For the second MaterialDigital workshop, industry leaders and scientists - convinced that development and production processes can be designed far more efficiently with the help of digital workflows - come together to work on topics such as artificial intelligence, digital representation, data platforms, data formats and high-throughput methods to create digital workflows, material data streams and to increase material intelligence in products and processes. They believe that product life cycle management will be greatly improved via describing material properties and their changes as thoroughly as possible.
The MaterialDigital2018 workshop took a big picture approach to the examination of digitalization in material-intensive manufacture; the focus for 2019 will be upon tools and operationalization. How can you get on board? What are the development stages? How can the digital change process be managed?
MaterialDigital stands for the effort of consequently translating the central ideas of industry 4.0 and digitalization – networking, transparency, retraceability – to material development, manufacturing and component use. This is a matter of making the bulk of existing material information more accessible and better connected. New data should be generated in such a way that its context remains traceable.
The MaterialDigital scenario envisions an efficient and data based value chain which includes materials. Here, the generation of material data is oriented along industry standards and the automation of both real-time and virtual experimention is a real competitive factor. The evaluation of materials and components is based on data from different sources. The handling of data is a value-adding element. Laboratory tests, sensors in the field and machine learning enrich each other. Contrasting generated material data with data from a local or overarching repository becomes part of quality assurance.
Key subjects in the workshop
MaterialDigital in development and manufacturing processes
MaterialDigital in component usage
MaterialDigital R&D landscape
MaterialDigital tools
MaterialDigital business models
Time |
Speaker |
Presentation title |
Abstract |
||
Tuesday, May 14, 2019 |
|||||
09:00 |
Prof. Dr. Peter Gumbsch, Prof. Dr. Chris Eberl, Institutsleitung Fraunhofer IWM |
Begrüßung und Eröffnung |
|||
09:15 |
Dr. Matthias Funk, R&D Competence Center |
R&D Test Data Analytics and Mining |
Im Rahmen des Produktentwicklungsprozesses sind nach der Konstruktion sowohl Finite-Elemente-Analysen (FEA) als auch Ermüdungsversuche und Werkstoffuntersuchungen durchzuführen. Die Dokumentation dieser Ergebnisse erfolgt in weiten Teilen der deutschen Industrielandschaft im Normalfall nicht in einer strukturierten und maschinenlesbaren Form, sondern als Ablage von PDF-Berichten bspw. in Projektordnern. Diese nicht-nachhaltige Datenhaltung erschwert eine ganzheitliche Bewertung bestehender R&D Daten und ein Screening von alten Versuchsergebnissen, z.B. mittels Maschinellem Lernen (ML) oder Data Mining Techniken. Im aktuellen Projekt »R&D Test Data Analytics and Mining« wurden Unternehmensinterne Versuchsdaten und Literatur-Ergebnisse aus Ermüdungsversuchen mit zugehöriger FEA und Werkstoffanalyse in einem standardisierten Format dokumentiert. Anhand dieser »Trainings-Daten« erfolgte die Generierung von einfachen Lebensdauermodellen mit ML-Methoden. Ziel ist es, für neue Bauteilzustände eine erste Lebensdauerabschätzung mittels ML zu erstellen und langfristig den Versuchsaufwand zu reduzieren. Hierfür ist die kontinuierliche Erweiterung dieser Datenbasis notwendig, wodurch entsprechend komplexere Modelle zur Lebensdauervorhersage möglich werden. |
||
09:45 |
Jochen Rühl, Scherdel Siment GmbH, Marktredwitz |
Einführung einer digitalen materialbasierten |
