Organic Production System 22



Organic Production System 22
Organic Production System 22
Organic Production System 22

Eine Fischertechnik-Anlage, viele Möglichkeiten. Vollausgestattet mit Sensoren, Aktoren, Steuerungsanlage auf Hutschiene montiert und Netzwerkanbindung können alle Bereiche der IOT und Predictive Maintenance erprobt werden.



Ziel des Projekts ist die schlaue Steuerung einer industrieähnlichen Anlage. In unserer Anlage sowie in der Industrie funktioniert die Steuerung auf unterster Ebene mit einfachen Aktoren (z.B. Motoren) und Sensoren (Lichtschranke, Magnetsensor, Taster, ...). Dabei können immer Fehlerfälle auftreten, die idealerweise durch die Erkennung von Mustern (z.B. durch Unregelmäßigkeiten im Audioprofil eines Fertigungsschrittes) bereits vorm Eintreten verhindert werden können. Um diese Bereiche für den Betrieb unserer kleinen Fabrik abdecken zu können, teilt sich das Organic Production System-Team in drei Unterteams auf.

Die Teams bestehen aus einem Infrastruktur-Team, das den Betrieb und die Steuerung der Anlage aufrecht erhält und verbessert, und zwei Predictive Maintenance-Teams, die durch Soundaufnahmen und neuronalen Netzen versuchen Fehlerfälle (z.B. das Werkstück wird stecken bleiben) frühzeitung warten zu können.


  • Jahr:
  • Studierende: Artur Richau, Benjamin Altmiks, Johannes Nowack, Lukas Kleybolte, Martin Hintersberger, Simon Hofmann, Paul Seyringer, Khushbu Patel
  • Semester: Master
  • Studiengang: Informatik
  • Supervision: Prof. Dr.-Ing. Honorary Doctor of ONPU Thorsten Schöler
  • Tags: IOT, Python, Predictive Maintenance, NodeRed, Raspberry Pi, Linux, Data Science, Sensoren/Aktoren, Industrie 4.0, Modbus