Data Backbone

Data Backbone

Dateninfrastruktur für eine durchgängige Produktion ohne Systembrüche

Data Backbone

Data Backbone ist durchgängiges digitales Engineering vom Produktionsauftrag bis hin zum ausführbaren Roboterprogramm, basierend auf einer Infrastruktur, die Prozessdaten und relevante Datenmodelle sämtlicher Unternehmensbereiche vereint.

Projektbeschreibung

Zugriff auf digitale Prozessdaten

Sie haben viele Datenformate, aber diese sind inkompatibel, weil sie aus unterschiedlichen Domänen stammen? Sie möchten Ihre Produktion vollständig automatisieren, aber Sie scheitern an Systembrüchen? Das lässt sich ändern. Im Forschungsprojekt Data Backbone entwickeln wir eine Infrastruktur, um Datenmodelle zu vereinen und auf digitale Prozessdaten zugreifen zu können. Die Vision: Aus einem Produktionsauftrag sollen automatisch der Produktionsprozess und die Programmierung der Roboter generiert werden.

Reibungsloser Datenaustausch

Voraussetzung dafür ist eine inhaltliche Prozessbeschreibung, die unabhängig von der Programmiersprache digital vorliegt. Data Backbone stellt alle Daten über die gesamte Wertschöpfungskette zur Verfügung und sorgt für einen bruchlosen Austausch zwischen den Systemen. Damit ist eine durchgängig automatisierte Produktion möglich, die effizient und transparent ist.

Förderung

Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie (STMWI) mit Projektunterstützung durch Bayern Innovativ ehemals ZentrumDigitalisierung Bayern (ZD.B).

Projektdauer

01.01.2018 - 31.03.2020

Wenn Sie dieses Video aktivieren, werden Daten automatisiert an YouTube übertragen.

Toward a Knowledge-Based Data Backbone for Seamless Digital Engineering in Smart Factories
 Alexander Perzylo

Ihr Kontakt

Alexander Perzylo

+49 89 3603522 531
perzylo@fortiss.org

Projektpartner

Publikationen

  • 2020 Toward a Knowledge-Based Data Backbone for Seamless Digital Engineering in Smart Factories Alexander Perzylo , Ingmar Kessler , Stefan Profanter und Markus Rickert In Proceedings of the IEEE International Conference on Emerging Technologies And Factory Automation (ETFA), pages 164–171, Vienna, Austria, 2020. Details URL DOI BIB
  • 2019 A Hardware-Agnostic OPC UA Skill Model for Robot Manipulators and Tools Stefan Profanter , Ari Breitkreuz , Markus Rickert und Alois Knoll In Proceedings of the IEEE International Conference on Emerging Technologies And Factory Automation (ETFA), Zaragoza, Spain, 2019. Details BIB
  • 2019 OPC UA NodeSet Ontologies as a Pillar of Representing Semantic Digital Twins of Manufacturing Resources Alexander Perzylo , Stefan Profanter , Markus Rickert und Alois Knoll In Proceedings of the IEEE International Conference on Emerging Technologies And Factory Automation (ETFA), pages 1085–1092, Zaragoza, Spain, 2019. Details DOI BIB