Dự án tài trợ

AdapEdge (FKZ 16ME0547K) - Mô-đun điện toán biên cho sản xuất điện tử linh hoạt với tối ưu hóa quy trình thích ứng

Thời lượng: 1 tháng 7 năm 2022 - ngày 31 tháng 12 năm 2025

Dự án này nhằm tối ưu hóa việc sản xuất các sản phẩm trong môi trường Công nghiệp 4.0. Mục tiêu bao quát của dự án là tối ưu hóa quy trình thích ứng trong các môi trường sản xuất phức tạp, thậm chí phân bố không gian thông qua việc sử dụng và đánh giá thông tin/dữ liệu có sẵn miễn phí. Đối với các tình huống khác nhau, dữ liệu này có thể được sử dụng để tối ưu hóa năng suất và chất lượng sản xuất đến giá trị mục tiêu. Một mặt, điều này áp dụng cho sản xuất hiệu quả cao, nơi vẫn có thể đạt được mức tăng năng suất, ví dụ, bằng cách điều chỉnh chiến lược thử nghiệm đã chọn. Tuy nhiên, nó cũng áp dụng cho sản xuất bị mất cân bằng do nguyên liệu thô kém hơn hoặc giả hoặc thậm chí bởi một cuộc tấn công có mục tiêu vào các máy riêng lẻ, và có thể nhanh chóng được đưa trở lại chế độ hoạt động đáng tin cậy thông qua phát hiện sớm các chế độ hoạt động không ổn định. Để đạt được mục tiêu này, dự án sẽ kết hợp các phương pháp đánh giá dữ liệu sử dụng AI/học tập liên kết với việc sử dụng các mô-đun điện toán biên có các bộ xử lý chuyên về hợp nhất dữ liệu và mạng cảm biến phổ quát liên quan. Mạng này sẽ được sử dụng để thu thập cục bộ dữ liệu có sẵn miễn phí - ví dụ, dữ liệu môi trường như nhiệt độ, độ ẩm, gia tốc và tiếng ồn hoạt động được đo lường, nhưng các giá trị thay thế như bức xạ UV, chất lượng không khí, trường E và B, v.v., cũng có thể. Dữ liệu sẽ được xử lý, cô đọng và đánh giá bởi AI; sau khi so sánh với các thông số chất lượng và năng suất của sản xuất, mức điều kiện cho quá trình sản xuất đang diễn ra sẽ được xác định. Mức điều kiện này được thiết kế độc lập với cơ sở hạ tầng sản xuất kỹ thuật số hiện có và do đó đóng vai trò là nguồn dữ liệu độc lập cho các quyết định tối ưu hóa sản xuất. Thông qua vòng lặp phản hồi, AI nhằm liên tục học hỏi và cải thiện các quyết định của mình.

Đối tác liên minh:

• Đại học Bielefeld (Đại học Bielefeld)

• Sensorik-Bayern GmbH

• Creonic GmbH

• Technische Universität Berlin (Đại học Kỹ thuật Berlin)

• Micro Systems Engineering GmbH

• Hiệp hội phụ nữ để thúc đẩy tổ chức nghiên cứu đầu tư (Hiệp hội Fraunhofer vì sự tiến bộ

Liên hệ:

Quản lý dự án: matthias.heimann@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

ADhyBau2 (20M2202A) - Dự án tổng thể: Phát triển hệ thống đẩy điện hydro có thể được chứng nhận cho máy bay và thử nghiệm động cơ điện làm mát lạnh - ADHybau2; - Dự án phụ: Phương pháp phát triển kỹ thuật số và khái niệm sản xuất sáng tạo cho các ổ đĩa điện hiệu quả cao với làm mát lạnh.

Thời lượng: Ngày 1 tháng 8 năm 2024 - ngày 31 tháng 7 năm 2028

Dự án tập trung vào việc phát triển hơn nữa các phương pháp số hóa, các phương pháp tiếp cận sáng tạo để sản xuất phụ gia và điều tra các công nghệ đột phá cho máy điện. Dự án được xây dựng dựa trên kết quả của dự án tiền nhiệm và mở rộng chúng với các khía cạnh quan trọng để chứng nhận hàng không trong tương lai. Cụ thể, việc lập bản đồ ổ điện làm mát bằng hydro trong Digital Twin là nhằm mục đích. Với cái gọi là giảm trật tự mô hình, thời gian và tài nguyên tính toán sẽ được tiết kiệm, để Digital Twin có thể được sử dụng trong metaverse công nghiệp và có thể đẩy nhanh quá trình số hóa trong nghiên cứu và phát triển. Hơn nữa, trong phạm vi của dự án, các phương pháp sản xuất tiên tiến sẽ được phát triển, và vật liệu và linh kiện sẽ được điều tra về tính chất và chất lượng của chúng. Đặc biệt, các thông số vật liệu bổ sung để mô tả đầy đủ về tensor đàn hồi đóng một vai trò quan trọng trong thiết kế. Với quan điểm chứng nhận hàng không, điều cần thiết là phải nghiên cứu kỹ lưỡng các quy trình sản xuất mới và sản xuất các vật liệu được tạo ra một cách tái tạo với chất lượng phù hợp. Việc làm chủ an toàn các quy trình tạo thành cơ sở. Cụ thể, việc phun khí lạnh của đồng sẽ được phát triển hơn nữa, với trọng tâm nghiên cứu là tạo ra các cấu trúc rỗng đồng thông qua sự kết hợp lần đầu tiên của hai quy trình phụ gia. Trong ổ điện, các nghiên cứu về tiềm năng của các công nghệ đột phá được thực hiện. Trọng tâm ở đây là điều tra tiềm năng của tính siêu dẫn trong hệ thống truyền động cho ứng dụng ưa thích. Tính khả thi của một ổ điện làm mát lạnh được chứng minh trên thiết bị trình diễn trong phòng thí nghiệm. Việc xây dựng, vận hành và thử nghiệm ổ đĩa trong điều kiện phòng thí nghiệm là một phần thiết yếu của dự án.

Đối tác liên minh:

Viện Công nghệ Karlsruher (Viện Công nghệ Karlsruhe)

Technische Universität Dresden (Đại học Kỹ thuật Dresden)

Aufwind GmbH

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. (Hiệp hội Fraunhofer vì sự tiến bộ của nghiên cứu ứng dụng, hiệp hội đã đăng ký)

Additional Drives GmbH

MT Aerospace AG

Liên hệ:

Quản lý dự án: christian.weidermann@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

AddRemo - Sử dụng các công nghệ sản xuất phụ gia để đạt được chuỗi quy trình và các thành phần động cơ tiết kiệm tài nguyên trong lĩnh vực di chuyển điện tử;
Tiểu dự án: Phát triển động cơ điện hiệu suất cao cho vận tải đường sắt sử dụng tản nhiệt gốm và sản xuất phụ gia

Dự án phát triển các công nghệ tiên tiến để sản xuất các hệ thống truyền động điện góp phần vào tính di động bền vững và giảm đáng kể lượng khí thải CO2. Trọng tâm là nghiên cứu và áp dụng các quy trình sản xuất phụ gia (AM) để sản xuất động cơ điện. Các quy trình AM PBF-LB/M, AddCasting® và BJT-MST/C được sử dụng để tận dụng sự tự do thiết kế và tối ưu hóa việc sử dụng vật liệu. Trọng tâm là phát triển hơn nữa các quy trình về tính ổn định của quy trình, xử lý các vật liệu hiệu suất cao sáng tạo trong lĩnh vực đơn và đa vật liệu, thiết kế được hỗ trợ mô phỏng và đảm bảo chất lượng dựa trên AI. Các quy trình AM cho phép giảm trọng lượng và mômen quán tính khối lượng cho các thành phần động cơ điện và cải thiện khả năng làm mát để tăng mật độ công suất. Các thiết bị trình diễn động cơ của Mercedes-Benz và Siemens đang được phát triển để sử dụng trong công nghiệp, được đánh giá về khía cạnh kỹ thuật và kinh tế và tích hợp vào các hệ thống tổng thể hiện có. Ngoài các động cơ tiết kiệm năng lượng hơn, điều này cũng cho phép phân cấp sản xuất, làm giảm sự phụ thuộc vào chuỗi cung ứng toàn cầu và tăng cường khả năng phục hồi công nghiệp. Bằng cách so sánh các quy trình sản xuất, các đặc tính cơ học, nhiệt và từ tính của động cơ được phân tích và xác nhận trong điều kiện thực tế thông qua mô phỏng và thử nghiệm. Mục đích là để thực hiện đánh giá cả kỹ thuật và kinh tế - sinh thái về các quy trình và động cơ để tạo ra sản xuất động cơ AM sẵn sàng cho sản xuất hàng loạt. Kết quả góp phần vào việc hiện thực hóa các hệ thống truyền động hiệu quả hơn về tài nguyên và mạnh mẽ hơn cho tính di động trong tương lai và cải thiện bền vững sản xuất công nghiệp. Tiềm năng chuyển giao và mở rộng quy mô đảm bảo tác động xuyên ngành về mặt tăng các lớp hiệu suất cho động cơ điện theo thông số kỹ thuật của EU.

Thời lượng: Ngày 1 tháng 12 năm 2025 - ngày 30 tháng 11 năm 2028
Quản lý dự án: Stefan Denneler
Giám đốc tài chính: Bianca Miene
Cơ quan tài trợ: BMWE

BoLero (FKZ 03EI4041A) - Dự án chung: BoLero - Giám sát sự lão hóa của bộ lưu trữ pin cố định bằng các phương pháp dựa trên đám mây để kéo dài tuổi thọ, giảm nỗ lực bảo trì và tối ưu hóa quản lý vận hành; Tiểu dự án: Dịch vụ kỹ thuật số để lưu trữ pin

Thời lượng: Ngày 1 tháng 10 năm 2021 - ngày 30 tháng 9 năm 2024

Hệ thống lưu trữ pin cố định quy mô lớn cung cấp các dịch vụ hệ thống quan trọng cho lưới năng lượng của tương lai, đặc trưng bởi sản xuất điện từ các nguồn tái tạo. Chúng tôi đề xuất một hệ thống dựa trên đám mây để giám sát và tối ưu hóa hoạt động của các hệ thống lưu trữ pin, cho phép ứng dụng công nghiệp sau đây và câu trả lời cho các câu hỏi nghiên cứu:

Cung cấp dữ liệu từ các tế bào pin trong quá trình hoạt động
Giải pháp đám mây để giám sát, phân tích và mô hình hóa lưu trữ năng lượng cố định
Các phương pháp mới và cải tiến giúp trích xuất các thông số pin thay đổi theo thời gian (ví dụ: dung lượng, Mô hình Digital Twin) từ dữ liệu BMS thực của hoạt động pin thông thường
Cho phép cải thiện chiến lược vận hành thông qua các mô hình pin chính xác hơn và yêu cầu thấp hơn về biên độ an toàn
Cung cấp giải pháp tổng hợp và tự động để giảm chi phí dịch vụ
Giảm yêu cầu công nghệ đối với hoạt động của hệ thống pin, đặc biệt là xem xét các yêu cầu cụ thể của dự án và khách hàng
Phương pháp đảm bảo hoạt động an toàn của pin trong toàn bộ tuổi thọ của chúng, bao gồm cả tuổi thọ thứ hai
Phân tích tác động kinh tế cho mỗi chiến lược hoạt động

Kết quả của dự án sẽ được chứng minh trong quá trình vận hành đang diễn ra bằng cách sử dụng cơ sở lưu trữ quy mô lớn Freimann của Stadtwerke München. Trình trình diễn sẽ hiển thị cả độ chính xác của ước tính tham số và hoạt động của pin được cải thiện. Kết quả sẽ được xác nhận thông qua các thử nghiệm thực tế với hệ thống lưu trữ pin.