Computational Driven Engineering ist in der heutigen Produkt- und Prozessentwicklung nicht mehr wegzudenken. Durch die Digitalisierung in Form von einer Simulation von Produkt und Prozess gewinnt man einen Einblick in Wirk- und Funktionsweisen, die durch experimentelle Methoden teilweise nur schwer zugänglich und mit einem hohen Zeit- und Kostenbedarf verbunden sind. Diese Herangehensweise kann deutlich dazu beitragen, die Innovation und Wettbewerbsfähigkeit eines Unternehmens zu steigern. Jedoch bleibt häufig ein großer Teil des Potentials ungenutzt, da dieser Ansatz nicht in eine konsequente materialbasierte Produkt- und Prozessentwicklung integriert wird. Durch eine unabhängige digitale Materialdatenbasis wird es möglich ein Bauteil und dessen Prozess in deutlich höherem Detailierungsgrad zu berechnen und dabei die speziellen Vorteile der entsprechenden Materialen gezielt zu nutzen. Über die Berechnung hinaus gilt es jetzt noch diese digitale technischen Informationen in sinnvollen Zusammenhang mit wichtigen betriebswirtschaftlichen Größen zu bringen. Erst wenn diese Hürde genommen wird, kann der eigentliche Benefit in den Unternehmensalltag Einzug halten. Die enorme Chance ein weiteres, modernes Steuerungsinstrument zur Unternehmensführung zu integrieren, welches neben traditionellen Instrumenten wesentlich zur Beschleunigung von Unternehmenstransformationen, der Geschäftsentwicklung, etc. beitragen kann, wäre damit integriert. - Ein etwas anderes Verständnis von Industrie 4.0 - |
||
10:15 |
Pause |
||||
10:45 |
Dr.-Ing. Dietmar Tilch, Director Industrial Technology – Condition Monitoring Systems ZF Friedrichshafen AG, Industrietechnik, Lohr am Main |
Betriebs- und Verschleißüberwachung von Antriebssträngen im Feld als Service für Anlagenund |
Die ZF Friedrichshafen AG ist einer der größten Getriebehersteller weltweit. Insbesondere im Bereich der industriellen und kommerziellen Antriebssysteme und Fahrzeuge erwarten große Flottenbetreiber vermehr Lösungen für eine Überwachung und prädiktive Bewertung der Zustände zentraler Komponenten. ZF entwickelt dafür dedizierte Service-Konzepte, die zusätzlich zu einer solchen Fernüberwachung auch den zuverlässigen Betrieb der Getriebe nachhaltig optimieren helfen. Der Vortrag gibt einen Überblick über die angewendeten Methoden und Systeme und zeigt auf, wie Kunden diese neue Art digitaler Dienstleistungen in ihre eigenen Prozesse integrieren können. Stichpunkte: Fernüberwachung von Windenergiegetrieben, Seilbahngetrieben, mobilen Arbeitsmaschinen und LKWs; Verschleißüberwachung und Berechnung verbrauchter Lebensdauer; Digitale Zwillinge; Service-Angebote: Predictive Maintenance, optimierte Ersatzteilbereitstellung, verlängerte Gewährleistung; Cloud Plattform; EcoSystem; IoT Security. |
||
11:15 |
Soeren Barteldes, QASS GmbH, Wetter |
Verarbeitung von Sensordaten zur Digitalisierung |
Sensoren arbeiten nach verschiedenen physikalischen Wirkprinzipien und werden vielfach zur Überwachung von Produktionsprozessen eingesetzt. Häufig gehen Informationen durch ungenügende Datenanalyse verloren. Dabei werden teils Informationen generiert, die ein tiefes Prozessverständnis und Werkstoffanalysen erlauben. Die Spektralanalyse bietet Möglichkeiten der referenzierten Mustererkennung beliebiger Sensorinformationen (Sensorfusion) und kaskadierende Analysen. Digitalisierte Prozesse profitieren von den Möglichkeiten der softwaregestützten Datenanalyse insbesondere im Bereich elektronischer Filterung, Clustering und autarker Entscheidungen. |
||
11:45 |
Dr. Christoph Schweizer, Geschäftsfeldleiter Werkstoffbewertung, |
Aufbau eines Werkstoffdatenraums zur digitalen |
Im Rahmen des Landesprojekts MaterialDigital wird aktuell ein Werkstoffdatenraum für die zwei Anwendungsfälle Metalle und Polymere entwickelt. Der Vortrag behandelt sowohl die technologische Architektur des Werkstoffdatenraums als auch den dafür notwendigen digitalen Arbeitsfluss (Ontologieentwicklung, Datenstrukturierung, -speicherung und -abfrage). |
||
12:15 |
Pause |
||||
13:30 |
Heinrich Pettenpohl, Stellvertretender Abteilungsleiter; Geschäftsstellenleiter des Forschungszentrum Data Spaces, Fraunhofer ISST, Dortmund |
International Data Spaces - Data sovereignty in digital ecosystems |
