinschaft von Industrie- und Forschungs-partnern aus dem Bereich der Produktionstechnik zusammen.

Ziel des Netzwerkes ist die Erarbeitung von Strategien zur Steigerung der Resilienz und Nachhaltigkeit von Produktionsprozessen durch Automatisierung sowie die Weiterentwicklung von Produktionssystemen und Komponenten. Für viele Unternehmen und Einrichtungen wirken aktuelle Herausforderungen wie Klimawandel, Fachkräftemangel sowie steigender Innovations- und Konkurrenzdruck besonders herausfordernd. Hieraus leitet sich die zentrale Handlungsmatrix für die inhaltliche Ausrichtung des Netzwerkes ab. Diese besteht aus einer unternehmensinternen Perspektive, welcher identifizierte Zukunftsthemen gegenübergestellt sind.

Durch die interdisziplinäre und internationale Zusammenarbeit sollen so Kompetenzen, Ideen und Knowhow identifiziert, entwickelt und gebündelt werden. Hierbei werden die Aktivitäten an der "Agenda 2030 für nachhaltige Entwicklung“ der Vereinten Nationen ausgerichtet. Diesen Nachhaltigkeitsgedanken aufzugreifen, ihn weiterzuentwickeln und speziell im Bereich von produzierenden kleinen und mittelständischen Unternehmen (KMU’s) zur Anwendung zu bringen ist die Vision von SUPRA.

Entwicklungslinien

Die gemeinsame Forschung des Netzwerks SUPRA gliedert sich in die sechs folgenden Schwerpunkte:

1. Agile Fertigungsprozesse und -systeme

Die zunehmende Individualisierung komplexer Massenprodukte sowie immer kürzere Produktlebenszyklen erfordert seitens der Produktions- und Automatisierungstechnik wandelbare und flexible Fertigungsprozesse inklusive der dazugehörigen Fertigungssysteme und -systemkomponenten. Hieran sind Prozessketten der Fertigung als auch der Demontage anzupassen bzw. weiterzuentwickeln. Insbesondere die Ergänzung bestehender Maschinenkonzepte durch den Einsatz von Robotern wie auch die Entwicklung alternativer Maschinenkinematiken unter Nutzung von Industrierobotern sollen mit Blick auf unterschiedliche Zielkriterien (Nachhaltigkeit, Qualität, …) diesem Anpassungsdruck begegnen.

2. Umweltökonomie in der Produktionstechnik

Steigende gesellschaftliche Ansprüche an das unternehmerische Handeln hinsichtlich ökologischer Aspekte erfordern eine stärkere Beachtung in der Betrachtung von Prozessketten und Produkten. Deren oftmals noch unbekannten umweltökonomischen Zusammenhänge sowie deren Unternehmensinnen- und –außenwirkung erfordern eine Ergänzung durch ein Umweltmanagementsystem und dessen transparentes Reporting. Daraus leiten sich Handlungsmöglichkeiten ab, welche die Entwicklung nachhaltiger Geschäftsmodelle sowie Produkte ermöglichen.

3. Mensch-Maschine-Roboter-Kooperation

Für komplexe Fertigungsaufgaben und verzahnte Prozessketten bietet sich die Kooperation von Maschine und Roboter an. Dies führt zwangsläufig zu einer Vielzahl an Fragestellungen beginnend bei den zugrundeliegenden wissenschaftlichen Methoden und Modellen bis hin zur praktischen Realisierung. Die Aufteilung der jeweiligen Fertigungsaufgaben auf eines der beiden Maschinensysteme sowie deren parallele oder sequentielle Abarbeitung, die Berücksichtigung der jeweilige erzielbare, lage- und arbeitsraumabhängige Genauigkeit, Dynamiken und Kosten sind ebenso entscheidende ökonomische Restriktionen. Darüber hinaus sind wechselseitige Prozesseinflüsse wie auch Fragen der praktischen Implementierung zu klären. Zudem gilt es, die Rolle des Menschen in diesem Ökosystem zu bewerten, die Potentiale und Bedürfnisse der Interaktion zu berücksichtigen und die neue Aufgabenverteilung transparent abzubilden.

4. Smart Data and Models

Für nachhaltige Prozesse und Systeme ist die Zustandserfassung, -bewertung und -beeinflussung essentiell. Die Grundlage dafür bildet eine breite Wissensbasis. Deren Ziel liegt in der Zusammenführung unterschiedlichster, heterogene Informationen. Hieraus lassen sich durch Datenverdichtung zusätzliche Mehrwerte ableiten. So sind neben prozessbegleitenden Monitoring und Modellen zur Risiko-, Fehler- und Potentialanalyse auch Rückschlüsse aus einer bidirektionalen Koppelung von Realsystem und Modell möglich.

5. Maschinelles Lernen

Methoden des maschinellen Lernens eignen sich besonders bei der Formalisierung nicht trivialer Zusammenhänge. Deren Beschreibung, Datenvorverarbeitung und –zusammenführung sowie die Entwicklung von individuellen Algorithmen dienen der Lösung anwendungsspezifischer Fragestellungen. Die richtige Auswahl der Methodik (überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen) als auch die Datenqualität sind von zentraler Bedeutung für die Aussagekraft der Ergebnisse. Darüber hinaus zeigt die Vielfalt der zu betrachtenden Daten wie Sensor-, Bild- und Maschinendaten Komplexität des Themenbereichs.

6. Smarte Werkstoffe und Strukturen

Jenseits klassischer monolithischer Konstruktions¬¬werkstoffen besteht ein großes Potenzial in der Nutzung von Funktionswerkstoffen, die meist außergewöhnliche Eigenschaften aufweisen. Beispiele dafür sind beispielsweise Formgedächtnislegierungen, die sich auch nach einer starken plastischen Verformung wieder an ihre ursprüngliche Form erinnern, auxetische Strukturen mit dessen Design eine negative Querkontraktionszahl erreicht wird oder elektrorheologische Fluide, die beim Anlegen einer elektrischen Spannung eine schaltbare optische Transmission ermöglichen. Diese Werkstoffe werden häufig als intelligente Materialen bezeichnet und können bei der Integration in Halbzeuge oder Bauteile für aktorische und/oder sensorische Funktionen genutzt werden.