Đối tác liên minh:

Technische Universität München (Đại học Kỹ thuật Munich)

Liên hệ:

Quản lý dự án: andrei.szabo@siemens.com

Giám đốc tài chính: roland.deak@siemens.com

Nhà cung cấp tài trợ: BMWE

CBC-GREEN (FKZ 13N15451) - Sử dụng nguồn chùm tia xanh linh hoạt trong sản xuất công nghiệp các linh kiện điện

Thời lượng: Ngày 1 tháng 7 năm 2021 - ngày 31 tháng 7 năm 2025

Trong các sản phẩm điện tử như rơle, công tắc tơ hoặc mô-đun nguồn, các thành phần làm bằng đồng đang ngày càng được sử dụng. Lý do cho điều này là các yêu cầu về độ dẫn điện và nhiệt ngày càng tăng (đồng có tính chất tốt hơn khoảng 1/3 so với nhôm). Đối với quá trình gia công linh hoạt (nối, tách, sản xuất phụ gia, đặc biệt là nấu chảy laser chọn lọc) đồng, các quy trình laser là thuận lợi. Laser cận hồng ngoại (NIR) với chất lượng chùm tia rực rỡ (chế độ cơ bản hoặc laser sợi quang đơn chế độ), cũng cung cấp độ phân giải không gian cao, được sử dụng. Tuy nhiên, độ phản xạ cao của đồng (97% ở 1070 nm) làm phức tạp việc sử dụng công nghệ laser, vì có nguy cơ hư hỏng thành phần (sự hấp thụ tăng đáng kể khi ghép vào bể nóng chảy), thời gian xử lý quá ngắn (do tỷ lệ hấp thụ thấp), và các khuyết tật về chất lượng có thể xảy ra (bắn tan chảy). Mục đích của dự án phụ là có thể sử dụng tia laser được phát triển và đủ điều kiện bởi tập đoàn trong bối cảnh sản xuất của Siemens. Các lĩnh vực ứng dụng bao gồm công nghệ tự động hóa, sản xuất các linh kiện điện và lắp ráp các thiết bị điện tử công suất. Trọng tâm ở đây là hàn và nối, sản xuất phụ gia và cắt tấm Cu. Trọng tâm là chứng minh sự gia tăng hiệu quả và khả năng tái tạo thông qua việc sử dụng nguồn chùm tia laser mới.

Đối tác liên minh:

thyssenkrupp Automation Engineering GmbH

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì sự tiến bộ của nghiên cứu ứng dụng, hiệp hội đã đăng ký)

Karl H. Arnold Maschinenfabrik GmbH & Co. KG

AMCM GmbH

Liên hệ:

Quản lý dự án: kai.kriegel@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

DAFODIL (FKZ 03XP0389A) - DAFODIL - Tối ưu hóa sản xuất pin dựa trên dữ liệu dựa trên dữ liệu cuối dòng thông qua việc sử dụng nhiều thuật toán học máy và phân tích nội tuyến

Thời lượng: Ngày 1 tháng 9 năm 2021 - ngày 31 tháng 8 năm 2025

Trong dự án DAFODIL, các phương pháp và kỹ thuật cơ bản mới để tối ưu hóa quá trình sản xuất tế bào lithium-ion được lên kế hoạch phát triển.

Hiện đại trong các cơ sở sản xuất pin Li-ion là tối ưu hóa từng bước sản xuất riêng lẻ đến mức tối ưu cục bộ. Vì một số thông số chất lượng có thể đạt được mức tối ưu toàn cầu nếu các cơ sở sản xuất riêng lẻ được vận hành bên ngoài mức tối ưu cục bộ, dự án DAFODIL sẽ phát triển tối ưu hóa sản xuất toàn cầu thông qua bước trung gian là điều tra các hệ thống cảm biến mới. Với mục đích này, các hệ thống cảm biến khác nhau sẽ được kiểm tra trong các nghiên cứu sơ bộ về sự phù hợp của chúng để thu thập dữ liệu trong sản xuất tế bào. Đối với tất cả các giá trị đo được, nó sẽ được đánh giá thông tin cảm biến nào có liên quan trực tiếp đến một tham số chất lượng xác định.

DAFODIL (FKZ 03XP0389A) - DAFODIL - Tối ưu hóa sản xuất pin dựa trên dữ liệu dựa trên dữ liệu cuối dòng thông qua việc sử dụng nhiều thuật toán học máy và phân tích nội tuyến

Thời lượng: Ngày 1 tháng 9 năm 2021 - ngày 31 tháng 8 năm 2025

Trong dự án DAFODIL, các phương pháp và kỹ thuật cơ bản mới để tối ưu hóa quá trình sản xuất tế bào lithium-ion được lên kế hoạch phát triển.

Hiện đại trong các cơ sở sản xuất pin Li-ion là tối ưu hóa từng bước sản xuất riêng lẻ đến mức tối ưu cục bộ. Vì một số thông số chất lượng có thể đạt được mức tối ưu toàn cầu nếu các cơ sở sản xuất riêng lẻ được vận hành bên ngoài mức tối ưu cục bộ, dự án DAFODIL sẽ phát triển tối ưu hóa sản xuất toàn cầu thông qua bước trung gian là điều tra các hệ thống cảm biến mới. Với mục đích này, các hệ thống cảm biến khác nhau sẽ được kiểm tra trong các nghiên cứu sơ bộ về sự phù hợp của chúng để thu thập dữ liệu trong sản xuất tế bào. Đối với tất cả các giá trị đo được, nó sẽ được đánh giá thông tin cảm biến nào có liên quan trực tiếp đến một tham số chất lượng xác định.

Hơn nữa, ảnh hưởng của các giá trị đặc trưng tương quan đến các mô hình nhân quả phức tạp sẽ được nghiên cứu. Với mục đích này, các thuật toán và phương pháp sẽ được phát triển để xác định các chuỗi nhân quả phức tạp này. Một phân tích độ nhạy sẽ điều tra những ảnh hưởng phụ nào trong các chuỗi nhân quả này có lợi cho các tác động nhất định và cách chúng có thể được ghi lại định lượng. Trong dự án phụ của Siemens, một hệ thống cảm biến mới, được gọi là camera siêu quang phổ, sẽ được điều tra lần đầu tiên cho các ứng dụng khả thi của nó trong sản xuất pin. Hơn nữa, các phương pháp đo điện hóa kết hợp với các sửa đổi đối với sản xuất tế bào sẽ được thực hiện để điều tra ảnh hưởng của các thông số sản xuất đến chất lượng và phát triển tiềm năng tối ưu hóa trong việc xác định đặc tính chất lượng tế bào. Với mục đích này, Siemens sẽ tham gia phân tích quy trình sản xuất. Ngoài ra, các thuật toán để phân tích dữ liệu cảm biến và các phép đo chất lượng cũng sẽ được lập trình trong dự án phụ của Siemens, với sự trợ giúp của nó có thể xác định các mẫu nguyên nhân và kết quả phức tạp.

Đối tác liên minh:

Customcells Tübingen GmbH

Công ty TNHH Safion

SURAGUS GmbH

Đại học Kỹ thuật Rheinisch-Westfälische Aachen (Đại học RWTH Aachen)

Universität Münster (Đại học Münster)

Liên hệ:

Quản lý dự án: andreas-albrecht@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

DIAA-H2 (FKZ: 03EI3067A) - Cặp song sinh kỹ thuật số cho nhà máy sản xuất H2

Thời lượng: 1 tháng 7 năm 2022 - ngày 30 tháng 6 năm 2025

Siemens Energy Global GmbH & Co. KG, Siemens AG, Technische Universität Dresden và Josef Pfaffinger Bauunternehmung GmbH có kế hoạch nghiên cứu nền tảng cho Digital Twin cho các nhà máy chế biến, có thể sử dụng được trong suốt vòng đời của chúng, sử dụng một nhà máy điện phân làm ví dụ. Các phương pháp tạo ra và quản lý sản phẩm được thiết lập trong kỹ thuật cơ khí sẽ có thể sử dụng được cho quá trình chuyển đổi năng lượng bằng cách điều chỉnh chúng cho việc xây dựng nhà máy. Dự án nghiên cứu tập trung vào việc phát triển các phương pháp và công cụ để tạo ra, khởi tạo và duy trì Digital Twin. Những điều này sẽ được thực hiện đồng thời với việc xây dựng và vận hành nhà máy. Ngoài ra, các phương pháp tiếp cận mô đun hóa khác nhau dựa trên các mô hình cơ bản dành riêng cho ngành học, được đồng bộ hóa và hài hòa với mô hình nhà máy liên ngành, sẽ được phát triển. Mô hình nhà máy cũng nhằm cho phép tạo ra một biến thể mới cho việc xây dựng nhà máy. Các lĩnh vực trọng tâm được mô tả sẽ được tập hợp lại trong nguyên mẫu của Hệ thống Quản lý Vòng đời Nhà máy đầu tiên (Hệ thống Plant-LM) và được xác nhận thông qua ứng dụng trong kỹ thuật, xây dựng nhà máy và vận hành. Do đó, Hệ thống Plant-LM nhằm tăng đáng kể hiệu quả kinh tế của nhà máy, giảm chi phí đầu tư và cải thiện bảo trì. Điều này sẽ mang lại lợi thế cạnh tranh đáng kể và lâu dài cho người sử dụng các phương pháp và công cụ đã phát triển cho Digital Twin của các nhà máy điện phân.