Heute gibt es ein allgemeines Verständnis über den Wert von Daten. Die Nutzung dieser Wert- und Handelsdaten schafft enorme Umsätze für die großen Anbieter von Datenplattformen. Selten profitieren die Datenersteller in angemessener Weise von diesem Wert. Oftmals bleiben diese auf den Kosten für die Datenerstellung und -verwaltung sitzen. Darüber hinaus geben viele ihre Daten kostenlos weiter oder bezahlen damit für die Nutzung eines Dienstes. In diesem Vortrag werden die wesentlichen Konzepte des International Data Spaces vorgestellt und die Anwendung für Werkstoffdaten in digitalen Ökosystemen diskutiert. Dabei werden Anwendungsbeispiele gezeigt, sowie die technischen und organisatorischen Maßnahmen dargestellt. |
||
14:00 |
Johannes Zuckschwerdt, Bereichsleiter Organisationsentwicklung, Schwäbische Werkzeugmaschinen GmbH, Schramberg-Waldmössingen |
Analoge Herausforderungen bei der Digitalen Transformation |
|||
14:30 |
Pause |
||||
15:00 |
Moderierte Diskussion mit den Ausstellern |
||||
16:00 |
MaterialDigital Vertiefungsworkshops |
||||
17:15 |
Ergebnispräsentationen |
||||
18:30 |
MaterialDigital Get Together mit Imbiss |
||||
Wednesday, May 15, 2019 |
|||||
09:00 |
Prof. Dr. Chris Eberl |
Eröffnung |
|||
09:15 |
Dr. Assaf Anderson, MaterialsZone, Tel Aviv, Israel |
Materials Data for AI Collaboration |
Materials Zone is a distributed research platform for collaboration through interoperable data and AI modelling. New materials can now be discovered for hundreds of thousands/millions of dollars rather than the hundreds of millions of dollars it once cost. Powered by a recommendation engine, the start-up bridges the gap between materials science and data science, industry and academia. By structuring materials data and experimental protocols, recommendations can be made using the system’s inherent artificial intelligent & machine learning capabilities. Siloed data from energy to manufacturing, otherwise left scattered and unstructured on legacy systems can be creatively reused. Standardizing this data, coupled with powerful simulation techniques, Materials zone offers rapid research insights including predictions on an array of materials scientific experiments. It is a process coined as ‘upcycling of data’. Rewarding scientists for their contribution, Materials Zone's data marketplace accelerates innovation in and between industry and academia by facilitating data transactions, securing IP provenance, and upcycling valuable data. Materials Zone, a spin off from Prof. Arie Zaban’ Bar-Ilan University, has proven AI use-cases pivotal in discovering new absorbers and PV components for future devices. Working closely to curate and preserve data for the use of AI in materials. |
||
09:45 |
Dr. Teodoro Laino, IBM Research Zürich GmbH, Rüschlikon, Schweiz |
A Cognitive Discovery Environment for Precise Materials R&D |
Technological requirements in the industrial materials sector are demanding new materials with lower manufacturing costs, improved performance and sustainability, and reduced environment footprint. These requirements are driving the increased use of data and computation to generate discoveries and provide solutions in these sectors. For materials science and engineering vast amounts of data, and supporting information, are being generated and there is a requirement that these are efficiently connected and exploited. This presentation will describe a new research environment that harnesses the power of cognitive computing using machine learning (ML), natural language processing (NLP) methods and knowledge representation technologies (KG) to accelerate materials discovery. Content, functionality and applicability of the environment will be presented. |
||
10:15 |
Pause |
||||
11:00 |
Dr. Joanna Procelewska, Schaeffler AG, Herzogenaurach |
Descriptor-based Methodology for Designing Tribological Systems in Industrial |
