Young Researcher Award für Arbeiten zur Vernetzung und Digitalisierung in Produktionssystemen

Yannnik Lockner und Jan Pennekamp werden vom Wissenschaftsbeirat des Exzellenzclusters Internet of Production für ihre Forschung ausgezeichnet.

v.l. Prof. Mertens, die beiden Sieger des diesjährigen Young Researcher Awards 2022: Yannik Lockner und Jan Pennekamp, sowie Prof. Kappel und Prof. Brecher | Bild: Kurt Beyer

14. und 15. September 2022 fand das diesjährige Scientific Advisory Board Meeting des Exzellenzclusters Internet of Production in Aachen statt. Neben einem Industriebeirat steht dem IoP ein Wissenschaftsbeirat beratend zur Seite, um extern für die kontinuierliche wissenschaftliche Qualität des Clusters zu sorgen. Alle zwei Jahre treffen sich hierzu dessen Mitglieder in Aachen. In diesem Rahmen fand auch die Preisverleihung des Young Researcher Awards statt, mit dem herausragende, interdisziplinäre Beiträge im Rahmen der Exzellenzcluster-Forschung gewürdigt werden.

Prof. Gerti Kappel von der TU Wien überreichte gemeinsam mit Cluster-Sprecher Prof. Christian Brecher und Prof. Alexander Mertens von der Research School des Clusters, den Preis an insgesamt drei Siegerteams. Jan Pennekamp (COMSYS) und Yannik Lockner (IKV) - das Forscherteam zum Thema “Secure Exchange of Production Parameters” – gewann dabei vor zwei weiteren gekürten Teams den ersten Platz.

Über die Arbeit des Forschungsteams

Die zunehmende Vernetzung und Digitalisierung in Produktionssystemen über verschiedene Werkstoffklassen hinweg führt zu einem großen Angebot an Sensor- und Messdaten zur Charakterisierung der Prozesse. Eine Arbeitsgruppe des IKV erforscht die Möglichkeit, mit künstlicher Intelligenz Daten für die Einrichtung von Spritzgießprozessen zwischen ähnlichen Prozessen zu übertragen. Das sogenannte „Transferlernen“ birgt Kosteneinsparungspotenziale - denn für einen neuen Prozess wird Wissen aus einem sehr ähnlichen Spritzgießprozess genutzt, für den bereits Daten vorliegen. Die Ähnlichkeit von Spritzgießprozessen könnte bspw. an Prozess-, Geometrie- und Stammdaten der eingesetzten Produktionsmittel bestimmt werden. Passende Prozessdaten zur Substitution der Trainingsdaten des neuen Prozesses müssen aber nicht zwangsweise im eigenen Unternehmen zu finden sein, sie könnten ebenso von extern Unternehmen oder Quellen eingekauft werden, die diese bereitstellen. Dies könnte z.B. über eine Plattform für anonymisierte Produktionsdaten erfolgen.

Die datenschutzrechtlichen Fragen, die bei der Adoption durch die Unternehmen stets eine Hürde darstellen, sollten auf technischer Ebene in der Arbeit von Jan Pennekamp und Yannik Lockner bereits jetzt beantwortet werden. Das Forscherteam entwickelte einen Datenaustausch auf Basis eines Bloom-Filters, der die Datensicherheit gewährleistet. Das Matching der Produktionsdaten geschieht auf Basis einer prozessspezifischen Ähnlichkeitsmetrik, in die u.a. Materialcharakteristika des verarbeiteten Polymers, Geometriedaten des Werkzeugs oder künftig auch Informationen über die Art und den Zustand der Spritzgießmaschine einfließen können. Der Ansatz ist skalierbar und durch die Unternehmen ohne IT-Investitionen umsetzbar. Der nächste angestrebte Schritt ist die Erörterung von Möglichkeiten, eine solche Plattform für den anonymen Datenaustausch zu realisieren.