Đối tác liên minh:

Pfaffinger Anlagenbau & Energietechnik GmbH

Đại học Kỹ thuật Dresden (Đại học Công nghệ Dresden)

Siemens Energy Global GmbH & Co. KILÔGAM

Liên hệ:

Quản lý dự án: jonathan.leidich@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

DigiZuG3D (FKZ 13IK031A) - Dự án chung: Phê duyệt kỹ thuật số linh kiện in 3D cho phương tiện đường sắt (DigiZug3D) - Tiểu dự án: Số hóa và công nghiệp hóa quy trình LPBF

Thời lượng: 1 tháng 10 năm 2023 - ngày 31 tháng 8 năm 2026

DigiZuG3D (FKZ 13IK031A) - Dự án chung: Phê duyệt kỹ thuật số linh kiện in 3D cho phương tiện đường sắt (DigiZug3D) - Tiểu dự án: Số hóa và công nghiệp hóa quy trình LPBF

Dựa trên nhiều năm kinh nghiệm với tư cách là người sử dụng và nhà cung cấp cho sản xuất phụ gia, Siemens sẽ hỗ trợ công nghiệp hóa quy trình LPBF. Điều này sẽ đạt được đặc biệt bằng cách thúc đẩy số hóa ở một số cấp độ, cụ thể là lập bản đồ kỹ thuật số các quy trình phê duyệt để cho phép một nền tảng phê duyệt, tham gia vào chứng minh tính toán thay vì thử nghiệm phá hủy và đánh giá các phương pháp kỹ thuật số tiếp theo để giảm phạm vi thử nghiệm trong đảm bảo chất lượng. Các phương pháp kỹ thuật số bao gồm sự kết hợp của các hệ thống giám sát quy trình khác nhau với đánh giá tự động dự định, cũng như việc sử dụng các phương pháp được chọn trên cơ sở dữ liệu ngày càng tăng trong dự án. Kết quả sẽ là một đánh giá cụ thể về các phương pháp giám sát quy trình được lựa chọn. Điều này có thể làm cơ sở cho sự phát triển trong tương lai của các phương pháp giám sát hoặc đánh giá quy trình, cũng như để đánh giá các hệ thống hiện có. Lý tưởng nhất là các mục tiêu phát triển cụ thể có thể được xây dựng và mối tương quan với chất lượng thành phần có thể được hiển thị. Nhìn chung, việc số hóa các quy trình phê duyệt và chứng minh sẽ loại bỏ một rào cản đáng kể đối với việc giới thiệu sản xuất phụ gia. Hơn nữa, để hỗ trợ công nghiệp hóa, kinh nghiệm dọc theo toàn bộ chuỗi quy trình phụ gia sẽ được tập hợp thành các khuyến nghị cụ thể để hành động về cách sử dụng quy trình trong lĩnh vực phương tiện đường sắt và hơn thế nữa. Các giả thuyết và khuyến nghị được lựa chọn từ một báo cáo nghiên cứu của Trung tâm Nghiên cứu Giao thông Đường sắt Đức sẽ được kiểm tra và cụ thể hóa, và tính hợp lệ chung của chúng ngoài tài liệu được sử dụng trong dự án sẽ được kiểm tra. Cuối cùng, việc chuyển giao kiến thức để hỗ trợ công nghiệp hóa rộng rãi sẽ được thúc đẩy thông qua việc phát triển các quy định và tiêu chuẩn.

Đối tác liên minh:

Tính di động đi Additive e.V.

IMA Materialforschung und Appungstechnik GmbH (IMA Material Research and Application Technology GmbH)

Công ty TNHH Hệ thống TÜV NORD KG

Additional Marking GmbH

Siemens Mobility GmbH

Đại học Paderborn (Đại học Paderborn)

Liên hệ:

Quản lý dự án: daniel.reznik@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

DimaD (FKZ 13XP5188A) - Thiết kế quy trình và vật liệu kỹ thuật số cho sản xuất phụ gia dựa trên dây

Thời lượng: 1 tháng 1 năm 2023 - 30 tháng 6 năm 2026

Các quy trình sản xuất phụ gia (AM) cho kim loại đòi hỏi nỗ lực đáng kể, chủ yếu là thử nghiệm khi nói đến việc xác định các cửa sổ quy trình phù hợp cho các hệ thống vật liệu hoặc chuyển các thông số quy trình tối ưu hóa từ loại nhà máy này sang loại nhà máy khác. Việc triển khai nhanh chóng từ thiết kế đến thành phần chỉ có thể thực hiện được nếu chuỗi quy trình, từ nguyên liệu thô đến thành phần, được xác định và xây dựng kỹ thuật số toàn bộ. Dự án DiMAD tập trung vào các quy trình dựa trên dây sử dụng bức xạ hồ quang và laser làm nguồn nhiệt cho thép austenit và thép kép. Các đặc điểm sau đây, rất cần thiết từ quan điểm của người dùng và ảnh hưởng đến chất lượng và tính chất của thành phần, được xem xét sâu: cấu trúc vi mô và sự hình thành pha do kết quả của các điều kiện đông đặc và làm mát cục bộ; ứng suất và biến dạng dư do gia nhiệt và làm mát và xử lý nhiệt; các khuyết tật nghiêm trọng như thiếu nhiệt hạch và độ xốp. Cấu trúc vi mô, pha và ứng suất được mô tả bằng mô phỏng. Học máy (ML) được sử dụng để tương quan giữa thuộc tính quy trình-khiếm khuyết và cũng để giải thích tổng thể dữ liệu (mô phỏng, thử nghiệm, phân tích). Công việc kỹ thuật số đi kèm với các thí nghiệm, phân tích và thử nghiệm vật liệu, phục vụ để xác định các thông số đầu vào cho mô phỏng, xác thực mô phỏng và đào tạo/xác thực các mô hình ML. Dựa trên các thông số quy trình có nguồn gốc từ các công cụ kỹ thuật số, hai thành phần thực sự sẽ được xây dựng. Về hai quy trình AM, bản thể học người dùng cho vật liệu dây sẽ được phát triển. Để trao đổi và đánh giá dữ liệu giữa các đối tác và với nền tảng Material Digital, một cấu trúc dữ liệu thống nhất sẽ được phát triển và các định dạng dữ liệu phù hợp sẽ được sử dụng. Giải pháp AixVipMap hiện có ban đầu sẽ được sử dụng như một khung quy trình làm việc, sẽ được tích hợp vào PMD.

Đối tác liên minh:

OSCAR PLT GmbH

Icon Pro GmbH

FEF Forschungs- und Entwicklungsgesellschaft Fügetechnik GmbH (FEF Research and Development Company for Joining Technology GmbH)

Deutsches Zentrum für Luft- und Raumfahrt e.V. (Trung tâm Hàng không vũ trụ Đức)

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì thúc đẩy nghiên cứu ứng dụng, hiệp hội đã đăng ký)

TRUY CẬP e.V.

Liên hệ:

Quản lý dự án: philip.howell@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

DORSMAN (FKZ 03XP0633A) - Dự án chung: Sản xuất pin dựa trên dữ liệu và cảm biến - DORSMAN; Dự án phụ: Tăng tốc hoàn thiện tế bào và cải thiện chất lượng pin Lithium-Ion thông qua việc sử dụng công nghệ cảm biến đổi mới và đo lường

Thời lượng: Ngày 1 tháng 1 năm 2025 - ngày 31 tháng 12 năm 2027

Dự án nghiên cứu này, được tài trợ bởi BMBF, nhằm mục đích đẩy nhanh quá trình sản xuất pin lithium-ion.

Dự án chung “Sản xuất pin dựa trên dữ liệu và cảm biến” (DORSMAN) điều tra làm thế nào việc sản xuất pin lithium-ion có thể được thực hiện hiệu quả hơn về tài nguyên và nhanh hơn. Dự án được tài trợ bởi Bộ Giáo dục và Nghiên cứu Liên bang (BMBF) (FKZ: 03XP0633A). Ngoài Siemens làm điều phối viên, tập đoàn bao gồm BioLogic Science Instruments GmbH, Viện Máy Công cụ và Quản lý Công nghiệp (iwb) tại Đại học Kỹ thuật Munich và Viện Điện tử Công suất và Truyền động Điện (ISEA) tại Đại học RWTH Aachen. Mục tiêu bao quát là đẩy nhanh quá trình sản xuất pin thông qua công nghệ cảm biến tiên tiến và số hóa.

Pin rất cần thiết cho sự thành công của quá trình chuyển đổi năng lượng và tính di động. Tuy nhiên, quá trình sản xuất kéo dài, tỷ lệ phế liệu cao, chất lượng pin thay đổi và chỉ có thể được xác định một cách đáng tin cậy với các quy trình đo lường phức tạp. Đặc biệt giai đoạn cuối của quá trình sản xuất, hoàn thiện tế bào, rất tốn thời gian. Hoàn thiện bao gồm một số bước quy trình. Làm ướt, nơi chất điện phân phân phân phối trong pin, hình thành, nơi pin được sạc và xả lần đầu tiên và việc đo độ tự xả đặc biệt tốn thời gian. Điều này là do tiến trình của quá trình không thể được theo dõi bằng các phương tiện hiện có, và do đó thời gian chờ đợi là cần thiết.

DORSMAN giải quyết chính xác khía cạnh này của quy trình sản xuất. Các cảm biến mới sẽ được tích hợp vào nhà máy sản xuất, cho phép hiểu sâu hơn về các quá trình điện hóa trong tế bào. Hơn nữa, các quy trình đo để xác định tốc độ tự xả sẽ được phát triển thêm. Theo hiện trạng nghệ thuật hiện tại, các phép đo này mất vài ngày đến vài tuần. Nghiên cứu sẽ được tiến hành về cách giảm thời gian đo bằng công nghệ đo lường và đánh giá dữ liệu phù hợp.

Cho đến nay, các cảm biến và quy trình đo lường chỉ được chứng minh trên quy mô phòng thí nghiệm. Trong khuôn khổ DORSMAN, kết quả đạt được ở đây sẽ được đưa vào ứng dụng công nghiệp thông qua sự hợp tác giữa các viện nghiên cứu và ngành công nghiệp. Cơ sở hạ tầng kỹ thuật số sẽ được thiết lập cho nhà máy sản xuất, sẽ tạo cơ sở cho việc kiểm soát quy trình có khả năng trực tuyến dựa trên dữ liệu đo lường. Các đối tác dự án sẽ triển khai các giải pháp đã phát triển trong một nhà máy thí điểm, nơi chúng sẽ được thử nghiệm. Sau đó, pin sẽ được sản xuất trong một số chiến dịch sản xuất và các điều chỉnh đối với quy trình sản xuất sẽ được thực hiện dựa trên các phép đo được ghi lại. Việc triển khai thành công sẽ giúp tích hợp công nghệ cảm biến và thiết bị đo lường vào các cơ sở sản xuất công nghiệp.

Đối tác liên minh:

Công cụ khoa học logic sinh học GmbH

Technische Universität München (TUM) (Đại học Kỹ thuật Munich)

Đại học Kỹ thuật Rheinisch-Westfälische Aachen (Đại học RWTH Aachen)

Liên hệ:

Quản lý dự án: felix.katzer@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

ENable (FKZ 03EN3061A) - Dự án chung ENEFF:STADT: Bật - Tích hợp VERTICAL của các hệ thống truyền thông và điều khiển để kích hoạt tính linh hoạt để tối ưu hóa năng lượng toàn huyện. Tiểu dự án: Kiểm soát tối ưu hệ thống năng lượng (Siemens)

Thời lượng: 1 tháng 4 năm 2022 - 30 tháng 9 năm 2026

Một điều kiện tiên quyết quan trọng để kiểm soát tối ưu hóa toàn ngành đối với hệ thống năng lượng tòa nhà/khuôn viên trường và tiếp thị tính linh hoạt là thiết lập Công nghệ Thông tin và Truyền thông (ICT) để tương tác liền mạch giữa các cảm biến, các thành phần riêng lẻ, sử dụng hệ thống dự báo và giao diện với nhà điều hành lưới điện, nhà cung cấp năng lượng hoặc nền tảng giao dịch. Mục đích của dự án này là chứng minh chuỗi CNTT hoàn chỉnh này trong lĩnh vực này, sử dụng sự phát triển quận lớn nhất ở Bamberg (khu vực chuyển đổi Cơ sở Lagarde) làm ví dụ. Một mục tiêu khác của dự án là đánh giá đo lường và mô phỏng khả năng mở rộng và khả năng chuyển giao cho các quận khác, cũng như tiềm năng tiết kiệm liên quan đến CO2 và chi phí. Việc tối ưu hóa, kiểm soát đa ngành đối với tải điện và nhiệt có thể kiểm soát, lưu trữ năng lượng và các đơn vị chuyển đổi năng lượng sẽ được thực hiện thông qua hệ thống quản lý năng lượng tự động hoạt động kết hợp với công nghệ quản lý tòa nhà cổ điển, các dịch vụ bên ngoài như dịch vụ thời tiết, kỹ thuật dự báo dựa trên AI và nền tảng giao dịch. Khi làm như vậy, quận sẽ được cung cấp năng lượng theo cách tối ưu hóa chi phí và CO2, có tính đến tất cả các điều kiện ranh giới kỹ thuật của các thành phần và mạng riêng lẻ.