In designing a desired tribological system for different industrial application concerning the functional friction, there are several key questions associated with design representation: how to quantitatively represent the design space of heterogeneous tribological systems, contact fatigue and chemical properties of lubricant using a small set of design variables. This contribution proposed a new descriptor-based methodology for designing tribological systems. Tribological problems are often complex and their understanding and solution rely on complex experimental data obtained from laboratory tests. Records of tribological parameters are digitized using data acquisition systems to ensure continuous recording of tribological characteristics in required output. It is proposed to use a small set of descriptors to represent properties of tribological systems quantitatively. The descriptor set should be able to cover features at different levels, including composition, lubricants, environment and their actuation. Finally, the descriptor-based representation allows the use of parametric optimization approach to search the optimal design that meets the target application. To improve the search efficiency, this methodology integrates state of the art computational design methods such as design of experiment (DOE), molecular modeling (QM), statistical sensitivity analysis, and multi-objective optimization (i.e. ANN), into one design optimization framework to automate the design process of tribological systems. |
|
|
11:30 |
Dipl.-Ing. Christof Gebhardt, Business Development, CADFEM GmbH, Grafing bei München |
Mit dem Digitalen Zwilling zum serviceorientierten Geschäftsmodell |
Der digitale Zwilling ist das virtuelle Abbild eines spezifischen Produktes oder Anlage, das sein physisches Pendant ein Leben lang begleitet. An den Beispielen eines Safety-Relais und eines Wasserkraftwerks wird die Implementierung eines digitalen Zwillings aufgezeigt. Es wird ein effizientes Simulationsmodell zum Abbilden der physikalischen Vorgänge benötigt. Das Modell liefert einen weitergehenden Einblick in die Physik mithilfe sog. virtueller Sensoren und ermöglicht einen genaueren Überblick über den Status eines Systems, die für dessen Lebensdauer-Prognose und das Verschleißprofil relevant sind. Das Datenmanagement der virtuellen und realen Sensordaten und die Ansteuerung des Simulationsmodells erfolgen durch eine IoT-Plattform. Auf Basis der gewonnenen Daten werden weitergehende Analysen durchgeführt und in einem Dashboard visualisiert. Der Einsatz von digitalen Zwillingen ermöglicht optimierten Betrieb (Verfügbarkeit, Betriebskosten) und datengetriebene neue Geschäftsmodelle (Recommendations as a Service, Machine as a Service). |
||
12:00 |
Pause |
||||
13:00 |
Dr. Anne de Baas, European Commission, Brüssel |
The role of materials modelling in digitization – challenges at the European level |
Delivering on the opportunities of Materials and Manufacturing within Industry 4.0 requires adding meaning to data (semantics), enabling interoperability and linking up silos. The huge benefits of structured data, common knowledge frameworks and interoperability were demonstrated with a range of case examples. Benefits include higher efficiency of materials use, improved value chain interactions and new business model opportunities. Current lack of semantics and interoperability are key barriers to accessing the value hidden in raw data (estimated to be 36 billion Euros) and to improved decision making. Ontologies are a core element of a set of solutions proposed by the panel and endorsed by audience contributions. All stakeholders are encouraged to collaborate and create interoperable ontologies be open to everyone. Investments in a workforce trained in digital skills including semantic technologies is needed. The importance of overcoming ‘non-technical’ challenges such as legal, regulatory, security, data-sovereignty were highlighted. Building a system of trust and rewards for data sharing is required. Such a system, together with widely agreed semantic knowledge frameworks would enable Digital Marketplaces as an efficient way of realising Industry Commons. An audience poll showed a big gap between the need for and current capability in data interoperability and semantic technologies. It hence confirms the need for action in this important field underpinning successful digitalisation of materials and manufacturing.. Strong interest was expressed in working across domains in an alliance for digital materials and manufacturing. |
