
PROZESS-DIGITALISIERUNG
In unserer Area 1 bieten wir Ihnen Digitalisierung als Gelegenheit und Chance, Ihre Position auf dem hypervernetzten globalen Markt zu stärken.
​​
Daten, Software, Roboter und vernetzte Maschinen treiben die neue digitale Wirtschaft Europas voran, auch und gerade bei Produktionssystemen. Wir konzentrieren uns auf diese Hauptthemen bei chemischen und physikalischen Prozessen und bieten Ihnen den Vorsprung, den Sie verdienen.
​
DI Dr. Christian Marschik, Area 1 Manager
Digitalization Polymer Processing
R&D Infrastructure Site Linz
​
+43 664 8568520
Dr. Karin Kloiber, BSc, Area 1 Manager
Digitalization Chemical Systems
Key Researcher Digitalization
​
+43 664 8481317


WISSENSCHAFTLICHE LEITUNG
​
Univ.-Prof. Dr. Zoltan Major, JKU Linz
Univ.-Prof. DI Dr. Georg Steinbichler, JKU Linz
​
​
PARTNER
​
Bilfinger, Covestro, Engel, EREMA, FACC, Festo, Greiner Perfoam, Leistritz, Renolit, Thermo Fisher
UNSERE ZIELE
​
-
Einrichtung (generischer) Arbeitsabläufe für die Entwicklung statischer, dynamischer und adaptiver digitaler Zwillinge für die Prozessanalyse, -optimierung und -steuerung.
-
Anwendungsspezifische Modellierungsansätze (mechanistisch, datengesteuert, hybrid), die für die Erstellung digitaler Zwillinge in verschiedenen Maßstäben erforderlich sind, von einem einzelnen Prozessschritt bis hin zum gesamten Produktionssystem.
-
Verwendbare digitale Zwillinge für verschiedene Prozesse: (bio-)chemische und Polymerverarbeitung.
-
Dynamische Evaluierung und Validierung sowie Demonstration erhöhter Prozess- und Produktqualitätsstabilität mit Hilfe digitaler Zwillinge.
​
​
​
​
UNSERE VORGEHENSWEISE
-
Anwendungsorientiertes Bottom-up-Design unter Berücksichtigung von Industrie- und KMU-Anforderungen.
-
Modellierung erster Prinzipien (mechanische Modelle) in Kombination mit datengesteuerten Ansätzen (wie maschinellem Lernen) für leistungsstarke Hybridansätze.
-
Umfassende Datenerfassung und -analyse unter Einbeziehung prozess-/systemweiter Datenquellen zur Wissensermittlung und Modellgenerierung.
-
Neuartige Ansätze des maschinellen Lernens für mechanische Modellgenerierung sowie den effizienten Modelltransfer zwischen ähnlichen Prozessen.
-
Nutzung und Erweiterung bestehender industrieller IoT-Technologien, die von Industriepartnern bereitgestellt werden.
-
Technologiebasierte Smart-Living-Labore zur Evaluierung und Demonstration.
IHRE ERGEBNISSE
-
Verbesserte Qualitätssicherung von Prozessen und Produkten durch digitale Zwillinge.
-
Verbesserte Ressourceneffizienz von Prozessen mit vorausschauender Wartung durch digitale Zwillinge.
-
Verbesserte Prozesseffizienz.
-
Prototypische Umsetzung digitaler Zwillinge für smarte Polymerproduktion.
-
Experimentelle Bewertung und Validierung entwickelter Modelle in Pilotanlagen.