Đối tác liên minh:

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì thúc đẩy nghiên cứu ứng dụng, hiệp hội đã đăng ký)

Stadtwerke Bamberg Energie- und Wasserversorgungs GmbH (Công ty cung cấp năng lượng và nước thành phố Bamberg)

SEtrade GmbH

Liên hệ:

Quản lý dự án: stefan.langemeyer@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

ENSURE3 (FKZ 03SFK1A0-3) - Dự án chung: Cấu trúc mạng năng lượng mới cho quá trình chuyển đổi năng lượng

Thời lượng: 1 tháng 8 năm 2023 - 31 tháng 7 năm 2026

Siemens AG đang tham gia với tư cách là nhà lãnh đạo tập đoàn trong Dự án Copernicus ENSURE3.
Trong dự án, Siemens AG sẽ đóng góp vào bốn mục tiêu chính và cùng với các đối tác đưa ra các khuyến nghị hành động cho các bên liên quan khác nhau. Hơn nữa, Siemens AG đang nghiên cứu nhiều tiến bộ công nghệ trong bộ công cụ chuyển đổi năng lượng. Như một đóng góp cho nền tảng đồng trình diễn, “Nguồn duy nhất của sự thật” sẽ được phát triển hơn nữa và công việc sẽ được thực hiện để tích hợp công nghệ điều khiển trạm linh hoạt. Siemens AG đã thiết lập một showroom phục vụ để chuyển giao kết quả.

Đối tác liên minh:

Viện Công nghệ Karlsruher (Universitätsaufgabe) (Viện Công nghệ Karlsruhe (Nhiệm vụ đại học))

Technische Universität Dortmund (Đại học Kỹ thuật Dortmund)

DVGW Deutscher Verein des Gas- und Wasserfaches e.V. - Technisch-wissenschaftlicher Verein (DVGW Hiệp hội Khoa học và Kỹ thuật Đức về Khí và Nước)

Deutsche Umwelthilfe e.V. (Hành động môi trường Đức)

Hochschule für angewandte Scisenschaften München (Đại học Khoa học Ứng dụng Munich)

PSI FLS Fuzzy Logic & Neuro Systeme GmbH

Công ty TNHH TenNet TSO

Germanwatch e.V.

OPAL-RT Đức GmbH

SWKiel Netz GmbH

Allgäunetz GmbH & Co. KILÔGAM

Đại học Christian-Albrechts-Universität zu Kiel (Đại học Kiel)

Westfalen Weser Netz GmbH

LEW Verteilnetz GmbH

Đại học Kỹ thuật Ilmenau (Đại học Công nghệ Ilmenau)

Học viện sinh thái. Institut für Angewandte Ekologie e.V. (Eko-Institut. Viện Sinh thái Ứng dụng e.V.)

Công ty TNHH Avacon Netz

Hitachi Energy Đức AG

Nhà máy sản xuất máy móc Reinhausen GmbH

Đại học Friedrich-Alexander Erlangen-Nürnberg (Đại học Friedrich-Alexander Erlangen-Nuremberg)

Viện Công nghệ Karlsruher (Großforschungsaufgabe) (Viện Công nghệ Karlsruhe (Nhiệm vụ nghiên cứu quy mô lớn))

Đại học Kỹ thuật Rheinisch-Westfälische Aachen (Đại học RWTH Aachen)

Energiewirtschaftliches Institut an der Universität zu Köln gGmbH (Viện Kinh tế Năng lượng tại Đại học Cologne gGmbH)

Đại học Bergische Wuppertal (Đại học Wuppertal)

Liên hệ:

Quản lý dự án: annebauer@siemens.com

Quản lý tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMBF

F-HIL-Reloaded (FKZ 03EI6104A) - Dự án chung: Phát triển cơ sở hạ tầng thử nghiệm để xác nhận quy chuẩn các quy trình động của các đơn vị phát điện phi tập trung tạo lưới - F-HIL-Reloaded; Dự án phụ: Phát triển hộp tường DC phi tập trung tạo lưới để tăng cường bảo mật cung ứng

Thời lượng: 1 tháng 10 năm 2023 - 30 tháng 9 năm 2026

Mục tiêu của dự án F-HIL-Reloaded là thiết lập một hệ thống mô phỏng và thử nghiệm thời gian thực mô hình hóa một phần lưới phân phối với khả năng tương tác bộ chuyển đổi mạnh mẽ và tự động thực hiện các kịch bản thử nghiệm cho các đối tượng thử nghiệm hình thành lưới. Bộ khuếch đại lai được điều khiển thông qua giao diện công suất động và trở kháng dòng X/R thích ứng được sử dụng làm giao diện với môi trường thực. Dự án F-HIL-Reloaded là sự tiếp nối của dự án nghiên cứu FHiL; những hiểu biết thu được và kết quả đạt được đóng vai trò là cơ sở cho sự phát triển hơn nữa của hệ thống kiểm tra và thử nghiệm. Ngoài ra, dự án xem xét các thuộc tính hình thành lưới của các đối tượng thử nghiệm: hộp tường DC và bộ chuyển đổi tạo lưới. Đặc biệt chú ý đến khả năng tương tác của các bộ chuyển đổi. Đặc biệt, hiệu ứng cộng hưởng của các trạm sạc cho xe điện kết hợp với hệ thống PV được mô phỏng với hệ thống kiểm tra kiểm tra. Các tác động tích cực (và có khả năng tiêu cực) của các bộ tạo lưới trong lưới phân phối phải được chứng minh bằng hệ thống kiểm tra và kiểm tra, được điều chỉnh cho phù hợp với các đặc tính hình thành lưới của các đối tượng thử nghiệm. Các thử nghiệm có thể tái tạo được nhằm tạo cơ sở cho các trình tự thử nghiệm tiêu chuẩn hóa cho các hệ thống tạo lưới. Mục tiêu bao quát của dự án F-HIL-Reloaded là tác động tích cực đến sự phát triển của các bộ chuyển đổi tạo lưới và theo lưới thông qua các quy trình thử nghiệm tiêu chuẩn hóa và hệ thống thử nghiệm, do đó đảm bảo an toàn cung cấp trong nguồn cung cấp năng lượng chỉ dựa trên các bộ chuyển đổi. Trong xã hội, khả năng chứng minh được nguồn cung an toàn thông qua các hệ thống hình thành lưới củng cố cảm giác an toàn và chấp nhận đối với quá trình chuyển đổi năng lượng xanh.

Đối tác liên minh:

Trường Cao đẳng Bonn-Rhein-Sieg (Đại học Khoa học Ứng dụng Bonn-Rhein-Sieg)

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì thúc đẩy nghiên cứu ứng dụng, hiệp hội đã đăng ký)

SUMIDA Components & Modules GmbH

OPAL-RT Đức GmbH

Liên hệ:

Quản lý dự án: sebastian.nielebock@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

3DGlassGuard (FKZ: 13N16851) - Dự án chung: Security thông qua Photonic System Integration in Glass Foils; Tiểu dự án: Cảm biến dòng quang tích hợp phẳng

Thời lượng: 15 tháng 5 năm 2024 - 14 tháng 5 năm 2027

3DGlassGuard (FKZ: 13N16851) - Dự án chung: Security thông qua Photonic System Integration in Glass Foils; Tiểu dự án: Cảm biến dòng quang tích hợp phẳng

Việc tích hợp các vi cấu trúc quang học ba chiều và các giao diện mạnh mẽ vào kính hiển thị sẽ được phát triển về mặt kỹ thuật bằng cách sử dụng IOX (cấy ion) kết hợp với FS-L (cấu trúc laser femtosecond) để cho phép các thành phần hệ thống quang tử thu nhỏ. Một công cụ thiết kế mới cho IPD (thiết kế quang tử nghịch đảo) cho phép mô phỏng quang học và hóa học ba chiều cần thiết một cách hiệu quả. Hai nguyên tắc cảm biến mới, chỉ có thể thực hiện được trên cơ sở này, trong lĩnh vực đo dòng điện và cảm biến môi trường, sẽ được phát triển trước và xác nhận về mặt chức năng bởi các đối tác ứng dụng. Các phương pháp đánh giá dữ liệu cảm biến thông minh sẽ được sử dụng cho mục đích này. Các quy trình kết hợp được hỗ trợ thiết kế theo kế hoạch hợp nhất các ưu điểm của IOX (giảm xóc thấp và diện tích lớn) với các ưu điểm của FS-L (tính ba chiều). Điều này cho phép, lần đầu tiên, các cấu trúc quang học ba chiều được tích hợp vào các chất nền thủy tinh có diện tích lớn, rất mỏng (< 1 mm). Sự kết hợp này chỉ hiệu quả về mặt thiết kế thông qua IPD được hỗ trợ AI, vì các thiết kế dựa trên các mô hình hồi quy được xác định bằng thực nghiệm cổ điển không thể được mô phỏng nhanh chóng do những hạn chế tính toán. Các cảm biến quang học ngày nay thường dựa trên chùm tia tự do hoặc sợi quang và do đó đòi hỏi không gian lắp đặt đáng kể. Hơn nữa, sợi quang linh hoạt rất tốn kém để xử lý và lắp ráp. Tích hợp quang tử ở cấp độ hệ thống do đó mang lại lợi thế đáng kể về chi phí và thu nhỏ. Điều này đạt được về mặt kỹ thuật trong dự án đề xuất bằng cách sử dụng các quy trình hàng loạt dựa trên kính hiển thị và bảng điều khiển cho các quy trình IOX và kim loại hóa, cũng như tích hợp các cấu trúc quang học 3 chiều với fs-laser vào các lá thủy tinh mỏng, được tích hợp như các thành phần hệ thống hiệu quả cao vào hệ thống quang điện cho các ứng dụng mới như cảm biến dòng quang.