||
13:30 |
Dr. Adham Hashibon, Fraunhofer IWM |
Digital Materials Modelling Marketplaces: A Platform for collaboration and innovation based on Data Space Management Systems |
Practical technologies for managing digital workflows and data curation for industrial applications in the European Digital Materials Modelling Marketplaces are presented. Digital Materials Modelling Marketplaces are emerging platforms providing all stake holders, modellers, industry and translators, ample opportunities to collaborate online to share and discover knowledge, collectively create and perform materials modelling workflows, generate and curate results and data. Marketplaces are thus an efficient way of realising Industry Commons on an EU level providing a one stop shop to all determining components that need to be interwoven for successful and accelerated deployment of materials modelling and digitalisation workflows in industry. |
||
14:00 |
Dr. Burkard Jahnen, Deutsche Forschungsgemeinschaft (DFG) Bonn, Teamleitung Materialwissenschaft und Werkstofftechnik |
Digitalisierung der Materialien und Werkstoffe in der Grundlagenforschung |
Eine durchgängige digitale Repräsentanz von Materialien und Werkstoffen während ihres Herstellungsprozesses und ihres Einsatzes rückt in die Nähe des technisch Realisierbaren. In der Grundlagenforschung, auf der Suche nach neuen Materialien und bei der Entwicklung von Werkstoffen mit verbesserten Eigenschaften, bestehen besondere Herausforderungen bei der Schaffung von Voraussetzungen für eine langfristig wirksame Umsetzung der Vision. Exemplarisch sollen in dem Vortrag drei Aspekte näher beleuchtet werden: die der Grundlagenforschung inhärente Offenheit als vermeintlicher Widerspruch zur Standardisierung von Methoden, die Notwendigkeit einer wissenschaftsgetriebenen und -getragenen Governance und schließlich die notwendigen finanziellen und strukturellen Voraussetzungen für die Integration unterschiedlicher Akteure. |
||
14:30 |
Prof. Dr. Peter Gumbsch, Prof. Dr. Chris Eberl, Institutsleitung Fraunhofer IWM |
Abschlussdiskussion |
|||
15:30 |
End |
Die operative Umsetzung von MaterialDigital führen wir mit ausgewählten Demonstratoren vor:
Demonstrator GraphBuilder
Das Tool GraphBuilder demonstriert, wie flexible und generische Vorlagen für die Datenspeicherung zu Arbeitsschritten aus der Werkstoffprüfung erstellt werden können. Die Vorlagen gehorchen dabei dem domänenspezifischen Vokabular und bekannten Zusammenhängen, die in Form einer Ontologie ausgedrückt werden. Die zu beschreibenden Arbeitsschritte werden als kleine Graphen abgebildet, die jeweils Eingabegrößen, Prozessgrößen und Ausgabegrößen beschreiben. Die Graphen der Einzelschritte werden später im Datenraum zu einer Prozesskette verknüpft. Der Graph eines Einzelschritts erfasst charakteristische Metadaten und beschreibt die zugehörigen Rohdaten so detailliert, sodass diese einfach maschinell weiterverarbeitet werden können. Die für die Graph-Erstellung notwendige Ontologie wird in einer Ontologieentwicklungsumgebung erstellt.
philipp.von.hartrott@iwm.fraunhofer.de
Demonstrator Werkstoffdatenraum
Der Werkstoffdatenraum demonstriert die Abbildung komplexer Prozessketten aus der Werkstoffprüfung in einer Datenraumumgebung. Dazu werden Roh- und Metadaten aus verschiedenen Prozessschritten der Werkstoffprüfung (Fertigung, Prüfung, Auswertung) mit dem domänenspezifischen Vokabular und bekannten Zusammenhängen, d.h. der Ontologie, erfasst und im Datenraum zu einer Prozesskette verknüpft. Zur Auswertung der Roh- und Metadaten des Datenraums wird eine Programmierschnittstelle bereitgestellt, die eine übersichtliche Darstellung der Ergebnisse in Form von Berichten ermöglicht.