Đối tác liên minh:

Công nghệ biển & mặt trời GmbH

Contag AG

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì thúc đẩy nghiên cứu ứng dụng, hiệp hội đã đăng ký)

LightFab GmbH

Technische Universität Berlin (Đại học Kỹ thuật Berlin)

Liên hệ:

Quản lý dự án: stefan.nerreter@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMBF

GreenInverter (FKZ 03EN4079A) - Dự án chung: Điện tử công suất bền vững với khả năng làm mát sáng tạo để tăng khả năng tái chế - GreenInverter; Tiểu dự án: Các biến thể công nghệ và hệ thống biến tần

Thời lượng: 1 tháng 3 năm 2024 - 28 tháng 2 năm 2027

GreenInverter (FKZ 03EN4079A) - Dự án chung: Điện tử công suất bền vững với khả năng làm mát sáng tạo để tăng khả năng tái chế - GreenInverter; Tiểu dự án: Các biến thể công nghệ và hệ thống biến tần

Thời lượng: 1 tháng 3 năm 2024 - 28 tháng 2 năm 2027

Dự án “GreenInverter” nhằm thiết lập các tiêu chuẩn mới cho phần cứng có thể tái chế, sửa chữa và nâng cấp trong lĩnh vực chuyển đổi năng lượng điện. Đồng thời, hiệu quả năng lượng sẽ được cải thiện đáng kể. Những lợi ích sẽ được chứng minh bằng cách sử dụng một biến tần làm ví dụ. Tình trạng hiện tại của nghệ thuật, dựa trên nguyên tắc phát triển các thành phần riêng lẻ, sẽ được thay thế bằng một cách tiếp cận hệ thống mới. Thông qua một cách tiếp cận mới lạ đối với chiến lược làm mát và cách nhiệt phổ biến, nhiệt độ thành phần sẽ giảm và việc sử dụng các vật liệu mới sẽ được kích hoạt, do đó tăng hiệu quả năng lượng. Việc tăng đáng kể khả năng tái chế, giảm lượng khí thải CO2 của sản phẩm và tăng tuổi thọ sản phẩm do phân phối nhiệt độ đồng nhất hơn trong biến tần cũng sẽ đạt được. Hơn nữa, trong tương lai, các mô hình kinh doanh mới sẽ được đưa vào các cân nhắc, có nghĩa là thiết kế và bố trí sẽ ít bị thúc đẩy bởi chi phí sản xuất. Dự án tập trung vào ba lĩnh vực chính: “Hiệu quả năng lượng”, “Khả năng tái chế, tuần hoàn và phi vật liệu hóa” và “Tuổi thọ, Sử dụng thành phần và Tính linh hoạt trong sử dụng.” Các giải pháp đột phá cho những cải tiến đáng kể trong tất cả các lĩnh vực này sẽ được nghiên cứu và phát triển, sẽ được chứng minh dưới dạng các nguyên mẫu chức năng. Hiệp hội ước tính rằng, với việc thực hiện đầy đủ các kết quả, tiềm năng tiết kiệm năng lượng hơn 1,6 TWh hàng năm có thể đạt được ở Đức. Siemens đóng góp chuyên môn về R & D trong lĩnh vực điện tử, phương pháp làm mát và thiết kế và sản xuất biến tần. Điều này bao gồm nhiều năm kinh nghiệm trong việc thiết kế, xây dựng, thiết lập và vận hành các cơ sở thử nghiệm và dẫn đầu các dự án nghiên cứu và phát triển lớn.

Đối tác liên minh:

Thương mại nguyên liệu Bernhard Westarp GmbH & Co. KILÔGAM

Đại học Friedrich-Alexander Erlangen-Nürnberg (Đại học Friedrich-Alexander Erlangen-Nuremberg)

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì thúc đẩy nghiên cứu ứng dụng, hiệp hội đã đăng ký)

Sumida Components & Modules GmbH

Liên hệ:

Quản lý dự án: joern.grundmann@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

GridAssist (03EI6126A) - Dự án chung: Hệ thống hỗ trợ vận hành hệ thống tự động tối ưu hóa trong lưới phân phối - Tiêu đề dự án phụ: Vận hành hệ thống tối ưu tự động

Thời lượng: Ngày 1 tháng 12 năm 2024 - ngày 30 tháng 11 năm 2027

GridAssist (03EI6126A) - Dự án chung: Hệ thống hỗ trợ vận hành hệ thống tự động tối ưu hóa trong lưới phân phối - Tiêu đề dự án phụ: Vận hành hệ thống tối ưu tự động

Thời lượng: Ngày 1 tháng 12 năm 2024 - ngày 30 tháng 11 năm 2027

Dự án GridAssist nhằm phát triển các hệ thống hỗ trợ để tối ưu hóa hoạt động hệ thống tự động trong lưới phân phối. Điều này nhằm cho phép tích hợp cao hơn các máy phát năng lượng tái tạo vào lưới điện. Các giải pháp được thiết kế riêng cho các mức điện áp sẽ được phát triển. Khả năng chuyển giao của các giải pháp này và thử nghiệm thực địa của các hệ thống hỗ trợ là các thành phần trung tâm của dự án. Khả năng quan sát đầy đủ tạo cơ sở cho bất kỳ tự động hóa nào trong lưới phân phối. Mức điện áp càng thấp, hiện tại càng ít biết về trạng thái lưới điện thực tế. Do đó, trong GridAssist, khả năng quan sát cần thiết trước tiên sẽ được thiết lập. Ngoài việc lắp đặt công nghệ đo lường, cần phát triển các khái niệm thích hợp về cách dữ liệu đo lường có thể được tích hợp hiệu quả nhất với các nhà khai thác lưới điện tương ứng và các quy trình của họ. Với công nghệ đo lường và truyền thông được cài đặt đầy đủ, tức là, với khả năng quan sát được, trạng thái lưới tương ứng sau đó có thể được phân tích. Ngoài các phương pháp phân tích, các phương pháp dựa trên dữ liệu sẽ được sử dụng. Dựa trên phân tích trạng thái lưới điện, các quyết định sau đó sẽ được đưa ra bởi các hệ thống hỗ trợ. Những điều này có thể bao gồm từ các khuyến nghị về hành động cho người vận hành hệ thống đến việc điều phối linh hoạt hoàn toàn tự động. Siemens đóng góp chuyên môn về tự động hóa lưới điện và phát triển phần mềm, đặc biệt là trong lĩnh vực sinh đôi kỹ thuật số và AI. Một khía cạnh trung tâm của GridAssist là tự động hóa các quy trình trong lưới phân phối. Điều này là không thể thiếu do sự phát triển hiện tại. Ngoài các khía cạnh kỹ thuật này, dự án nhằm giảm chi phí vận hành và đầu tư của các nhà khai thác lưới điện. Điều này đạt được thông qua việc quản lý tài sản được cải thiện và giảm nhu cầu mở rộng lưới điện.

Đối tác liên minh:

LEW Verteilnetz GmbH

Cung cấp năng lượng Gera GmbH

OPAL-RT Đức GmbH

Đại học Friedrich-Alexander Erlangen-Nürnberg (Đại học Friedrich-Alexander Erlangen-Nuremberg)

Đại học Kỹ thuật Rheinisch-Westfälische Aachen (Đại học RWTH Aachen)

Liên hệ:

Quản lý dự án: annebauer@siemens.com và christian.scheibe@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

Dự án hợp tác: Cơ sở hạ tầng có khả năng phục hồi quan trọng thông qua mạng vệ tinh cho các cấu trúc cung cấp đáng tin cậy liên ngành (KRISnet) Tiểu dự án: Nghiên cứu các thiết bị truyền thông cho truyền thông TNT-NT lai cho các cấu trúc cung cấp đáng tin cậy liên ngành

Dự án con của Siemens, có tiêu đề “Nghiên cứu về các thiết bị truyền thông cho truyền thông TNT-NT lai cho các cấu trúc cung cấp đáng tin cậy giữa các lĩnh vực,” tập trung vào việc phát triển các thành phần truyền thông - điện tử, phần mềm và chương trình cơ sở - cho phép kết nối an toàn và linh hoạt giữa các tài sản hệ thống điện và cả mạng truyền thông dựa trên vệ tinh trên mặt đất và LEO (Quỹ đạo Trái đất thấp). Các thành phần này cũng quản lý việc lựa chọn thông minh của kênh truyền thông tối ưu.

Modem truyền thông đa hệ thống được thiết kế để tự động chuyển đổi giữa các mạng truyền thông mặt đất (TN) và không mặt đất (NTN) dựa trên tính khả dụng và chi phí. Mục đích là để đảm bảo rằng người dùng không nhận thức được liệu dữ liệu đang được truyền qua mạng mặt đất hoặc vệ tinh hay không. Khả năng này, kết hợp với việc ưu tiên các đường dẫn truyền thông, giúp tối ưu hóa các tương tác phức tạp giữa cơ sở hạ tầng truyền thông và cung cấp và ngăn ngừa các lỗi hệ thống xếp tầng ở giai đoạn đầu.

Trong dự án KrisNet, hai người biểu tình được lên kế hoạch. Siemens sẽ đóng góp cho cả thiết bị trình diễn cho thiết bị điện áp cao tại Amprion và trình diễn công nghệ điện áp thấp tại Üz‑Mainfranken. Mỗi trình diễn đại diện cho chuỗi tín hiệu hoàn chỉnh - từ thu thập dữ liệu trong cơ sở hạ tầng cung cấp, thông qua giao tiếp được thực hiện bởi modem truyền thông đa hệ thống, đến xử lý dữ liệu trong các trung tâm dữ liệu hoặc môi trường đám mây.

Amprion và Üz‑Mainfranken, với tư cách là công ty điện trong lĩnh vực điện, cung cấp chuyên môn của họ về các yêu cầu hệ thống và trình diễn giải pháp tích hợp. Ngoài việc đáp ứng các yêu cầu chính như kết nối để giám sát lưới điện, tái điều phối và ước tính trạng thái trong lưới phân phối theo Mục 14a của Đạo luật Công nghiệp Năng lượng Đức (EnWG), dự án cũng giải quyết khả năng phục hồi trong thời gian mất điện và tuân thủ Khẩn cấp và Phục hồi Mã Mạng (NC ER) cho các mạng điện áp ngoài cao áp.

Thời lượng: Ngày 1 tháng 1 năm 2026 - ngày 31 tháng 12 năm 2028
Quản lý dự án: rolandweiss@siemens.com
Giám đốc tài chính: Roland Deak
Cơ quan tài trợ: BMFT

LeikO (FKZ 03EI6041A) - Dự án chung: Tụ điện phim đáng tin cậy với tiềm năng điện tăng; Tiểu dự án: Mô hình trọn đời và công nghệ nano cho tụ điện phim có tiềm năng điện tăng lên như một thành phần để cải thiện cơ sở hạ tầng lưới điện

Thời lượng: Ngày 1 tháng 2 năm 2021 - ngày 30 tháng 6 năm 2026

Mục tiêu tổng thể của dự án nghiên cứu OnTomat là nghiên cứu các giải pháp tối ưu hóa và phát triển vật liệu dựa trên dữ liệu cho các thành phần gia cố bằng sợi nhiệt dẻo và nhiệt dẻo được sử dụng trong công nghiệp, cũng như các vật liệu và quy trình sản xuất được sử dụng để sản xuất chúng, bao gồm cả việc xem xét chu trình vật liệu. Mô tả hài hòa về các mối quan hệ quy mô chênh lệch giữa vật liệu, quy trình và thành phần hiện không có sẵn cho vật liệu gia cố bằng sợi. Tương tự như vậy, không có đủ tính toàn vẹn dữ liệu từ đặc tính vật liệu thông qua các phương pháp mô phỏng đến quy trình sản xuất. Do đó, nghiên cứu về một mô tả bản thể học hài hòa đã mở ra tiềm năng chưa được sử dụng trước đây để phát triển vật liệu hướng dữ liệu và tối ưu hóa quy trình. Dự án phụ này đặc biệt đề cập đến:

• Phát triển các mối quan hệ nhân quả có liên quan (mô tả tài liệu kỹ thuật số),

• Xây dựng, xây dựng và xác nhận chuỗi quy trình mô phỏng đa quy mô với tích hợp quy trình và

• Phân tích và kết hợp chu trình vật chất vào mô tả bản thể học.