christoph.schweizer@iwm.fraunhofer.de
Demonstrator Simulation as a Service
Der Demonstrator zeigt die Möglichkeiten von Software as a Service (SaaS) im Bereich der Material- und Prozesssimulation. Dabei wird demonstriert, wie die am Fraunhofer IWM vorhandenen komplexen Simulationstools von externen Partnern im Rahmen einer automatisierten Dienstleistung genutzt werden können. Vorgeführt wird dies am Beispiel einer Studie zum Einfluss von Parametervariationen eines komplexen Werkstoffmodells auf das Bauteilverhalten unter vorgegebener Last. Hierzu werden auf einem Rechner, welcher die Kundenseite repräsentiert, zu simulierende Modellparameter definiert und an einen zweiten Rechner, welcher im IWM steht, geschickt. Daraufhin wird automatisiert eine komplexe Simulation (z.B. FEM) gestartet, ausgewertet und die Ergebnisse an den Kundenrechner zurückgeschickt. Der Kundenrechner speichert die Ergebnisse anschließend in einem Datenraum ab, was ebenfalls demonstriert wird.
lukas.morand@iwm.fraunhofer.de; torsten.kraft@iwm.fraunhofer.de
Demonstrator: Modellparameteridentifikation für mechanische Fügeverbindungen
Für die Crashsimulation mechanisch gefügter Verbindungen (Halbhohlstanznieten, Vollstanznieten, fließlochformendes Schrauben, Hochgeschwindigkeitsbolzensetzen) fehlen bislang vollständige Modelle zur Prognose des Trag- und Versagensverhaltens. Zudem ist für die Ersatzmodellierung der Fügeverbindungen in komplexen Fahrzeugstrukturen eine hohe Anzahl an Experimenten und Messungen zur Modellparameteridentifikation und Kalibrierung der Ersatzmodelle notwendig. Die demonstrierte Software JoiningLab ermöglicht die Verwaltung und Analyse von experimentellen Verbindungsdaten, zum anderen die automatisierte Ermittlung von Modellparametern für das Ersatzmodell. Auf Basis dieser Modellparameter werden automatisiert FE-Modelle erstellt und gerechnet. Der Demonstrator stellt den gesamten Workflow von der Prognose der Ersatzmodellparameter bis zur simulierten Probe dar.
philip.rochel@iwm.fraunhofer.de
Demonstrator Materialdatenraum II
Für die Entwicklung neuer Produkte und Technologien werden umfangreiche und effizient nutzbare Materialdaten in Form ontologiebasierter Materialdatenräume immer wichtiger. Am Fraunhofer IWM wurde ein Datenraum-Konzept entwickelt, dass die Nutzbarkeit des Datenraums fachübergreifend gewährleistet. Darüber hinaus ist es mit dem Konzept ebenfalls möglich, die Bearbeitungs- und Prozesshistorie von Materialproben oder Bauteilen zu erfassen und auszuwerten. Um dies zu gewährleisten, werden in dem Datenraum nicht nur Werkstoffdaten, sondern auch Daten zu den Prozessen und Bearbeitungsschritten hinterlegt.
Der Demonstrator zeigt, wie DIN-konforme Experimentdaten sowie Modellparameter auf unterschiedlichen Wegen effizient in den Datenraum eingepflegt werden können, einschließlich der Daten-Visualisierung und einer Prüfung der Rohdaten sowie der prozessierten Daten. Anschließend stehen die Daten für die Anwendung in numerischen Simulationen oder die wissenschaftliche Datenanalyse validiert und unmittelbar zur Verfügung.
Das Konzept und dessen Nutzbarkeit werden anhand der weit verbreiteten und somit bekannten Methoden der mechanischen Charakterisierung und der Finiten-Element-Methode vorgestellt und vorgeführt.
Der Workshop MaterialDigital richtet sich an Praktiker. D.h. neben dem Weitblick ist auch die praktische Umsetzung gefragt. Dazu können sich die Teilnehmerinnen und Teilnehmer in einer Begleitausstellung über aktuelle Softwarelösungen zu Werkstoffdatenbanken, Mikrostruktursimulation, Modelle für digitale Zwillinge und Plattformen für Materialinformationen informieren.
Als Aussteller sind dabei: TotalMateria, ThermoCalc, MatPlus, MatMatch, CADFEM, Granta.