Ở đây, với trọng tâm vật liệu vào các vật liệu tổng hợp polyme có thể đúc nén phun như SMC, các mô tả chính thức về “quy trình làm việc kỹ thuật” ở cấp độ vĩ mô và vi mô sẽ được phát triển. Kết quả là các mối quan hệ nhân quả có liên quan tạo cơ sở cho việc tạo ra bản thể học quy mô chênh lệch và thiết lập chuỗi quá trình mô phỏng đa quy mô hai chiều làm trọng tâm thứ hai. Việc thúc đẩy các chu kỳ vật chất tạo thành trọng tâm thứ ba. Đối với điều này, cần xác định ảnh hưởng của các đặc tính vật liệu chất lượng thấp hơn và mặt khác, lập bản đồ các quy trình tái chế trong mô tả bản thể học, để thúc đẩy sự phát triển bền vững đã có trong giai đoạn thiết kế.

Đối tác liên minh:

• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì thúc đẩy nghiên cứu ứng dụng, hiệp hội đã đăng ký)

• FASERINSTITUT BREMEN e.V. (Hiệp hội đã đăng ký Viện FIBRE Bremen)

• BIAS - Viện Bremer für angewandte Strahltechnik GmbH (BIAS - Viện Công nghệ Dầm Ứng dụng Bremen GmbH)

• Nexpirit GmbH

• Deutsches Zentrum für Luft- und Raumfahrt e.V. (Hiệp hội đăng ký của Trung tâm Hàng không Vũ trụ Đức)

• Hans Weber Machinfabrik GmbH

Liên hệ:

• Quản lý dự án: martin.koerdel@siemens.com

• Quản lý tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

PredicteCo (FKZ 01MN23014A) - Dự án chung: Phát triển sản phẩm xem xét đánh giá tính bền vững được hỗ trợ mô phỏng (PredicteCo) - Dự án phụ: Digital Twin xanh liên tục kết nối các quy trình sản xuất ảo và vật lý để thiết kế và tối ưu hóa bền vững

Thời lượng: 1 tháng 6 năm 2023 - 31 tháng 5 năm 2026

Mục tiêu tổng thể của dự án là cung cấp một nền tảng để đánh giá và tối ưu hóa tính bền vững của các quy trình sản xuất sử dụng nhiều tài nguyên đã ở giai đoạn thiết kế. Việc mô hình hóa các quy trình sản xuất đóng vai trò là cơ sở. Do đó, tất cả dữ liệu dự kiến và nhóm của chúng được biết đến sớm trong quá trình và có thể được cung cấp dưới dạng cấu trúc dữ liệu trong một chiếc green digital twin. Dựa trên cấu trúc dữ liệu, các giao diện để dự đoán tính bền vững bằng phần mềm LCA được cung cấp. Do các luồng thông tin đã biết, các đánh giá sơ bộ hiệu quả có thể được sử dụng thông qua Edge Computing. Cụ thể, các mục tiêu phụ sau đây được giải quyết:

Phát triển các tiêu chí và chỉ số có thể định lượng và đo lường được để đánh giá dấu chân sinh thái của các quy trình sản xuất composite
Tích hợp các tiêu chí và chỉ số liên quan vào các công cụ mô phỏng để thiết kế bố cục nhà máy và các bước quy trình dựa trên các giá trị mục tiêu
Tích hợp các tiêu chí liên quan vào các công cụ lập kế hoạch sản xuất cụ thể cho sản phẩm để thiết kế thiết kế sản phẩm (CAE/CAM) dựa trên các giá trị mục tiêu
Thu thập dữ liệu thời gian thực tự động và tiêu chuẩn hóa, xử lý trước, lập tài liệu và so sánh dữ liệu thu thập được với các giá trị mục tiêu được xác định làm cơ sở cho các giải pháp tối ưu hóa thực sự có thể triển khai.

Dựa trên điều này, tiểu dự án có thể được chia thành 5 mục tiêu công việc:

PredicteCo (FKZ 01MN23014A) - Dự án chung: Phát triển sản phẩm xem xét đánh giá tính bền vững được hỗ trợ mô phỏng (PredicteCo) - Dự án phụ: Digital Twin xanh liên tục kết nối các quy trình sản xuất ảo và vật lý để thiết kế và tối ưu hóa bền vững

Thời lượng: 1 tháng 6 năm 2023 - 31 tháng 5 năm 2026

Mục tiêu tổng thể của dự án là cung cấp một nền tảng để đánh giá và tối ưu hóa tính bền vững của các quy trình sản xuất sử dụng nhiều tài nguyên đã ở giai đoạn thiết kế. Việc mô hình hóa các quy trình sản xuất đóng vai trò là cơ sở. Do đó, tất cả dữ liệu dự kiến và nhóm của chúng được biết đến sớm trong quá trình và có thể được cung cấp dưới dạng cấu trúc dữ liệu trong một chiếc green digital twin. Dựa trên cấu trúc dữ liệu, các giao diện để dự đoán tính bền vững bằng phần mềm LCA được cung cấp. Do các luồng thông tin đã biết, các đánh giá sơ bộ hiệu quả có thể được sử dụng thông qua Edge Computing. Cụ thể, các mục tiêu phụ sau đây được giải quyết:

Phát triển các tiêu chí và chỉ số có thể định lượng và đo lường được để đánh giá dấu chân sinh thái của các quy trình sản xuất composite
Tích hợp các tiêu chí và chỉ số liên quan vào các công cụ mô phỏng để thiết kế bố cục nhà máy và các bước quy trình dựa trên các giá trị mục tiêu
Tích hợp các tiêu chí liên quan vào các công cụ lập kế hoạch sản xuất cụ thể cho sản phẩm để thiết kế thiết kế sản phẩm (CAE/CAM) dựa trên các giá trị mục tiêu
Thu thập dữ liệu thời gian thực tự động và tiêu chuẩn hóa, xử lý trước, lập tài liệu và so sánh dữ liệu thu thập được với các giá trị mục tiêu được xác định làm cơ sở cho các giải pháp tối ưu hóa thực sự có thể triển khai.

Dựa trên điều này, tiểu dự án có thể được chia thành 5 mục tiêu công việc:

Sự phát triển của các mô hình LCA từ nôi đến nôi bao quát cho các thành phần dựa trên vật liệu composite
Việc mở rộng các giải pháp mô phỏng quy trình hiện có ở cấp độ sản xuất và nhà máy để bao gồm các tiêu chí và chỉ số đánh giá đã phát triển
Việc tích hợp các chỉ số và tiêu chí đánh giá vào quy hoạch sản xuất cụ thể cho sản phẩm (CAM)
Thu thập và xử lý dữ liệu quy trình thực bằng các thiết bị cạnh
Trình diễn và thu thập yêu cầu để chuyển sang sản xuất rộng rãi

Đối tác liên minh:

Grasse Zur Engineeurgesellschaft mbH

INVENT Innovative Combined Materials Realization and Marketing Neuer Technologien GmbH

SWMS Systemtechnik Engineeurgesellschaft mbH

LIÊN HỆ Software GmbH

Deutsches Zentrum für Luft- und Raumfahrt e.V. (Hiệp hội đăng ký của Trung tâm Hàng không Vũ trụ Đức)

Công ty sản xuất máy móc Scholz GmbH & Co. KILÔGAM

Liên hệ:

Quản lý dự án: oliver.lohse@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

PV4life (FKZ 03EE1165A) - Dự án chung: Tăng tuổi thọ bộ chuyển đổi thông qua tối ưu hóa thành phần sử dụng Digital AI Twin - PV4life; Dự án phụ: Dự đoán tuổi thọ dựa trên cảm biến của các thành phần chuyển đổi

Thời lượng: 1 tháng 8 năm 2023 - 31 tháng 7 năm 2026

Trong dự án phụ này, Siemens AG đang nghiên cứu việc sử dụng các hệ thống dựa trên bộ chuyển đổi và các thành phần quan trọng của chúng được cải tiến và đáng tin cậy hơn. Việc sử dụng hiệu quả hơn các bộ chuyển đổi điện, cùng với việc kéo dài tuổi thọ của chúng và cải thiện độ tin cậy, có thể tiết kiệm tài nguyên thiên nhiên. Mục tiêu của dự án phụ của Siemens AG là giám sát tình trạng dựa trên cảm biến, cho phép sự lão hóa xác định được kết hợp vào một chiến lược vận hành riêng lẻ sử dụng tối ưu hệ thống PV mà không lãng phí điện năng hoặc tuổi thọ. Các cảm biến bổ sung trong mô-đun nguồn sẽ được sử dụng để đưa ra dự đoán tuổi thọ, sẽ làm cơ sở cho các mô hình của hệ thống biến tần PV. Với mục đích này, các cảm biến phù hợp sẽ được lựa chọn và đánh giá bằng thực nghiệm liên quan đến độ nhạy của chúng để phát hiện lão hóa của các thành phần bộ chuyển đổi. Các thử nghiệm tuổi thọ tăng tốc sẽ tạo ra các lỗi lão hóa khác nhau, sẽ được phát hiện và đánh giá sớm bởi các cảm biến. Dữ liệu cảm biến được thu thập trong các thí nghiệm sẽ được so sánh với dữ liệu thông thường từ các thử nghiệm tuổi thọ tăng tốc để đánh giá giá trị gia tăng của giám sát tuổi thọ dựa trên cảm biến. Đối với điều này, các băng ghế thử nghiệm cụ thể cho chất bán dẫn sẽ được thiết lập để tối ưu hóa được hỗ trợ đo lường và công nghệ cảm biến trong mô-đun nguồn sẽ được mở rộng. Siemens sẽ cung cấp dữ liệu đo lường dựa trên cảm biến từ các thử nghiệm tuổi thọ tăng tốc cho các đối tác dự án để phát triển các mô hình digital twin xem xét các hiện tượng lão hóa và tải riêng lẻ xảy ra trong ứng dụng. Đặc biệt, dữ liệu cảm biến được tạo ra sẽ đóng vai trò đầu vào cho các mô hình cuộc sống dựa trên AI tại các đối tác dự án. Các mô hình này tối ưu hóa việc sử dụng và tuổi thọ của các hệ thống biến tần PV bằng cách điều chỉnh các thông số hoạt động theo độ lão hóa ngày càng tăng.

Đối tác liên minh:

Công nghệ Infineon AG

SUMIDA Components & Modules GmbH

Trường Cao đẳng Bonn-Rhein-Sieg (Đại học Khoa học Ứng dụng Bonn-Rhein-Sieg)

OPAL-RT Đức GmbH

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Hiệp hội Fraunhofer vì thúc đẩy nghiên cứu ứng dụng, hiệp hội đã đăng ký)

Liên hệ:

Quản lý dự án: kai.kriegel@siemens.com

Quản lý tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

REMEASURE (FKZ 03EN6022A) - Dự án hợp tác: REMEASURE triển khai quản lý năng lượng đa phương thức cho siêu thị; Dự án phụ: Mô hình dự đoán chuyển tải đa phương thức trong siêu thị thí điểm

Thời lượng: 1 tháng 12 năm 2022 - 30 tháng 6 năm 2026

REMEASURE (FKZ 03EN6022A) - Dự án hợp tác: REMEASURE triển khai quản lý năng lượng đa phương thức cho siêu thị; Dự án phụ: Mô hình dự đoán chuyển tải đa phương thức trong siêu thị thí điểm

Để đáp ứng các mục tiêu khí hậu quốc gia và châu Âu, việc mở rộng sản xuất điện biến động tái tạo phải được đẩy nhanh và sử dụng hiệu quả. Ngoài việc mở rộng lưới năng lượng và năng lực lưu trữ tốn kém, các hệ thống năng lượng địa phương hiện có có thể được sử dụng để thay đổi nhu cầu liên quan đến việc cung cấp năng lượng tái tạo thông qua chuyển tải đa phương thức. Cần có một giải pháp có thể triển khai nhanh chóng, có thể mở rộng và tiết kiệm. Các siêu thị rất được quan tâm vì hệ thống năng lượng của họ phần lớn được tiêu chuẩn hóa. Hơn nữa, chúng được trang bị toàn diện công nghệ đo lường và có mức độ tự động hóa cao. Tiềm năng chuyển tải tồn tại do tính linh hoạt của mạng lưới điện lạnh cục bộ của siêu thị kết hợp với người tiêu dùng làm lạnh có thể kiểm soát được, chẳng hạn như tủ đông hoặc phòng lạnh. Các hệ thống năng lượng trong các siêu thị hiện đại hiện nay thường được vận hành hoàn toàn dựa trên nhu cầu dựa trên các quy tắc tĩnh. Hoạt động như vậy không hiệu quả, vì việc cung cấp năng lượng tái tạo dao động không được tính đến và do đó không thể được sử dụng hiệu quả. Mục tiêu của dự án là điều tra xem liệu việc sử dụng hiệu quả năng lượng tái tạo, dao động có thể thực hiện được hay không thông qua chuyển tải đa phương thức, đặc biệt là liên quan đến việc cung cấp điện lạnh cho các siêu thị. Điều này sẽ xem xét cả giá điện động và dự báo về các điều kiện ranh giới động, chẳng hạn như tải cơ sở điện và nhiệt. Tính khả thi về mặt kỹ thuật sẽ được chứng minh trong mô phỏng và xác nhận trong hoạt động thực tế của một siêu thị thí điểm. Nỗ lực lắp đặt hệ thống quản lý năng lượng và bất kỳ nâng cấp cần thiết nào của hệ thống năng lượng, ví dụ, thông qua các thiết bị đo lường bổ sung hoặc điều chỉnh trong tự động hóa, nên được giữ ở mức thấp nhất có thể.

Đối tác liên minh:

Đại học Kỹ thuật Rheinisch-Westfälische Aachen (Đại học RWTH Aachen)

Người liên hệ:

Quản lý dự án: stefan.langemeyer@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

RIESIQ (16IS24087A) - Dự án hợp tác: Nghiên cứu và thử nghiệm các phương pháp AI mới cho các hệ thống cấp công nghiệp mạnh mẽ, thông minh và hiệu quả

Thời lượng: Ngày 1 tháng 12 năm 2024 - ngày 30 tháng 11 năm 2027

RIESIQ (01IS24087A) - Dự án hợp tác: Nghiên cứu và thử nghiệm các phương pháp AI mới cho các hệ thống cấp công nghiệp mạnh mẽ, thông minh và hiệu quả

Thời lượng: Ngày 1 tháng 12 năm 2024 - ngày 30 tháng 11 năm 2027

Mục tiêu của dự án nghiên cứu này là khắc phục sự thiếu hụt của các mô hình AI tổng hợp hoặc mô hình ngôn ngữ lớn (LLM) liên quan đến khả năng ứng dụng của chúng trong các quy trình sản xuất công nghiệp. Trọng tâm là nghiên cứu và thử nghiệm các phương pháp học tập mạnh mẽ nhưng linh hoạt cho phép các hệ thống động phức tạp và các quy trình vật lý được mô hình hóa với độ chính xác đủ, cũng như được kiểm soát một cách thông minh và diễn giải. Các yêu cầu tài nguyên cần thiết trong quá trình đào tạo và suy luận phải được giảm thiểu bằng các thuật toán tiết kiệm dữ liệu để đảm bảo sử dụng bền vững và thân thiện với môi trường ở quy mô công nghiệp. Để đạt được những mục tiêu này, sẽ nhấn mạnh vào sự kết hợp có thể mở rộng, hiệp đồng của các thuật toán ML và các phương pháp mô phỏng số, cũng như các phương pháp RL linh hoạt và thực tế để tối ưu hóa điều khiển được xây dựng dựa trên chúng. Các phương pháp kết quả phải đồng thời đáp ứng nhu cầu cao về tính minh bạch và khả năng giải thích, đó là lý do tại sao trọng tâm bổ sung là nghiên cứu các kỹ thuật giải thích mới cho kiến trúc mô hình có cấu trúc. Các mô-đun giải pháp AI mới được phát triển sẽ được thử nghiệm nguyên mẫu và thực tế bằng cách sử dụng các quy trình sản xuất và đảm bảo chất lượng tự động trong sản xuất pin lithium-ion, từ đó thể hiện giá trị gia tăng cho quá trình chuyển đổi do AI hướng tới một nhà máy có thể mở rộng và linh hoạt trong tương lai.

Đối tác liên minh:

deepset GmbH

Đại học Kỹ thuật Berlin (TU Berlin)

Người liên hệ:

Quản lý dự án: marc.weber@siemens.com

Quản lý tài chính: roland.deak@siemens.com

Nhà cung cấp tài trợ: BMFTR

VALUE-M (FKZ 16BZF332A) - Dự án hợp tác: Mở rộng tuổi thọ sử dụng của hệ thống lưu trữ thông qua quản lý vi chu kỳ với giám sát tình trạng liên tục - VALUE-M

Thời lượng: 1 tháng 6 năm 2023 - 31 tháng 5 năm 2026

Siemens AG hoạt động trên thị trường với tư cách là nhà cung cấp các giải pháp và linh kiện, cũng như là đối tác phát triển cho các dự án. Trong bối cảnh này, Siemens sẽ chủ yếu làm việc về triển khai kỹ thuật và khai thác thương mại tiềm năng kết quả dự án VALUE-M. Trong phát triển thuật toán, Siemens sẽ đảm bảo khả năng tương thích với các dự án của bên thứ ba đang diễn ra và tính khả thi trong các hệ thống công nghiệp. Bên cạnh việc triển khai phần mềm truyền thông và hệ thống đám mây, ít quan trọng hơn đối với VALUE-M, trọng tâm là phát triển các đơn vị điều khiển cục bộ vận hành tối ưu hệ thống lưu trữ tương ứng cần kiểm soát, sử dụng các thuật toán được phát triển trong cấu trúc đa sử dụng cho một số hình thức quản lý đồng thời. Để xác minh thực tế tiềm năng kinh tế của một thuật toán mở rộng và công nghệ điều khiển theo tinh thần của dự án, các hệ thống trình diễn riêng lẻ sẽ được quản lý bởi một công ty kinh doanh điện được ký hợp đồng phụ. Về phần cứng, các phương pháp tích hợp kỹ thuật của các đơn vị lưu trữ đời thứ hai sẽ được phát triển, trong đó các hệ thống do bên thứ ba cung cấp có thể được hoàn thành với công nghệ điều khiển phù hợp. Cụ thể cho quản lý đa mục đích sử dụng, bao gồm dự trữ tức thời, dự trữ năng lượng đủ và tốc độ phản ứng cao sẽ được đảm bảo trong việc lựa chọn các thiết bị điện tử công suất để bù đắp cho các nhiễu loạn lưới rất ngắn hạn.

Đối tác liên minh:

SWW Wunsiedel GmbH

Đại học Kỹ thuật Rheinisch-Westfälische Aachen (Đại học RWTH Aachen)

Người liên hệ:

Quản lý dự án: heiko.winterstein@siemens.com

Quản lý tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMWE

VE4 (FKZ 16ME0735K) - Dự án hợp tác: Giảm thiểu nhiễu loạn đáng tin cậy trong lưới năng lượng sử dụng các thành phần cạnh có khả năng thời gian thực

Thời lượng: 1 tháng 11 năm 2022 - ngày 31 tháng 10 năm 2025

Động lực: Chất lượng cung cấp điện trong lưới điện công nghiệp đã suy giảm đáng kể do người tiêu dùng ngày càng phức tạp, năng động cao gây ra nhiễu loạn lưới điện. Đồng thời, các hệ thống Công nghiệp 4.0 được kết nối mạng cao rất nhạy cảm với những nhiễu loạn lưới điện này. Điều này ngày càng dẫn đến thời gian ngừng hoạt động của nhà máy với chi phí cao. Hiện tại, tải trọng mạnh hoặc nhiễu lẫn nhau không thuận lợi của các thành phần lưới không thể được phát hiện trước. Mục tiêu chính của VE4 là phát hiện liên tục và bù tích cực thông minh các nhiễu loạn trong lưới cung cấp năng lượng điện cho ngành công nghiệp. Cần đạt được sự gia tăng đáng kể về độ bền, cũng như hiệu quả năng lượng và tài nguyên. Với mục đích này, một hệ thống bù kỹ thuật số mới, phân tán sẽ được phát triển. Điều này bao gồm mạng cảm biến không đồng nhất có khả năng thời gian thực và các thiết bị cạnh, cho phép dự đoán nhanh tín hiệu nhiễu dựa trên ML và tính toán các tín hiệu ghép ngược để bù cho các nhiễu loạn. Các tín hiệu khớp nối ngược cuối cùng được đưa trở lại lưới bằng các bộ lọc hoạt động. Do đó, nền tảng cho việc giám sát nhà máy linh hoạt và kiểm soát thời gian thực thông qua các công nghệ thiết bị cạnh đang được tạo ra. Các giao diện phải được tiêu chuẩn hóa. Điều này làm cho hệ thống có thể mở rộng linh hoạt cho một loạt các nhiệm vụ điều khiển và chẩn đoán trong lưới năng lượng kỹ thuật số - vượt xa mức bù nhiễu chủ động nhằm mục đích trong dự án. Cơ sở chẩn đoán và bù nhiễu dựa trên thiết bị cạnh cho lưới cung cấp năng lượng công nghiệp kỹ thuật số hiện đại sẽ được phát triển theo nhiều bước. Phần cứng và phần mềm sẽ được khái niệm hóa và hiện thực hóa theo nguyên mẫu. Điều này bao gồm các nút đo lường có khả năng thời gian thực nối mạng được đồng bộ hóa theo thời gian, các thiết bị cạnh với phương pháp ML, máy tính đám mây và các bộ lọc hoạt động được đồng bộ hóa theo thời gian. Hiệu suất sẽ được đánh giá trong trình diễn hệ thống tổng thể trong một nhà máy thực sự.

Đối tác liên minh:

Technische Universität Dortmund (Đại học Kỹ thuật Dortmund)

Meanwave GmbH

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein (Fraunhofer-Gesellschaft vì sự tiến bộ của nghiên cứu ứng dụng, hiệp hội đã đăng ký)

Công ty TNHH Bleenco

Người liên hệ:

Quản lý dự án: stefan.tolle@siemens.com

Giám đốc tài chính: bianca.miene@siemens.com

Nhà cung cấp tài trợ: BMFTR

Dự án tài trợ

Các dự án nghiên cứu và phát triển được tài trợ công (quốc gia)

3D-i-Generaltol (FKZ 03TN0057A) - Mô hình 3D với dung sai chung ngầm dựa trên DIN ISO 2768-1/2, hoặc DIN 2769 để phát triển thêm ISO 22081 - 3D-i-Generaltol

AdapEdge (FKZ 16ME0547K) - Mô-đun điện toán biên cho sản xuất điện tử linh hoạt với tối ưu hóa quy trình thích ứng

CBC-GREEN (FKZ 13N15451) - Sử dụng nguồn chùm tia xanh linh hoạt trong sản xuất công nghiệp các linh kiện điện

DAFODIL (FKZ 03XP0389A) - DAFODIL - Tối ưu hóa sản xuất pin dựa trên dữ liệu dựa trên dữ liệu cuối dòng thông qua việc sử dụng nhiều thuật toán học máy và phân tích nội tuyến

DIAA-H2 (FKZ: 03EI3067A) - Cặp song sinh kỹ thuật số cho nhà máy sản xuất H2

DigiZuG3D (FKZ 13IK031A) - Dự án chung: Phê duyệt kỹ thuật số linh kiện in 3D cho phương tiện đường sắt (DigiZug3D) - Tiểu dự án: Số hóa và công nghiệp hóa quy trình LPBF

DimaD (FKZ 13XP5188A) - Thiết kế quy trình và vật liệu kỹ thuật số cho sản xuất phụ gia dựa trên dây

DORSMAN (FKZ 03XP0633A) - Dự án chung: Sản xuất pin dựa trên dữ liệu và cảm biến - DORSMAN; Dự án phụ: Tăng tốc hoàn thiện tế bào và cải thiện chất lượng pin Lithium-Ion thông qua việc sử dụng công nghệ cảm biến đổi mới và đo lường

ENSURE3 (FKZ 03SFK1A0-3) - Dự án chung: Cấu trúc mạng năng lượng mới cho quá trình chuyển đổi năng lượng

EviProd (FKZ 03EE5133A) - Dự án chung: Lớp phủ nhiệt hiển nhiên dữ liệu cho các thành phần tuabin khí ứng suất cao để sản xuất năng lượng thay thế; Tên dự án phụ: eVIprod - Quản lý dữ liệu và AI để tối ưu hóa lớp phủ phun

3DGlassGuard (FKZ: 13N16851) - Dự án chung: Security thông qua Photonic System Integration in Glass Foils; Tiểu dự án: Cảm biến dòng quang tích hợp phẳng

GreenInverter (FKZ 03EN4079A) - Dự án chung: Điện tử công suất bền vững với khả năng làm mát sáng tạo để tăng khả năng tái chế - GreenInverter; Tiểu dự án: Các biến thể công nghệ và hệ thống biến tần

GridAssist (03EI6126A) - Dự án chung: Hệ thống hỗ trợ vận hành hệ thống tự động tối ưu hóa trong lưới phân phối - Tiêu đề dự án phụ: Vận hành hệ thống tối ưu tự động

HyFlexBahn (FKZ 03ETE045A) - Dự án chung: Hệ thống pin lai và linh hoạt trong vận tải đường sắt (HyFlexBahn)

Profit_MQ (FKZ 10200314) - Quy trình xác định vật liệu cho các phương pháp nhiệt hạch tầng bột Laser

PV4life (FKZ 03EE1165A) - Dự án chung: Tăng tuổi thọ bộ chuyển đổi thông qua tối ưu hóa thành phần sử dụng Digital AI Twin - PV4life; Dự án phụ: Dự đoán tuổi thọ dựa trên cảm biến của các thành phần chuyển đổi

REMEASURE (FKZ 03EN6022A) - Dự án hợp tác: REMEASURE triển khai quản lý năng lượng đa phương thức cho siêu thị; Dự án phụ: Mô hình dự đoán chuyển tải đa phương thức trong siêu thị thí điểm

RIESIQ (16IS24087A) - Dự án hợp tác: Nghiên cứu và thử nghiệm các phương pháp AI mới cho các hệ thống cấp công nghiệp mạnh mẽ, thông minh và hiệu quả

VALUE-M (FKZ 16BZF332A) - Dự án hợp tác: Mở rộng tuổi thọ sử dụng của hệ thống lưu trữ thông qua quản lý vi chu kỳ với giám sát tình trạng liên tục - VALUE-M

VE4 (FKZ 16ME0735K) - Dự án hợp tác: Giảm thiểu nhiễu loạn đáng tin cậy trong lưới năng lượng sử dụng các thành phần cạnh có khả năng thời gian thực

Dự án tài trợ: Siemens là đối tác

Nội dung liên quan

Nghiên cứu và phát triển cho tương lai

Hợp tác và quan hệ đối tác

Từ phát minh đến tác động: Nhà phát minh của năm 2025

Dự án tài trợ

Các dự án nghiên cứu và phát triển được tài trợ công (quốc gia)

Tổng hợp 3D-I (FKZ 03TN0057A)

AdapEdge (FKZ 16ME0547K)

ADHYBAU2 (FKZ 20M2202A)

AddRemo (FKZ 19DNS2504A)

Bolero (FKZ 03EI4041A)

6GCamPustwin4in (FKZ 16KIS2442K)

CBC-XANH LÁ CÂY (FKZ 13N15451)

ĐIỀU KHIỂN (FKZ 19DNS2501A)

DAFODIL (FKZ 03XP0389A)

DIAA-H2 (FKZ 03EI3067A)

DiGiZUG3D (FKZ 13IK031A)

DimaD (FKZ 13XP5188A)

NGƯỜI NGỦ (FKZ 03XP0633A)

Kích hoạt (FKZ 03EN3061A)

ĐẢM BẢO 3 (FKZ 03SFK1A0-3)

EviProd (FKZ 03EE5133A)

F-Hil được nạp lại (FKZ 03EI6104A)

Bộ bảo vệ kính 3DGlassGuard (FKZ 13N16851)

Biến tần xanh lá cây (FKZ 03EN4079A)

Hệ thống hỗ trợ lưới (03EI6126A)

Xe tải HyflexBahn (FKZ 03ETE045A)

KiBSI (FKZ 13IPC041A)

KrisNet (FKZ 13N17630)

OnTomat (13XP5197A)

PredicteCo (FKZ 01MN23014A)

Lợi nhuận_MQ (FKZ 10200314)

PV4Life (FKZ 03EE1165A)

Q Genesis (FKZ 13N17386)

ĐO LẠI (FKZ 03EN6022A)

BIG (FKZ 01IS24087A)

GIÁ TRỊ-M (FKZ 16BZF332A)

VE4 (FKZ 16ME0735K)

Dự án tài trợ: Siemens là đối tác

6G-ANNA - Truy cập 6G, mạng lưới, tự động hóa

6G-Health - Phát triển toàn diện mạng 6G hiệu suất cao cho các hệ thống công nghệ y tế phân tán

KHẢ NĂNG - Máy tính bảng Haptic để truy cập nội dung kỹ thuật số cho người khiếm thị

ADRA-e - Điều phối, nhận thức, tiêu chuẩn hóa và áp dụng AI, dữ liệu và robot châu Âu đáng tin cậy

ADROIT-6G - Kiến trúc mở và lập trình dựa trên trí tuệ nhân tạo phân tán cho mạng 6G

AENAON - An ninh mạng Ex-Ante Liên kết kỹ thuật số dựa trên phạm vi mạng kép và các dịch vụ bảo mật được quản lý cho các trang trại gió ngoài khơi

AeroS - Hệ điều hành meta châu Âu tự động, có thể mở rộng, đáng tin cậy, thông minh cho liên tục đám mây cạnh IoT

Tự động tin cậy

BeyondBattrec - HEU-BeyondBattrec: Ngoài việc tái chế pin hiện đại bằng cách tăng tính chọn lọc và tính đặc hiệu của các công nghệ tiền xử lý hiệu quả

C2C3-L-SI - Dự án chung C2C3-L-SI: Carbon2Chem® - GIAI ĐOẠN 3 - Thông tư Carbon2Chem® - Tiểu dự án Siemens AG L-SI - “Tích hợp hệ thống”

CODECO - Điều phối đám mây biên phi tập trung nhận thức

Đồng tiến hóa

COGNIFOG - Công nghệ và giải pháp cho giao dịch dữ liệu, kiếm tiền, trao đổi và khả năng tương tác

Connect4HCA - Mạng truyền thông dựa trên máy bay không người lái linh hoạt với chức năng cảm biến cho các cơ sở sản xuất hiện đại

CONTAIN - Các mối đe dọa từ miền kỹ thuật số

DataFlex — Liên kết các hệ sinh thái dữ liệu để kết nối linh hoạt với cấu trúc lưới

ECO:DIGIT (dự án hợp tác) - Cho phép điện toán xanh và chuyển đổi kỹ thuật số; dự án phụ: Kích hoạt tính toán biên giới xanh

EDGELESS - Đám mây nhận thức: Tính toán liên tục hỗ trợ AI từ đám mây đến biên (RIA)

CODE4EV - Khung phát triển hợp tác cho các phương tiện điện được xác định bằng phần mềm

DaFire - Phát triển giả thuyết lỗi dựa trên dữ liệu cho tái sản xuất thiết bị điện tử thông minh

EREP — Tái sản xuất thành công thông qua việc ra quyết định dựa trên dữ liệu và lập kế hoạch quy trình thông minh

EuroBin - Mạng robot và AI châu Âu

EvoFrame - Phát triển và xác nhận một khuôn khổ tiến hóa, lấy con người làm trung tâm cho các tổ chức có khả năng chuyển đổi

DIREKT_S&G-BMC - DIREKT - Vòng đời kỹ thuật số của hệ thống đẩy điện lai - S&amp;G-BMC

DIREKT_S&G-CMC - DIREKT - Vòng đời kỹ thuật số của hệ thống đẩy điện lai - S&amp;G-CMC

FLECON-6G - Kiến trúc mở linh hoạt và công nghệ hỗ trợ dựa trên AI cho nền tảng kết nối 6G mới

Hexa-X-II - Sáng kiến hàng đầu của Châu Âu 6G

FULL-MAP - Nền tảng tăng tốc vật liệu tích hợp hoàn toàn, tự động và không phụ thuộc vào hóa học cho pin bền vững thế hệ tiếp theo

GENIUS - Xử lý ngôn ngữ tự nhiên cho vòng đời phát triển phần mềm

GreenCode - GenAI cho hiệu quả phát triển

HarDShip - Bảo mật dựa trên phần cứng cho các cơ sở sản xuất công nghiệp

HiPower5.0 — Dự án chung: Vật liệu tiên tiến và công nghệ tích hợp cho thiết bị điện tử công suất GaN trong ô tô

HoverGaN - Phát triển toàn diện các bóng bán dẫn GaN dọc cho điện áp hoạt động lên đến 1.7kV

HTA 2.0 - Sản xuất phụ gia bền vững cho các ứng dụng nhiệt độ cao (giai đoạn 2)

Ieflex - Dự án chung: IEFlex

INSPIRE - Thiết kế và vận hành sáng tạo để giảm thiểu vật liệu đất hiếm và kéo dài tuổi thọ cho sản xuất hydro dựa trên gió ngoài khơi thế hệ tiếp theo

INTENT - ENEFF:Wärme: Chuyển đổi nhiệt tích hợp

K3I-Cycling - Bao bì nhựa Trung tâm ứng dụng AI

NEXTGenai - Trí tuệ nhân tạo thế hệ tiếp theo

không chất thải bột nhão - Hiện thực hóa nền kinh tế tuần hoàn thông qua việc phát triển một quy trình tự động và tiết kiệm năng lượng và nguyên mẫu nhà máy để thu hồi nhẹ nhàng nguyên liệu thô

Nội dung liên quan

Nghiên cứu và phát triển cho tương lai

Hợp tác và quan hệ đối tác

Từ phát minh đến tác động: Nhà phát minh của năm 2025